SVEUČILIŠTE U ZAGREBU FAKULTET ELEKTROTEHNIKE I RAČUNARSTVA ZAVRŠNI ISPIT Autentifikacija šarenicom oka Denis Biškup Ergonomija u računarstvu Zagreb, lipanj 2010.
Sadržaj 1. Uvod... 1 2. Biometrija... 2 2.1 Definicija i počeci biometrije... 2 2.2 Metode identifikacije... 2 2.2.1 Kontaktne biometrijske karakteristike... 3 2.2.2 Nekontaktne biometrijske karakteristike... 4 2.3 Arhitektura osnovnog biometrijskog sustava... 5 2.4 Tehničko ispitivanje i evaluacija uzoraka... 6 2.5 Bin Error Rate procjena pogreške... 7 3. Digitalna obrada i analiza slike... 9 3.1 Razlozi digitalne obrade slike... 11 4. Digitalna analiza šarenice... 13 4.1 Senzori i uređaji za skeniranje... 13 4.2 Oko, iris i njegove karakteristike... 14 4.3 Izdvajanje šarenice sa slike oka... 15 4.4 Dobivanje potpisa šarenice (eng. Iris Code)... 16 4.4.1 Test statističke neovisnosti... 17 4.5 Pouzdanost metode... 18 5. Sažetak... 19 6. Literatura... 20 1
1. Uvod Pojam biometrije javlja se početkom osamdesetih godina prošlog stoljeća. Uzrok - ekspanzija sigurnosnih sustava, baziranih na biometrijskim karakteristikama. Biometrija kao pojam nije donijela nikakvu novinu, osim što je pod jedan nazivnik svela cijelu paletu karakteristika koje su prije toga bile nazivane različitim imenima. Biometrija, tj. korištenje automatiziranog sustava za prepoznavanje nečijeg identiteta analizom njegovih fizičkih karakteristika ili ponašanja, je već duže vrijeme dio stvarnosti. Sustavi za identifikaciju osoba putem šarenice oka jedni su od najsigurnijih biometrijskih sustava. Sve češća upotreba ovih sustava u svakodnevnom životu ukazuje na sve veću zrelost ove tehnologije, kako na području točnosti (egzaktnosti) sustava, tako i na području prihvaćenosti od strane korisnika i ergonomije. Iako prihvaćenija od nekih drugih biometrijskih metoda (prepoznavanje osoba putem rožnice I DNK), biometrija šarenice oka još uvijek nije toliko raširena poput analize lica, dlana i glasa. Moglo bi se reći da je šarenica dobra kombinacija točnosti (a time i sigurnosti) i prihvaćenosti. Ideju biometrijskog raspoznavanja osoba pomoću šarenice oka prvi su patentirali Alan Safir i Leonard Flom 1987. godine, ali nisu razvili njezinu računalnu impelementaciju. Prvi, a zasad i najučinkovitiji algoritam napravio je John Daugman sa Harvardskog sveučilišta. Svoju metodu patentirao je 1994. i većina istraživanja na tom području temelje se na njegovim postavkama. Zbog toga ću u ovom seminaru staviti naglasak na Daugmanovu metodu, iako postojei novi pristupi.. Očekuje se da će u budućnosti ova tehnologija još više sazrijeti i da će se prosječan čovjek sve češće s njome susretati u različitim biometrijskim aplikacijama. 1
2. Biometrija 2.1 Definicija i počeci biometrije Biometriju se može definirati kao model identifikacije osobe, baziran na psihološkim karakteristikama ili karakteristikama ponašanja, a odnosi se na nešto što osoba posjeduje ili što osoba zna kako bi izvršila osobnu identifikaciju. Govoreći u tehničkim terminima, biometrija je automatizirana tehnika mejrenja fizičkih i ponašajnih karakteristika osoba i usporedba tih karakteristika sa podacima, a sve u cilju prepoznavanja osobe. Prva otvorena podrška biometriji i najava razvoja sigurnosnih sustava bila je u vrijeme Zimskih olimpijskih igara u Japanu (Nagano) 1998.godine. Biometrija se u počecima razvijala uzslogan: The body as password. 2.2 Metode identifikacije U samim počecima izvedbe i upotrebe biometrijskih sustava, prednost je davana fiziološkim karakteristikama u odnosu na ponašajne karakteristike. Prevladavalo je mišljenje da fiziološke značajke, u odnosu na ponašajne, posjeduju uočljivost te mogu raspoznati manje razlike. Danas postoji desetak biometrijskih tehnologija koje se, ili već koriste, ili su pri kraju istraživanja i početku korištenja. 2
2.2.1 Kontaktne biometrijske karakteristike Ukoliko nam je bitno prisustvo osobe kod biometrijske identifikacije, takav postupak nazivano kontaktnom biometrijom. Otisak prsta Geometrija dlana Šarenica Mrežnica Potpis Uho DNA Slika 2.2.1Graf kontaktnih biometrijskih karakteristika Na slici 2.2.1 prikazan je graf iz kojeg se vide karakteristike pojedinog biometrijskog sustava. U legendi su karakteristike svake od metoda te se one ocjenjuju vrijednostima (1 -niska, 3 -srednja, 6 -visoka). Svaka ocjena u svojem biometrijskom 3
sustavu ima svoju vrijednost te se sumiraju jedna na drugu tako da se na kraju može procijeniti sigurnost sustava, njegova prihvatljivost, izvedivost te ostale karakteristike. Sve karakteristike sa višom ocjenom doprinose kvalitetnijem sustavu, jedino Nadmudrivanje sa svojom visokom ocjenom odaje i visok postotak mogućnosti zlouporabe. 2.2.2 Nekontaktne biometrijske karakteristike Prepoznavanje lica Glas Termogram lica i tijela Brzina tipkanja Hod Miris Slika 2.2.2 Graf nekontaktnih biometrijskih karakteristika Iz slike 2.2.2 je vidljivo da je najnepouzdaniji način dinamika tipkanja dok se najpouzdanijim čini termogram lica i tijela. 4
2.3 Arhitektura osnovnog biometrijskog sustava Iako se biometrijski uređaji oslanjaju na raznovrsnu tehnologiju, općenito se o njima može reći da uključuju nekoliko podsustava: Skupljanje podataka koje uključuje predstavu o biometrijskom modelu koji će se prezentirati senzoru Prijenos, koji može sadržavati kompresiju signala i slučajno nagomilavanje nepotrebnih šumova Procesiranje signala, u kojem se stabilne, još različite osobine ekstrahiraju od dobivenog signala i uspoređuju sa prije pohranjenim Pohrana predložaka koji dolazi od osobina i od mogućih grubih signala koji su primljeni iz prijenosnog podsustava Slika 2.3 DTP osnovnog biometrijskog sustava 5
2.4 Tehničko ispitivanje i evaluacija uzoraka Pod tehničkom evaluacijom se podrazumijeva mjerenje sljedećih općenitih parametara: stupnjevi pogrešnog poklapanja (eng. false match rate), stupnjevi pogrešnog nepoklapanja (eng. false non-match rate), koeficijent penetracije (eng. penetration coefficient) vrijeme transakcije (eng. transaction time). Dodatne mjere, kao što su greške pri upisu (eng. failure to enroll), greške pri prihvatu (eng. failure to acquire), zapisi o postotku populacije koja nije u mogučnosti korištenja bilo kakve biometrijske metode i slično također su važne. Bitno je poznavati korake pri istraživanju i izvještavanju osobina uređaja neovisno o načinu donošenja odluke, ali ovisno o aplikaciji određenog uređaja i predviđanju rezultata istraživanja osobina sustava. Dvije su različite funkcije identifikacijskih biometrijskih uređaja: - Potvrda izjave (dokaz) da je osoba ona za koju tvrdi da jest - Potvrda izjave (dokaz) da osoba nije ona za koju tvrdi da jest U prvom slučaju korisnik sustava traži "pozitivni" zahtjev za identifikaciju. U drugom slučaju on traži "negativni" zahtjev, tj.zahtjev da nije tko je u sustavu već od prije_poznat. U sustavu se mogu također javiti greške. Greške poput pogrešan pristup (eng. false acceptance rate FAR) ili pogrešno odbijanje (eng. false rejection rate FRR) se u sustavskim greškama uvijek odnose na zahtjev korisnika. Tako će korisnik pozitivnog identifikacijskog uređaja biti "pogrešno prihvaćen" ako se nekorektno podudara sa nečijom biometrijskom mjerom ili "pogrešno odbijen", ako se nekorektno ne podudara s pravom biometrijskom mjerom. Za razlikovanje objekata potrebno je promatrati samo značajke objekta koje drugi objekt nema, odnosno ima, ali im se vrijednosti značajki razlikuju (Gyergyek, L. Et al. 1988.). Uzorak je kvantitativni ili strukturni opis razvrstavanog objekta, dok je razred skup uzoraka koji posjeduju određena zajednička svojstva. 6
Brzina obrade podataka ovisi o samim mogućnostima računala koje njima raspolaže. Na razini apstrakcije problem raspoznavanja uzoraka dijeli se u tri prostora: 1. Prostor uzorka (mjerni prostor) - prenosi beskonačno dimenzionalan prostor kontinuiranih podataka u prostor konačne dimenzije 2. Prostor značajki (prostor karakteristika) - predstavlja prostor između prostora uzoraka i prostora odlučivanja. 3. Prostor odlučivanja (prostor raspoznavanja) - razvrstavanje uzoraka u jedan od unaprijed preddefiniranih razreda. Slika 2.4 Općeniti sustav prepoznavanja uzoraka Prepoznavanje uzoraka sastoji se od tri koraka. Prvi je predstavljanje objekata iz okoline korištenjem matematičkih ili jezičnih opisnih metoda. Slijedi izlučivanje karakteristika objekata. Na poslijetku usporedba opisanog objekta s unaprijed poznatim modelima objekata te donošenje zaključka o pripadnosti objekta. 2.5 Bin Error Rate procjena pogreške Ova procjena pogreške reflektira postotak uzoraka koji ne odgovaraju njihovim predlošcima zbog nekonzistentnosti u particijskom procesu. Odnos pogreške je 7
determiniran postotkom uzoraka koji nisu smješteni u particiju koja komunicira sa svojim prijedlozima. Korištenjem bilo koje particionirajuće metode može se izvesti samo jedan test koji može determinirati procjenu binarne pogreške. Jednadžba 1. Procjena pogreške uzorka (eng. Bin Error Rate) 8
3. Digitalna obrada i analiza slike Digitalna obrada slike (eng. Digital Image Processing) u domenu svojeg imena svrstava manipulaciju slikama pomoću računala i podvrgavanje slike seriji numeričkih operacija u svrhu postizanja željenog rezultata. Monokromatska slika je dvodimenzionalna funkcija f(x,y), u kojoj su x i y prostorne koordinate, a vrijednost funkcije predstavlja nivo sivila (Gray Level), tj. svjetline u definiranoj točki. Slikovni element se naziva Picture Element, Pixel, Pel, dok je internacionalni naziv za volumni element Voxel. Slika 3.0.1 Digitalna obrada slike Digitalnu sliku možemo obraditi na više načina: Transformacija slike (eng. Image Transform) Analiza slike (eng. Image Analysis) - Ekstrakcija informacija iz slike u svrhu dobivanja opisa - Klasifikacija slika lica / otisaka prsta - Mjerenje veličine i orijentacije rukopisa - Upravljanje robota - Upravljanje aviona Poboljšanje slike (eng. Image Enhancement) - Poboljšanje kontrasta i rubova (eng. Contrast and Edge Enhancement) - Pseudokoloriranje (eng. Pseudocoloring) - Uklanjanje šuma 9
- Izoštravanje Obnavljanje slike (eng. Image Restoration) - Restauracija - Uklanjanje, odnosno smanjivanje degradacija unesenih na sliku (od strane uređaja ili okoline) - Uklanjanje zamućenosti, nelinearnosti i smetnji Rekonstrukcija slike (eng. Image Reconstruction) Posebni pristup problemu obnavljanja slike. Rekonstrukcija dvodimenzionalne ili višedimenzionalne slike odvija se kroz nekoliko jednodimenzionalnih projekcija. - Upotreba: - Medicina - Astronomija - Radar Kompresija slike (eng. Image Compression) Pomoću tehnika kompresije pokušava se smanjiti broj bitova potrebnih za spremanje slike bez gubitka informacije ili sa stanovitim gubitkom informacije. - Upotreba: - Arhiviranje slike i dokumenata - Prijenos slike - Komunikacije - Multimedija 10
Digitalna analiza slike (eng.digital Image Analysis) je proces čiji rezultat obrade daje nešto različito od prvobitne slike s ciljem izlučivanja informacija iziste. Slika 3.0.2 Digitalna analiza slike Iz slike 3.0.1 je vidljivo da su ulazni i izlazni elementi procesa slike, ok je kod analize slike, slika 3.0.2, ulazni element slika, a izlazni elementi su parametri. Vidljive slike možemo podijeliti u tri skupine: crteži, fotografije i obične slike. Matematičke funkcije također mogu biti vrsta slike. 3.1 Primjena digitalne obrade i analize slika Razlikujemo dvije osnovne primjene digitalne obrade I analize slika:: 1. Poboljšanje slike za ljudsku interpretaciju (obrada slike) Utjecaj: - Razvoj digitalnih računala - Istraživanje svemira Metode obrade slike moguće je primjeniti gotovo u svim područjima u kojima se informacija može prikazati slikom: - Medicina (eng. Computer Assisted Radiology / Surgery); poboljšanje kontrasta slike; rekonstrukcija, analiza i registracija slika - Daljinska snimanja (eng. Remote Sensing); geologija, poljoprivreda, meteorologija - Industrijska primjena - Komunikacije - Astronomija 11
- Biometrija i dr. 2. Obrada slike za automatsku interpretaciju pomoću računala (analiza i razumijevanje) - Izlučivanje parametara slike pogodnih za obradu pomoću računala - Razvoj algoritama za analizu slike - Imitacija biološkog sustava (ljudskog) za opažanje i razumijevanje okoline - Analiza slike - područje digitalne obrade slike, interpretacija slike (eng. Digital Image Processing) - Sinteza slike - računalna grafika (eng. Computer Graphics), vizualizacija volumena (eng. Volume Visualisation) Primjena: Prepoznavanje znakova (eng. Automatic Character Recognition) Automatsko prepoznavanje otisaka prsta (AFIS) Automatsko prepoznavanje biometrijskih karakteristika osobe Industrijske aplikacije Interpretacija medicinskih slika 12
4. Digitalna analiza šarenice 4.1 Senzori i uređaji za skeniranje U današnje vrijeme postojie deseciproizvođača skenera šarenice. Međusobno se nadmeću uglavnom dizajnom (vanjskim izgledom skenera) i brzinom obrade podataka. Od same brzine obrade ulaza (skeniranja slike u digitalnom obliku i prosljeđivanju na poslužitelj), pa sve do pozitivnog ili negativnog odgovora sustava, kvaliteta skenera ovisi o algoritmu za obavljanje procesa i računalnom hardveru. Želimo li određenoj osobi dozvoliti pristup moramo je prvo unijeti u sustav. Osoba se u sustav unosi uz dopuštenje administratora baze podataka gdje se nalaze predlošci. On uzima uređaj koji je prikazan na slici 4.1.1 i uslika oba oka novog korisnika. Računalo automatizirano iz digitalne slike locira šarenicute samo njezin uzorak sprema u sustav. Slika 4.1.1 SecuriMetrics uređaj za skeniranje Slika 4.1.2 Dohvat skenera 13
4.2 Oko, šarenica i njezine karakteristike Oko je organ mnogih životinja i čovjeka koji služi pretvaranju svjetlosti u živčane impulse. Ljudsko oko je parni organ koji funkcionira slično fotoaparatima i kamerama: prozirni prednji dijelovi oka lome zrake svjetlosti projicirajući umanjenu i obrnutu sliku na fotosenzitivnu mrežnicu gdje se u specijaliziranim živčanim stanicama obavlja pretvorba u električne živčane impulse. Oko je najvažnije ljudsko osjetilo. 90% svih informacija iz okoline primamo okom. Slika 4.2.1 Presjek ljudskog oka Šarenica je dio oka koji daje karakterističnu boju oka. U funkcionalnom smislu šarenica (iris) ima ulogu regulacije količine svjetla koja ulazi u oko, poput blende u fotoaparatu. To se postiže ravnotežom dvaju mišića u šarenici (sfinkter, koji suzuje pupile i zjenicu te dilatator koji ih širi). Boja šarenice ovisi o količini i rasporedu pigmenta na prednjoj površini šarenice. Što je šarenica bogatija pigmentom, to su oči tamnije (smeđe). Kod manje količine pigmenta oči su svjetlije (zelene do plave) a kod potpunog nedostatka (albino osobe) oči su potpuno plave (ponekad blago roze zbog prosijavanja krvnih žila). Svaka osoba i svako oko ima karakterističan jedinstven 14
izgled šarenice. Danas, izgled i oblik šarenice može otkriti čitav niz pojedinosti o stanju organizma, čime se bavi iridodijagnostika. Slika 4.2.2 Šarenica ljudskog oka 4.3 Lociranje šarenice iz slike Nakon što smo došli do slike oka, potrebno je izdvojiti samu šarenicu, da na prepoznavanje ne bi utjecali ostali dijelovi oka (kapci, trepavice itd.). Treba pronaći središte zjenice i središte šarenice (koje se najčešće ne nalaze na istom mjestu) te njihove radijuse. Također treba znati da zjenica nema uvijek potpuno kružni oblik, kao i to da joj se veličina stalno mijenja. Za pronalaženje tih elemenata dobar je slijedeći integracijsko-diferencijalni operator (Jednadžba 2): Jednadžba 2. Daugmanov algoritam Pri tome I(x,y) predstavlja sliku oka (slika 4.4.2.). Algoritam sliku pretražuje po njenoj domeni (x,y) tražeći maksimum u zamućenom području slike, s najvećim radijusom (r). Operator * predstavlja konvoluciju, a Gs(r) je funkcija uglađivanja, primjerice Gaussova. Ovaj operator se koristi za pronalaženje zjeničnog kao i vanjskog ruba šarenice.kada su ove granice nađene, sličan postupak se provodi i za pronalaženje granica očnih kapaka. Slike na kojima se vidi manje od 30 do 40 posto šarenice 15
smatraju se neupotrebljivima, što se događa, na primjer, ako osoba zatvori oko prilikom akvizicije slike. Slika 4.3 Lociranje irisa Na slici 4.3 vidimo korake pri lociranju šarenice nakon prepoznavanja algoritmom 4.4 Dobivanje potpisa šarenice (eng. Iris Code) Nakon što se dobije slika šarenice i izdvoje se nepotrebna područja, treba sliku transformirati u polarni koordinatni sustav (slika 4.4.1). Time se postiže da na prepoznavanje neće imati utjecaj veličina zjenice i same slike. Slika 4.4.1 Određivanje polarnih koordinata Za dobivanje potpisa šarenice koriste se dvodimenzionalni waveleti (eng. wavelet - matematička funkcija koja razdvaja valni signal u komponente različitih frekvencija i analizira svaku komponentu posebnom razlučivošću koja odgovara njezinoj valnoj 16
duljini), pomoću kojih se struktura šarenice prikazuje kao niz vektora u kompleksnoj ravnini. Za demodulaciju wavelet-a izlučuju se četiri parametra: veličina, orijentacija i dvije pozicijske koordinate. Da bi se na taj način pohranile informacije o strukturi šarenice, potrebno je samo 256 bitova te kontrolni bitovi. Slika 4.4.2 Slika šarenice nakon transformacije Kada je dobiven potpis šarenice, treba ga usporediti sa potpisima u bazi podataka. To se radi testom statističke neovisnosti. 4.4.1 Test statističke neovisnosti Svaki potpis šarenice generiran iz bilo kojeg oka proći će na testu statističke neovisnosti sa potpisom šarenice bilo kojeg drugog oka. Međutim, ako padne na tom testu sa danim potpisom šarenice, imamo podudaranje. Za različitosti između dva potpisa koristi se jednostavna formula (Jednadžba 3.) logičkih operatora AND i XOR. Jednadžba 3. Test statističke neovisnosti Maske u ovom slučaju služe za prikrivanje beskorisnih artefekata na slici. Kada bi rezultat HD (eng. Hamming distance) bio jednak 0, imali bismo podudaranje. Za svake dvije slike različitih šarenica je sigurno da će proći ovaj test (HD = 1), a ako dvije slike padnu na ovome testu, to mora značiti da su na obje slike iste šarenice. Na nama je da odredimo vrijednost Hammingove udaljenosti, koja će biti granica podudaranja. Za HD=0.26 vjerojatnost pogreške bi bila 1 / 10 13 za mogućnost lažnog podudaranja. 17
4.5 Pouzdanost metode Prepoznavanje šarenice jedna je od najsigurnijih biometrijskih metoda, najviše zbog prirodnih karakteristika šarenice. Ona poprima svoj izgled u najranijem djetinjstvu (čak i prije rođenja), te se tokom godina ne mijenja (slika 4.5.1) osim u slučajevima bolesti ili fizičke ozljede. Kirurški ju je nemoguće krivotvoriti bez velikog rizika od gubitka vida. Također, ova metoda ne može prevariti nošenjem kontaktnih leća, jer postoje algoritmi pomoću kojih se sasvim lako ustanovi nosi li osobaleće ili ne. Stakleno oko ili pravo oko odstranjeno sa čovjeka ne mogu poslužiti za prijevaru jer se na njima zjenica oka ne mice, dok je kod živog oka zjenica podložna konstantnom pokretu te kontrakciji i širenju. Međutim, ova metoda, kao i sve ostale, nije 100 % pouzdana. Grupa njemačkih istraživača uspjela je prevariti jednu od komercijalnih verzija ovog software-a tako što su visokokvalitetnu sliku oka ispisali pomoću pisača visoke rezolucije (2400x1200 dpi), te u sredini probušili rupu. Tako je uređaj za dobivanje slike šarenice vidio živu zjenicu. U stvarnim okolnostima,to se ne bi moglo tako jednostavno izvesti jer je potrebna skupa oprema, a i nije moguće dobiti tako kvalitetnu sliku nečijeg oka bez znanja te osobe. Zbog što veće pouzdanosti prije par godina u skenere su se počeli ugrađivati laseri koji na mili sekundu zasvijetle rožnicu oka te ukoliko se rožnica proširi (kod pojave svjetla) senzor prihvaća sliku. Sigurnost nekih biometrijskih metoda raspoznavanja može se usporediti pomoću FAR omjera(far false acceptance rate). FAR metode biometrija šarenice oka iznosi 1/1.200.000, dok je npr. za otisak prsta FAR 1/1000. Slika 4.5.1 Afghan girl,1984. i 17 godina poslije, oči su uvijek jednake 18
Slika 4.5.2 Maksimalno vrijeme potrebno za obradu podataka Propagandni slogan: Your iris: You can t leave home without it 19
5. Sažetak Raspoznavanje šarenice oka pomoću računala ima svoje prednosti i nedostatke, ali je u svakom slučaju jedna od najsigurnijih biometrijskih metoda. Oko je vrlo dobro zaštićen ljudski organ, šarenica se tijekom ljudskog života ne mijenja poput nekih drugih karakteristika i svaki čovjek ima drugačiji uzorak šarenice. Za dobro raspoznavanje dovoljno je 30-40 % slike šarenice, vjerojatnost lažnog prihvaćanja je neznatan, aalgoritam koji obrađuje sliku je vrlo brz. Prijevare mogu se otkriti zahvaljujući konstantnim promjenama veličine zjenice. Negativne strane ne nadmašuju pozitivne. Glavni problemi su što je šarenica relativno mala pa se mora fotografirati iz velike blizine (1 metar ili manje). Kod slikanja može biti problem odsjaj svjetla jer se šarenica nalazi iza mokre prozirne reflektirajuće površine. Također je potrebna velika suradnja subjekta kod akvizicije slike. Zbog svega toga ova metoda ima karakteristična područja uporabe gdje protočnost subjekata nije prevelika, a potreban je izuzetno visok stupanj sigurnosti. Iako se pojavljuju novi pristupi i prijedlozi, nitko još nije uspio nadmašiti učinkovitost Daugmanovog algoritma. Za smanjenje gore navedenih negativnih strana ove metode potrebna su dodatna istraživanja na području akvizicije slike, kao i same analize slike šarenice oka. 20
6. Literatura [1] Odabrane teme iz biometrije - Fakultet Informatike i Organizacije, Doc.dr.sc. Miroslav Bača [2] Biometrijske karakteristike i sustavi sigurnosti, Doc.dr.sc. Miroslav Bača [3] Digital image processing, Prentice Hall, 1996., Castleman, K.R. [4] Identifikacija šarenice - od SF-a do primjene, 2006., Bača, Miroslav; Schatten, Markus; Kišasondi, Tonimir; [5] How iris recognition works, IEEE Trans. CSVT 14(1), 2004., John Daugman 21