|
APPLICAZIONI BIOMETRICHE IN UN CASO DI POSSIBILE IDENTIFICAZIONE SU UNA
FOTOGRAFIA ANOMALA
di Daniele Gullà.
La biometrica.
La Biometrica è una tecnica
scientifica che si occupa di misurare in maniera diretta o indiretta
le caratteristiche biologiche morfologiche ed antropometriche dei viventi ai
fini di una catalogazione specifica utilizzabile per l’identificazione degli
stessi. Per identificazione si intende la procedura attraverso la quale si
giunge a riconoscere od individuare un essere vivente (generalmente una
persona) in base ad una sufficiente quantità di elementi probatori, quali
forme e dimensioni di diverse parti della faccia in relazione alla struttura
cranica sottostante. Nel campo del diritto si usano di sovente le analisi
biometriche nei casi dove necessita un riconoscimento nei confronti di
individui che hanno commesso dei reati, o, nei confronti di latitanti che
cercano di nascondere la propria identità, basti pensare alle immagini riprese
dalle telecamere a circuito chiuso delle banche o dei supermercati o a quelle
installate negli aeroporti. Altre applicazioni riguardano il rapimento o
sostituzione di bambini o la ricerca di persone scomparse o decedute, o per
fini assicurativi; anche se più frequentemente si utilizzano per stabilire
l’identità di persone decedute per le cause più svariate e nella quale sono
intervenuti dei fattori di modificazione tali da alterarne i tratti somatici.
Naturalmente i più numerosi fruitori di tali metodiche d’indagine sono, le
Forze dell’Ordine e gli Istituti di Medicina Legale e prima di tutti i servizi
militari o di intelligence. I sistemi di identificazione individuale
sono comunque non ancora totalmente perfetti, il rateo di errore è ancora
abbastanza marcato (oltre il 5%) ed aumenta in modo proporzionale alla qualità
delle immagini che si sottopongono; spesso le videoriprese registrate in
analogico forniscono immagini di scadente qualità e la torrelanza all’errore
diventa eccessiva . A parte alcune tipologie di analisi come quelle del DNA o
le Impronte Digitali, nella quale esistono numerose Banche Dati di
classificazione di individui, e le cui metodiche investigative sono ormai
ampiamente consolidate per la precisione raggiunta nei processi di
riconoscimento (l’errore è minimizzato ad un miliardesimo di possibilità); le
altre numerose tecnologie utilizzate a tuttoggi per analisi forensi, non
sempre sono in grado di fornire risultati certi sull’identificazione personale
di un individuo, si limitano per lo più a stabilire un rapporto di
compatibilità attraverso indici statistici di somiglianza. Tuttavia, gli
errori di FAR (False acceptance Rate) e FRR (False Rejection Rate),
pur essendo ancora presenti, si stanno notevolmente assottigliando con
l’introduzione di tecnologie informatiche sempre più sofisticate e precise, in
correlate all’aumento di capacità dei calcolatori e l’utilizzo di programmi e
algoritmi in via di sviluppo fin dai primi anni novanta ed in costante
perfezionamento come: le reti neurali, l’eigenfaces,
wavelets e computer graphics.
Uno dei metodi più noti, della
quale ci occuperemo in questa relazione, è quello del cosiddetto confronto
Antropometrico Facciale (Face Recognition). Il metodo antropometrico
venne impiegato per la prima volta nel 1879 dalla Polizia di Parigi. Fu un
certo Alphonse Bertillon, all’epoca poliziotto, a mettere a punto una metodica
di analisi antropometrica detta dall’autore “Bertillonage”. In sintesi, il
metodo consisteva in una classificazione dei caratteri somatici misurati sul
corpo dell’individuo per mezzo di particolari goniometri e classificati
opportunamente per un eventuale necessità di confronto nel tempo. A parte le
solite misurazioni dell’altezza dell’individuo, della lunghezza delle braccia
e delle gambe o delle caratteristiche corporee particolari, come cicatrici,
nei, tatuaggi, callosità o altro, che potevano avere valore come
“contrassegno”, detto anche studio antropologico del corpo e suddiviso in
Somatometria (da un punto di vista metrico) e Somatoscopia (da un punto di
vista morfologico); lo studio primario verteva nell’analisi del capo, detto
Cefalometria (da un punto di vista metrico) e Cefaloscopia (da un punto di
vista morfologico). Da allora, sono stati fatti notevoli progressi nella
tecnologia del riconoscimento antropometrico del capo; dalle analisi manuali a
quelle semiautomatiche o automatiche del volto, al riconoscimento di
face-feature e shape-analysis e di macthing con un numero
notevole di dati riguardanti anche decine di migliaia di volti contenuti in un
database. Le caratteristiche prese in esame riguardano essenzialmente le
distanze di alcuni punti di riferimento noti anche con il nome di “Punti di
Repere”, localizzati nella struttura cranio-facciale (vedi fig. n°1)e
le caratteristiche morfosomatiche della forma della faccia o di sue parti.
Normalmente, in modalità manuale o
semiautomatica, si misurano almeno una dozzina di punti, ma si può arrivare
con determinate tecniche anche a 80 punti con calcoli in 3D. Di grande
rilevanza sono le misurazioni dei rapporti, vale a dire gli scostamenti
percentuali in termini di pixel o micron. Più lo scarto è minimo (tra circa 0
e 1,5%-2,5%), più l’analisi sarà probante e convincente. Questo dato sarà più
accurato quanto più è precisa la disposizione dei punti sull’immagine da parte
del perito, o quanto più fitta e fine è la trama di poligoni se si opera con
un modello tridimensionale. In ogni modo i confronti effettuati anche sullo
stesso volto, difficilmente raggiungeranno il 100%, perché esiste sempre un
errore, se pur minimo, che non consente di avere una misurazione assoluta,
cioè sempre uguale. L’errore è legato soprattutto alla qualità delle immagini
confrontate, nelle quali non è infrequente trovare un rapporto nelle
dimensioni dei pixel tra 1 e 4 o addirittura tra 1 e 8. Questo significa che
un pixel in un’immagine è 4 o 8 volte più grande che nell’altra e questa
perdita di definizione del punto, introduce un errore nel posizionamento dei
punti cranici. In questi casi occorre pre-elaborare le immagini riducendole ad
un numero uguale di pixel, in genere si usano matrici quadrate di 256 x 256
punti, ed riequilibrare il contrasto e le tonalità per renderle il più
omogenee possibili. Alla fine delle operazioni si può comunque prevedere
l’errore e sottrarlo dalle misurazioni effettuate. Eseguendo per esempio
un’analisi statistica mediando lo sballamento dei punti, ci si può avvicinare
ad un valore reale e costante.
Molti altri caratteri morfologici
personali sono presi in esame ai fini dell’identificazione facciale. La
codificazione più diffusa è quella proposta da Schwidetzky e Knussmann. Gli
autori prendono in considerazione dieci tipi fisionomici facciali: ellittica,
ovale, ovale invertita, rotonda, rettangolare, quadrata, rombica,
trapezoidale, trapezoidale invertita, pentagonoide. Altre caratteristiche di
indubbio valore identificativo sono certamente, la fronte, il naso gli occhi
(qualora non vengano travisati da maschere posticcie) e i padiglioni
auricolari (spesso non travisati e inalterabili nel tempo); quest’ultima
morfologia ha dimostrato di essere un dato biometrico pressoché individuale.
Sulle problematiche connesse al padiglione auricolare come dato biometrico di
identificazione, sono state sviluppate numerose tecnologie informatiche di
calcolo sia manuali che automatizzate che si basano soventemente sulle reti
neurali ed utilizzano una segmentazione a mappa delle aree topologiche
importanti. Il padiglione viene suddiviso nelle sue parti più salienti:
elice, antelice, trago, antitrago, incisura intertragica, lobo,
imboccatura del condotto uditivo (punto cruciale) e forma generale del
padiglione. Questo tipo di identificazione ha notevoli vantaggi perché
questa è una delle parti del corpo dotata di maggiore stabilità. La forma di
base è determinata addirittura 56 giorni dopo la concezione e si mantiene
praticamente inalterata sino alla decomposizione del corpo, dopo la morte, per
un tempo assai maggiore di quello della pelle del volto e delle dita. Altre
morfologie altrettanto importanti sono la forma , la direzione e la dimensione
delle sopracciglia. Anche la morfologia della piramide nasale e della pinna
nasale e la forma della punta del naso sono da considerarsi di grande
importanza nel processo di identificazione personale. Per la ricerca dei
tratti somatici salienti di un individuo, sono stati elaborati diversi tipi di
algoritmi in grado di riassumere la notevole mole di dati operando con una
specie di averaging sulla stringa di dati biometrici, rendendo quindi
più fattibile il lavoro computazionale da svolgere in fase di comparazione
miscellanea con un dataset molto consistente.
fig. n°1.
Correlazione tra punti del cranio e volto umano.
L’utilizzo di tecniche biometriche in campo parapsicologico.
In Italia sono state effettuate in passato delle verifiche
biometriche di carattere fonico, analizzando per esempio l’impronta vocale di
due parlatori ai fini dell’identificazione (vedi il caso dell’entità
“A” di Giorgio Di Simone in “Rapporto dalla dimensione X”, ed. Mediterranee
1971). Riguardo l’analisi su immagini di presunta origine anomala, penso
che probabilmente siamo i primi ad aver utilizzato tali metodiche applicate a
fenomenologie di tipo fotografico. Personalmente ho l’onore di rappresentare
“Il Laboratorio di Ricerca di Biopsicocibernetica” di Bologna, in qualità di
Responsabile del Settore Immagini, e questa mansione mi ha dato la possibilità
di venire a conoscenza e di studiare un certo numero di casi fotografici
interessanti; nei quali è stato possibile, anzi direi doveroso, applicare un
protocollo di ricerca a larga banda comprendente anche analisi di tipo
biometrico. Con la biometria abbiamo smascherato alcuni soggetti candidati
come possibili “falsi medium”, ma abbiamo altresì trovato, in un certo numero
di casi, delle immagini identificate con personalità non più viventi. Si
tratta di immagini fraudolente? Non entro, per ovvi motivi (complessità e
spazio), nella disamina di tali eventi spacciati per “fotografie anomale” o
“fotografie spiritiche”, non attribuendo per il momento a questa fenomenologia
nessuna sentenza a favore o a sfavore o significati di tipo spiritico o
religioso, ma semplicemente prendendo in esame il fatto per quello che è nella
sua realtà: una “informazione ottica” composta, cioè, da una immagine e
nient’altro. Le mie osservazioni si limitano a misurazioni effettuate su delle
immagini della quale non sempre è possibile accertarne la reale origine o
genuinità. A titolo di esempio, riporto un caso studiato di recente dal nostro
“Laboratorio” con applicazione di tecnologie biometriche.
Caso Castagnini.
Nel 1992 il figlio della Sig.ra Carla Castagnini di Modena,
Massimo, passa per così dire - a miglior vita – dopo un incidente
stradale. Nel 1993, un anno dopo, in occasione dell’anniversario, gli amici
che suonavano con Lui in un complesso musicale, organizzano una festa per
ricordarlo. In questa occasione la madre effettua alcuni scatti fotografici
riprendendo i compagni di Massimo nelle loro performance. Ad un certo punto la
macchina fotografica automatica si inceppa, il rullino non va più avanti! La
macchina viene successivamente portata in un normale laboratorio fotografico
nella quale si provvede ad estrarre il rullino in camera oscura. Sviluppate le
poche fotografie effettuate quella sera, con grande sorpresa la madre ed
alcuni amici di famiglia, notano come l’ultima fotografia nel negativo,
corrispondente alla copia su carta fotografica, è stranamente affetta da una
serie di strie luminose e mostra al centro un’immagine un po’ sfuocata e
semitrasparente di una sagoma umana (fig. n°2) che viene attribuita
immediatamente a Massimo (figlio defunto di Carla)!
Nel 1999, quando conobbi il caso e la Sig.ra Carla Castagnini
che mi aveva richiesto una consulenza su quella fotografia, effettuai alcune
misurazioni di accertamento sulla stessa di carattere spettrocromatografico e
densitometrico che peraltro non evidenziò nessun tipo di contraffazione
accidentale o voluta, e iniziai un’indagine di tipo antropometrico analizzando
il volto di quella fotografia e comparandola con una reale fotografia di
Massimo ( fig. n°3). A quell’epoca le misurazioni che avevo ricavato
dai rapporti distanziometrici dei due volti a confronto su 12 punti
antropometrici, in modo manuale, mi avevano convinto sulla reale possibilità
che si trattasse dello stesso individuo (fig. n°4). Più tardi, un paio
d’anni dopo, essendo entrato in possesso di una tecnologia molto più
sofisticata (utilizzata anche dalle forze dell’ordine statunitensi), ho
trovato la conferma delle misurazioni che avevo effettuato e soprattutto,
dell’identità delle due immagini riconosciute entrambe appartenenti a Massimo
Castagnini.
Metodologia e risultati ottenuti con tecniche
biometriche di ultima generazione.
Per il caso Castagnini, si è operato con un software di
Face recognition di ultima generazione utilizzato dalle Polizie
Scientifiche di molti paesi ed in molti aeroporti per operazioni di
prevenzione antiterroristica. Il programma patentato MIT ( Matsachuttes
Institute Tecnology) detto FaceIT opera con una complessa metodologia
miscellanea di calcolo matematico su matrici multidimensionali, e sfrutta
l’utilizzo di algoritmi quali i modelli nascosti di Markov (HMM), le reti
neurali (NN) e l’analisi in componenti principali (PCA).
fig. n°2
(fotografia “anomala”).
fig. n°3
(mezzo volto “anomalo” a sinistra e mezzo volto di Massimo a destra).
Analisi statistica su 10 punti e
20 coefficienti con Shape Analysis.
PLS-NASA Tools
program, (C) 2002,
Version: 1.12
Date & time:
27/12/2003 14.08.12
----------------------------------------
Data file: D:\Foto\casta02f.jpg.TPS
There are 2
specimens
Alignment
scaling method = unit centroid size
Alignment
projection method = orthogonal
Reference will
not be aligned to its PCA axes.
GPA iterations:
iter change
1 0.00000000
Consensus
configuration:
1 -0.17633 0.49046
2
0.18475 0.27382
3
0.23289 0.05115
4
0.14262 0.00301
5 0.17873
-0.09930
6 0.08846
-0.09930
7 0.00421
-0.15346
8 0.13661
-0.28585
9
-0.45315 0.01504
10 -0.33881
-0.19558
Eigenvalues for
each principal warp:
i
Lambda
1 7.7357E+001
2 3.6213E+001
3 2.3214E+001
4 8.6082E+000
5 5.4781E+000
6 4.1361E+000
7 2.1007E+000
Uniform
component estimated by sweeping the partial warps
from the
projections of the aligned coordinates into the
tangent space
and then using SVD to extract the non-singular
dimensions.
unifcoeffs
| 1 2
|----------------------
1 |
-0.00582 -0.00322
2 |
0.00113 0.00063
3 |
0.00863 -0.01304
4 |
0.01037 0.04139
5 |
0.01380 -0.02800
6 |
0.01390 0.00770
7 |
0.01584 0.00877
8 |
0.02018 0.01118
9 |
0.01063 -0.02976
10 |
0.01765 -0.02587
11 |
-0.10389 -0.05753
12 |
-0.10511 -0.05821
13 |
-0.19949 -0.11047
14 |
-0.24893 -0.13785
15 |
-0.28826 -0.15963
16 |
-0.31429 -0.17404
17 |
-0.36492 -0.20208
18 |
-0.39112 -0.21659
19 |
-0.41488 -0.22974
20 |
-0.48432 0.87253
Relative
contribution of each landmark:
LM# SS
1 0.00015
2 0.01942
3 0.04522
4 0.00532
5 0.04381
6 0.48257
7 0.35346
8 0.04760
9 0.00157
10 0.00088
Singular values
and percent explained for relative warps:
No. SV % Cum %
1
0.00000 100.00% 100.00%
Data file: D:\Foto\casta01a.jpg.TPS
There are 2
specimens
Alignment
scaling method = unit centroid size
Alignment
projection method = orthogonal
Reference will
not be aligned to its PCA axes.
GPA iterations:
iter change
1 0.00000000
Consensus
configuration:
1 -0.05466 0.44335
2
0.20483 0.25563
3
0.25453 0.01822
4 0.21036
-0.13085
5 0.14410
-0.00939
6 0.08889
-0.10325
7 0.10545
-0.28544
8 -0.08227
-0.13637
9 -0.40801
-0.14189
10
-0.46322 0.08999
Eigenvalues for
each principal warp:
i
Lambda
1 5.4052E+001
2 2.4160E+001
3 1.7982E+001
4 8.2262E+000
5 4.6420E+000
6 4.0687E+000
7 2.5855E+000
Uniform
component estimated by sweeping the partial warps
from the
projections of the aligned coordinates into the
tangent space
and then using SVD to extract the non-singular
dimensions.
unifcoeffs
| 1 2
|----------------------
1 | -0.24423 -0.07760
2 | -0.15085 -0.04793
3 | -0.04218 -0.01340
4 | 0.02350 0.00747
5 | -0.03348 -0.14078
6 | 0.00695 0.00221
7 | 0.08961 0.02847
8 | 0.01608 0.00511
9 | 0.00754 0.00240
10 | -0.09883 -0.03140
11 | 0.29726 0.09445
12 | 0.27149 0.08626
13 | 0.26969 0.08569
14 | 0.27690 0.08798
15 | 0.28234 0.08971
16 | 0.28991 0.09211
17 | 0.29092 0.09243
18 | 0.30935 -0.94287
19 | 0.34546 0.10976
20 |
0.34795 0.11055
Relative
contribution of each landmark:
LM# SS
1 0.00143
2 0.01158
3 0.12503
4 0.26159
5 0.05372
6 0.46651
7 0.00358
8 0.06913
9 0.00167
10 0.00577
Singular values
and percent explained for relative warps:
No. SV % Cum %
1
0.00000 100.00% 100.00%
Note: percent
value matching: 97,2368 %
fi g. n°4
(tabella comparativa dei rapporti distanziometrici su dodici punti fa cciali).
L’algoritmo di estrazione della stringa di dati biometrici
con il PCA, genera un’immagine di “nuvola di punti” detta “Eigenfaces” o
“Eigenspaces” detto anche “spazio dei volti”, che rappresenta una
ricostruzione in bassorilievo delle caratteristiche salienti dell’individuo in
3D (fig. n°6).
fig. n°5
Senza entrare troppo nello
specifico, possiamo dire che il sistema opera con la seguente modalità:
1)
L’algoritmo
Eigenfaces (basato sull’analisi delle componenti principali) serve solo per
surrogare il data-set di immagini contenuto nel data-base al fine di
consentire una rapida ricerca dei volti verosomiglianti. Il risultato sono
delle immagini surrogate che appaiono come una sorta di sovrapposizione fra
varie immagini del data-base (fig. n°6).
2)
L’analisi
comparativa fra una nuova immagine campione e le immagini contenute nel
data-base viene effettuata generando un diagramma di contorno dell’immagine ed
effettuando in modo automatico delle misure di distanza fra n
punti ‘nodali’ circa 80, dei contorni. Queste misure vengono poi
confrontate con le corrispondenti prese sulle immagini surrogate contenute nel
data-base che contiene una serie di matrici multidimensionali di 2000
(attualmente di 3243 volti e nel nostro caso di 2048) differenti
individui, con possibilità di espansione dello stesso, o di creare n
data-base nuovi.
3)
Il software
prevede anche un opzione (reconstruct face) che consente la
ricostruzione delle immagini originali partendo dai dati surrogati attraverso
l’algoritmo eigenfaces.
4)
I grafici
mostrano i valori ritornati da una funzione di cross-correlazione per
stabilire quale delle immagini contenute nel data-base è più verosomigliante
con l’immagine campione. Vengono rappresentati graficamente il gruppo di facce
più somiglianti, dal 1° al 80°. Inoltre, su i primi tre scelti, viene generato
un grafico di cross-correlazione che deve assumere certi valori per superare
statisticamente la soglia dei possibili errori, FAR (False acceptance Rate)
e FRR (False Rejection Rate). Viene generata in aggiunta una pseudo-3D
della matrice di punti dell’immagine vincente con l’indice di scostamento su
base matriciale tra l’immagine candidata e quella campione.
Il sistema ha un grande
pregio e un grande difetto. Il primo è che la precisione nel riconoscimento
sfiora il 98% con possibilità di identificazione anche di persone camuffate
(tipo barba, baffi finti, occhiali scuri, cappelli o passamontagna); il
secondo, è che il sistema essendo per sua natura di tipo probabilistico,
è condizionato comunque a riconoscere sempre qualcuno, fornendo in uscita
sempre i dati dei primi tre volti più somiglianti contenuti nel data-base.
Comunque, da una ricerca effettuata negli Stati Uniti su un database di 5.000
volti, l’errore di falso riconoscimento è risultato inferiore al 5%, quindi
tutto sommato accettabile. Un dispositivo di questo tipo è in dotazione alle
forze di sicurezza inglesi, usato per confrontare con una base di dati, i
soggetti criminali già fotografati, e in qualche caso ha permesso di
raggiungere risultati sorprendenti, peccato che l’alto costo (superiore ai
20.000 USD e fino a 45,000 USD per alcuni particolari sistemi) ne limiti la
distribuzione.
Eigenface
fig. n°6
(volti surrogati con la tecnica descritta nel testo di “Eigenfaces”).
Risultato dell’analisi tra il volto in fig. n°1 e
quello di Massimo Castagnini.
L’immagine di presunta marca paranormale, è stata confrontata
con un data-set di immagini composta da 2048 volti, compreso quello di
Massimo Castagnini inserito nel database.
Il risultato visibile in fig. n°7 mostra la scelta
effettuata dal computer sulle immagini. A sinistra si visualizza l’immagine
oggetto della comparazione (quella di presunta origine anomala), in alto la
localizzazione della stessa (a sinistra), e a destra l’immagine scelta con la
funzione di correlazione fra le pupille. In basso, viene invece mostrata
l’analisi con la funzione complessa di “Eigenfaces”, con i primi tre volti più
somiglianti scelti dai surrogati del database. Il primo, denominato “casta01A”
e appartenente al volto di Massimo, è stato riconosciuto dal sistema come il
più somigliante con l’immagine “anomala”, con un indice di precisione
valutabile intorno al 97,5%.
Il risultato è a mio
avviso di tutto rispetto, tenuto conto del fatto che la presunta immagine
anomala è sicuramente ualitativamente inferiore ad un’immagine ordinaria, e
che quindi, il numero di caratteristiche biometriche occorrenti inferiori alle
aspettative. In fig. n°8, si visualizza il grafico statistico dei primi
80 volti scelti dal database, con al primo posto il volto di Massimo. In
fig. n°9, viene rappresentata la matrice di dati in pseudo-3D
dell’immagine vincente e l’indice di scostamento matriciale con l’immagine
candidata che è risultata essere di Diff. 218.476 . Da studi statistici si
ritiene che sotto la soglia di Differenza Matriciale di 300.000 le possibilità
di una corretta identificazione siano molto alte, diversamente, oltre il
valore di 400.000 siamo in presenza di una probabile Falsa Accettazione del
sistema.
fig. n°7
(analisi dell’impronta facciale con tecnica “Eigenfaces” del M.I.T. Media Laboratory).
trazione di
un gruppo di ca. 80 persone somiglianti, con Massimo C. come il 1°
riconosciuto).
fig. n°9. Matrice di punti in
pseudo-3D dell’immagine vincente scelta dal database delle eigenfaces e
differenza di scostamento con l’immagine candidata.
Conclusioni.
Sul caso Castagnini lascio ai
lettori qualsiasi interpretazione precisando però, che le analisi condotte
sulla fotografia in oggetto, non hanno evidenziato elementi di contraffazione
o manipolazione della stessa, anzi sono emersi dati spettroscopici
interessanti per lo studio di questa fenomenologia.
Le applicazioni di tecnologie
biometriche trovano quindi una nuova collocazione in ambito parapsicologico
come strumento scientifico di studio; sia nei casi di riconoscimento di
pattern su immagini, dei quali il caso esposto rappresenta solo un esempio
(attualmente abbiamo almeno un’altra decina di casi analoghi), sia nei casi di
pattern-recognition su suoni vocalici (analisi dell’impronta vocale e
confronto con più parlatori con metodologie parametriche oggettive),
rappresentando un nuovo e diverso approccio metodologico/scientifico alle
fenomenologie di presunti effetti paranormali, prescindendo
dall’interpretazione degli stessi, che peraltro devono essere sempre
debitamente accertati, ma offrendosi come complemento alle analisi stesse nei
processi di identificazione personale.
P.I.
Daniele Gullà
Responsabile del “Settore Immagini”
de “IL
LABORATORIO”.
www.laboratorio.too.it |
|
|
|
Commento:
Umberto Di Grazia -
il 20/08/2010 16.06.56