La presentazione è in caricamento. Aspetta per favore

La presentazione è in caricamento. Aspetta per favore

FUSIONE DATI NEI SISTEMI PER LIDENTIFICAZIONE PERSONALE MEDIANTE RICONOSCIMENTO DI IMPRONTE DIGITALI Relatori: Prof. Ing. Fabio Roli Ing. Gian Luca Marcialis.

Presentazioni simili


Presentazione sul tema: "FUSIONE DATI NEI SISTEMI PER LIDENTIFICAZIONE PERSONALE MEDIANTE RICONOSCIMENTO DI IMPRONTE DIGITALI Relatori: Prof. Ing. Fabio Roli Ing. Gian Luca Marcialis."— Transcript della presentazione:

1 FUSIONE DATI NEI SISTEMI PER LIDENTIFICAZIONE PERSONALE MEDIANTE RICONOSCIMENTO DI IMPRONTE DIGITALI Relatori: Prof. Ing. Fabio Roli Ing. Gian Luca Marcialis Tesi di Laurea di: Paolo Loddo Università degli Studi di Cagliari Facoltà di Ingegneria Corso di Laurea in Ingegneria Elettronica Anno Accademico

2 SOMMARIO Il nostro sistema di verifica dellidentità Piano sperimentale e risultati ottenuti Conclusioni: bilancio e sviluppi futuri Identificazione personale mediante impronte digitali

3 SISTEMA DI VERIFICA BASATO SU IMPRONTE Lutente dichiara la sua identità e il sistema conferma o smentisce lidentità dichiarata, attraverso il riconoscimento dellimpronta digitale IDENTIFICAZIONE PERSONALE MEDIANTE RICONOSCIMENTO DI IMPRONTE DIGITALI VANTAGGIO Lidentificazione mediante impronte è più sicura dei sistemi tradizionali (password, carta magnetica) perché richiede la presenza fisica della persona che deve essere identificata

4 RAPPRESENTAZIONE DELLE IMPRONTE PER LA VERIFICA DELLIDENTITÀ Basata su MINUTIAE Analisi della struttura locale delle creste: terminazioni biforcazioni Basata sulla TESSITURA Analisi del pattern delle creste

5 SCHEMA DI UN SISTEMA DI VERIFICA ELABORAZIONE IMMAGINE ESTRAZIONE FEATURE REGISTRAZIONE (off-line) DATABASE DEI TEMPLATE ELABORAZIONE IMMAGINE ESTRAZIONE FEATURE MATCHING User ID >SOGLIA AccettatoRespinto SI NO VERIFICA (on-line) SCORE

6 ERRORI DI MATCHING Due tipi di errore al variare della soglia: si accettano utenti non autorizzati (impostori) si respingono utenti autorizzati (genuini) PROBABILITÀ DI ERRORE PER UN SISTEMA DI VERIFICA LIMITI DEI SINGOLI MATCHER Un sistema di verifica basato su un singolo matcher non garantisce ancora una probabilità di errore sufficientemente bassa, a causa della sovrapposizione delle distribuzioni

7 OBIETTIVO Migliorare le prestazioni derrore dei singoli matcher attraverso la loro combinazione IDEA DI BASE Combinare gli score dei matcher in un unico score, attraverso unopportuna trasformazione FUSIONE DI MATCHER PER LA VERIFICA REQUISITI DEI MATCHER Complementarità delle informazioni estratte Bassa correlazione tra gli score

8 SCHEMA DEL NOSTRO SISTEMA DI VERIFICA SCSC TRASFORMAZIONE DEGLI SCORE ALGORITMO MINUTIAE MINUTIAE EXTRACTION ALGORITMO FILTER FINGERCODE EXTRACTION TEMPLATE MINUTIAE SMSM SFSF TEMPLATE FILTER User ID

9 I DUE MATCHER UTILIZZATI Algoritmo MINUTIAE Impronte rappresentate con minutiae. Score: distanza tra i due insiemi di minutiae. Algoritmo FILTER Impronte rappresentate con tessitura. Score: distanza euclidea tra i due FingerCode.

10 METODI TRADIZIONALI DI COMBINAZIONE METODI FISSI Minimo: Massimo: Media: Prodotto:

11 METODI ADDESTRABILI Trasformazione logistica: METODI TRADIZIONALI DI COMBINAZIONE

12 IL PERCEPTRON METODI DI OTTIMIZZAZIONE TRADIZIONALI Massimizzazione della Verosimiglianza (ML) Minimizzazione dellErrore Quadratico Medio (MSE) NUOVO METODO DI OTTIMIZZAZIONE DA NOI PROPOSTO Massimizzazione della separazione delle densità di probabilità degli score dei genuini e degli impostori

13 OSSERVAZIONE Gli errori dei matcher dipendono da quanto le densità di probabilità degli score dei genuini e degli impostori si sovrappongono IDEA DI BASE Per cercare di ridurre gli errori di matching calcoliamo i pesi della trasformazione logistica massimizzando la separazione tra le classi Class Separation Statistic: SEPARAZIONE TRA CLASSI

14 PROBLEMI DI STIMA Pochi esempi per la stima delle distribuzioni con istogrammi normalizzati Complessità computazionale ed errori di approssimazione per la stima con kernel gaussiano SOLUZIONE PARAMETRICA Stima parametrica della separazione tra classi Fisher Distance:

15 PERCEPTRON: MASSIMIZZAZIONE DELLA FD Un nuovo algoritmo per laggiornamento dei pesi

16 IL DATA SET Data set FVC-DB1 (benchmark), formato da immagini di impronte acquisite con un sensore ottico 800 impronte: 100 identità, 8 acquisizioni della stessa impronta per ciascuna identità Caratteristiche delle immagini Dimensione: 300x300 pixel Profondità: 256 livelli di grigio Risoluzione: 500 dpi

17 PIANO SPERIMENTALE Linsieme degli score generati da Minutiae e Filter è stato suddiviso in Training-set e Test-set Genuine Matching Scores, insieme degli score generati da tutti i possibili confronti tra coppie di impronte appartenenti alla stessa identità Impostor Matching Scores, insieme degli score generati da tutti i possibili confronti tra coppie di impronte appartenenti a identità diverse Gli score del Training-set sono stati utilizzati per il calcolo dei pesi nei metodi addestrabili Gli score del Test-set sono stati utilizzati per la verifica delle prestazioni

18 VALUTAZIONE DELLE PRESTAZIONI F.M.R.(soglia) (False Matching Rate), frazione di impostori accettati, al variare della soglia F.N.M.R.(soglia) (False Non Matching Rate), frazione di genuini rifiutati, al variare della soglia R.O.C. (Receiving Operating Curve ) E.E.R. (Equal Error Rate) ZeroFMR, frazione di genuini rifiutati quando nessun impostore è accettato ZeroFNMR, frazione di impostori accettati quando nessun genuino è rifiutato

19 RISULTATI A CONFRONTO

20 CONCLUSIONI SVILUPPI FUTURI Ricerca di funzioni di costo ancora più efficaci Modelli più complessi per laddestramento (MLP) Estendere i campi di applicazione del metodo RISULTATI I metodi di fusione consentono di migliorare le prestazioni dei singoli algoritmi Abbiamo proposto un metodo innovativo introducendo una trasformazione logistica ottimizzata in base alla misura di separazione tra le classi


Scaricare ppt "FUSIONE DATI NEI SISTEMI PER LIDENTIFICAZIONE PERSONALE MEDIANTE RICONOSCIMENTO DI IMPRONTE DIGITALI Relatori: Prof. Ing. Fabio Roli Ing. Gian Luca Marcialis."

Presentazioni simili


Annunci Google