Esempio di riconoscimento biometrico Riconoscimento del palmo della mano Estratto della presentazione di tesi di laurea triennale di David Palma

Sistema di riconoscimento Il sistema di riconoscimento biometrico proposto consta di quattro macro fasi IDENTITÀ DICHIARATA ACQUISIZIONE PREPROCESSING FEATURE EXTRACTION MATCHING 1-TO-1 UTENTE IDENTITÀ CONFERMATA / NON CONFERMATA SISTEMA DI RICONOSCIMENTO

Acquisizione Può avvenire tramite una qualsiasi fotocamera digitale (anche con bassa risoluzione), webcam o scanner A scopo di test verranno utilizzate delle immagini del database che mi ha gentilmente concesso il CASIA (Chinese Academy of Sciences Institute of Automation) Il database consta di 5502 immagini, con risoluzione 640x480 pixels @ 96 dpi acquisite con un comune sensore CMOS ACQUISIZIONE

Preprocessing Fase necessaria per estrarre la ROI (Region Of Interest) sulla quale effettuare il riconoscimento Tale fase è la più importante per effettuare un riconoscimento biometrico corretto Inoltre è la parte più impegnativa dal punto di vista della complessità computazionale in quanto consta di diverse sotto-fasi PREPROCESSING

Preprocessing OPERAZIONI PRELIMINARI Conversione in scala di grigi Riduzione del rumore con filtraggio convolutivo non lineare PREPROCESSING

Sogliatura locale adattiva Preprocessing BINARIZZAZIONE Calcolo del valore di soglia di binarizzazione col metodo di Otsu Sogliatura locale adattiva Soglia globale Soglia adattiva PREPROCESSING

Preprocessing = * ESTRAZIONE DEI CONTORNI (Canny Edge Detector) Convoluzione con filtro derivativo gaussiano Il bordo di una figura corrisponde ad una rapida variazione del tono di grigio nell’immagine L'operatore di Canny consta di un algoritmo di calcolo multi-stadio per l'individuazione dei bordi delle figure presenti in un'immagine rappresentata tramite una scala di grigi IDEALE RUMORE ADDITIVO = * PREPROCESSING

Preprocessing ESTRAZIONE DELLA ROI (Region Of Interest) Estrazione della regione di interesse Individuazione dei punti critici Gestione della rotazione e della scala PREPROCESSING

FEATURE EXTRACTION L'operazione di estrazione delle features è il processo di trasformazione dei dati in ingresso in un feature vector Per effettuare tale estrazione ho utilizzato la funzione di trasferimento Sigmoidea equazione differenziale del primo ordine non lineare soluzione dell’equazione differenziale FEATURE EXTRACTION

Matching Per il confronto delle caratteristiche è stato scelto di analizzare il grado di correlazione (cioè di dipendenza lineare) tra i due feature vector L'indice di correlazione campionaria misura il legame lineare tra le due variabili numeriche X e Y −1≤ 𝑟 𝑥,𝑦 ≤1 𝑟 𝑥,𝑦 =0 indica assenza di legame lineare tra i punti 𝑥 𝑖 , 𝑦 𝑖 𝑟 𝑥,𝑦 =+1 indica che i punti 𝑥 𝑖 , 𝑦 𝑖 sono allineati lungo una retta di pendenza positiva 𝑟 𝑥,𝑦 =−1 indica che i punti 𝑥 𝑖 , 𝑦 𝑖 sono allineati lungo una retta di pendenza negativa CARATTERISTICHE ESTRATTE DA IMMAGINI DELLO STESSO SOGGETTO CARATTERISTICHE ESTRATTE DA IMMAGINI DI SOGGETTI DIVERSI MATCHING