Desenvolvimento de um sistema de identificação e autenticação biométrica

...

Os sistemas biométricos baseado no reconhecimento da íris humana podem ser considerados os mais seguros, devidos a suas propriedades. Essa técnica é considerada simples, mas muito eficiente. Os sistemas desenvolvidos a partir dessa técnica podem possibilitar uma identificação com um grande índice de precisão, mesmo com numero muito limitado de recursos computacionais. Por isso que atualmente, são inúmeras as pesquisas que utilizam dela como característica biométrica.

A figura a seguir ilustra a imagem de uma íris do olho humano.

[pic 1]

Figura 3.1.1 – imagem ilustrando uma íris do olho humano.

Os sistemas que realizam esse tipo de reconhecimento, necessitam de um mecanismo de aquisição de imagens. Normalmente, é utilizado um scanner, onde é preciso estar próximo ao olho. Além disso, o equipamento deve ser muito preciso, para gerar imagens de boa qualidade e fornecer as informações necessárias para a identificação.

Um dos problemas principais para o reconhecimento é a utilização do scanner, pois a muitas das pessoas se sentem desconfortáveis em utiliza-lo.

Após a aquisição da íris, é aplicado um método de reconhecimento, onde é extraído as principais informações que a caracterizam. Assim, são gerado identificadores, utilizados para diferencias as pessoas. Para conseguir chegar ao resultado adequado, é necessário adquirir a imagem com o menor número de ruídos, já que podem influenciar na identificação.Muitos métodos podem ser utilizados,mas, o que oferece uma melhor generalização, e uma melhor identificação é a transformada wavelet de Gabor.

- IMPRESSÃO DIGITAL

A impressão digital é uma das biometrias mais populares e antigas. Por apresentar características únicas em cada indivíduo, e por serem imutáveis durante toda a vida dessa pessoa, é utilizada para a identificação de seres humanos. A impressão digital é constituída de uma série de traços e sulcos na região extremas dos dedos. Esses traços formam as características inimitáveis presente na digital. Para o desenvolvimento de um sistema de reconhecimento de impressão digital.

[pic 2]

Figura 3.2.1 – imagem ilustrando uma impressão digital.

- GEOMETRIA DA MÃO, DEDOS E PALMA DA MÃO

As técnicas de reconhecimento a partir da geometria da mão, dedos e da palma da mão são implementadas com base nas informações geométricas dessas características.

A principal desvantagem dessa técnica está na sua baixa discriminação, ou seja, não possui um bom nível de precisão comparado a outros sistemas. Além disso há um problema físico, pois esse sistemas geralmente ocupa um espaço maior que os demais sistemas de biometria. E por fim, há uma alta sustentabilidade a falhas.

[pic 3]

Figura 3.3.1 – imagem ilustrando uma palma da mão.

- PLANO DE DESENVOLVIMENTO DA APLICAÇÃO

Foi utilizado a ferramenta MATLAB para o desenvolvimento dos códigos, que resultou em um reconhecedor biométrico, também, utilizamos o banco de imagens “The Database of Faces”, da AT&T Laboratories Cambridge onde contem imagens de faces de 40 pessoas, e onde cada uma foi fotografada 10 vezes em ângulos diferentes. Cada imagem do banco, apresenta 256 níveis de cinza por pixel e possuem 92x112 pixels.

No nosso trabalho, o objetivo é desenvolver um algoritmo que identifique com confiabilidade, com a imagem de entrada, pessoas cadastradas no banco de dados.

Iremos dividir em duas funções, onde a primeira cria um conjunto de parâmetros que definem matematicamente as imagens do banco, e a segunda recebe uma imagem qualquer( não pertencente ao banco de dados) e analisa a proximidade desta com as do banco através de parâmetros matemáticos.

O método escolhido para a extração de características foi o LDA(Análise Discriminante Linear), pois ele oferece um bom poder discriminatório e apresenta um bom desempenho em termos de tempo de execução. A seguir iremos mostrar os passos que foram usados para desenvolver um extrator de características baseado em LDA a partir de um banco de imagens.

A análise discriminante linear (Linear Discriminant Analysis ou LDA) é um método estatístico que visa reduzir a dimensionalidade do espaço enquanto preserva o máximo possível de informação discriminatória. Cada componente facial possui certo poder discriminatório que permite que sejam inferidas características como idade, etnia e sexo, e que possibilita, também, que uma pessoa seja distinguida de outra.

Depois que todas as variáveis forem calculadas e as imagens projetadas no subespaço dos autovetores, são salvos em um arquivo a matriz de projeção, as matrizes T e A, e os escalares W, H, N. Com isso, não é mais necessário as imagens do banco de dados no processo de reconhecimento. Mas, cada vez que forem adicionados novos indivíduos ao banco, é necessário gerar o banco novamente, para computar as matrizes.

Para criar o algoritmo de LDA, foi implementado assim:

A seria o número total de imagens a serem analisadas e B o número de indivíduos. Primeiro, normalizamos as A imagens para que tenham a mesma largura e altura. Depois, transformamos as imagens em um vetor coluna de dimensões (largura*altura)x1.

Calculamos a média de todas as imagens e as médias das classes(cada classe é uma pessoa).

Criamos uma matriz de ordem altura*largura x A, e outra com ordem altura*largura x B , e salvamos todas as características de todas as imagens no nosso banco de dados.

Para o reconhecimento, foi utilizada uma métrica baseada na distancia euclidiana. Primeiro, normaliza a imagem teste para que tenha as mesmas dimensões das imagens que foram usadas paras criar o subespaço. Depois transforma-se a imagem teste em um vetor coluna, subtrai o vetor A e então projeta a mesma no subespaço T. Calcula a norma da diferença entre a projeção da imagem teste e a cada projeção salva no banco de dados. A projeção que originou a menor norma é mais próxima da imagem teste, mas isso não quer dizer que são a mesma pessoa, daí tem a necessidade de estabelecer um critério de aceitação. O critério adotado no nosso trabalho baseia-se em analisar a razão