Seleção de features em representações profundas para a íris e a região periocular como modalidades biométricas.
Nenhuma Miniatura disponível
Data
2018
Autores
Título da Revista
ISSN da Revista
Título de Volume
Editor
Resumo
A biometria já é um tema bem consolidado na literatura. Há diversos trabalhos que são
baseados em uma única modalidade biométrica, contudo, sistemas que fazem uso de somente
uma modalidade são suscetíveis a ataques de diversas naturezas e ruídos de todos os tipos,
especialmente em ambientes não cooperativos. Como os ambientes não-cooperativos estão
se tornando cada vez mais comuns, técnicas para contornar esse problema estão ganhando
mais atenção, dentre elas, técnicas multimodais. A forma de como fusionar os dados de
diferentes modalidades ainda é um problema em aberto. Neste trabalho, propõe-se um modelo
unimodal para a íris treinado com uma CNN e o fusionamento bimodal da íris e da região
periocular. Testou-se dois baselines para o fusionamento: fusão a nível de scores com três
regras (soma, multiplicação e mínimo) e fusão a nível de features com concatenação simples.
Propõe-se também uma seleção de características utilizando PSO sobre o fusionamento a nível
de features. Os resultados são reportados usando as imagens da competição NICE.II no cenário
de galeria aberta. Para a íris reportamos 2,21 (com desvio padrão de 0.019) de decidibilidade
e EER de 14,59% (com desvio padrão de 0.22%), enquanto para o fusionamento da íris e
da região periocular, reportamos decidibilidade de 3,43 (com desvio padrão de 0.015) e EER
de 5,72% (com desvio padrão de 0.12%), atingindo resultados estatisticamente superiores aos
estados-da-arte encontrados na literatura.
Descrição
Programa de Pós-Graduação em Ciência da Computação. Departamento de Ciência da Computação, Instituto de Ciências Exatas e Biológicas, Universidade Federal de Ouro Preto.
Palavras-chave
Biometria, Íris - olhos
Citação
SILVA, Pedro Henrique Lopes. Seleção de features em representações profundas para a íris e a região periocular como modalidades biométricas. 2018. 51 f. Dissertação (Mestrado em Ciência da Computação) - Instituto de Ciências Exatas e Biológicas, Universidade Federal de Ouro Preto, Ouro Preto, 2018.