Reconhecimento de Dados Biométricos em Larga Escala

Transcrição

1 Reconhecimento de Dados Biométricos em Larga Escala Profa. Fabíola Gonçalves Pereira Greve DCC - UFBA Departamento de Ciência da Computação Grupo de Algoritmos e Computação Distribuída Equipe Profa. Fabíola Greve - coordenadora Prof. Perfilino Prof. Visitante do DCC, bolsista Fapesb Especialista em Computação Gráfica Jurema Barretto Mestrado em mecatrônica, bolsista da Fapesb Amadeu Barbosa Júnior Graduação computação, estagiário Fapesb desenvolvedor para projeto Murilo Lima Graduação computação, bolsista Pibic Fapesb sobre algoritmos de impressão digital 1 2 Objetivos Desenvolvimento de um protótipo para avaliar a possibilidade de implantação de um sistema automático de identificação de indivíduos em larga escala Com base no uso de tecnologias biométricas de reconhecimento de impressões digitais, que se fundamentem em soluções de código aberto. Motivação Sistemas existentes Hardware dedicado, envolvendo supercomputadores Código proprietário, envolvendo sistema biométrico, sistema operacional e bancos de dados especializados. O uso de hardware e software dedicados e proprietários inviabilizam a busca de impressões numa base de grandes proporções Base de 150 milhões de habitantes 3 4 Nossa Proposta! Uso de tecnologias de códigos abertos Sistema operacional, Base de dados, sistemas biométricos Uso da tecnologia de grades computacionais Viabilizar busca intensiva e em larga escala em substituição ao uso de supercomputadores e bancos de dados especializados. Grades: Poder Computacional Aplicações que demorariam anos se fossem processadas numa única máquina são processadas em questão de dias Ajudando o companheiro ao lado! ;-) 5 6 1

2 Grades de Computadores Evolução Grades: Oferta de Serviços Rede de oferta de serviços computacionais sob demanda ciclos, armazenamento, software, hardware, etc. Interesse forte da indústria Tecnologia estratégica Para compartilhamento e uso de recursos intra e inter organizações Governança Eletrônica (e-gov) 7 8 Grades de Computadores Caracterização Entidade virtual única Clientes endereçam de forma transparente Acesso a serviços e recursos software, memória, cpu, periféricos e dados Que são heterogêneos, em grande quantidade, de baixo custo De maneira abrangente, democrática, aleatória, autônoma 4 Grandes Metas 1. Domínio da tecnologia de cluster de computadores e grades computacionais 2. Estudo de técnicas e algoritmos para reconhecimento de impressão digital 3. Projeto e implementação de sistema biométrico 4. Análise da viabilidade do uso do sistema em larga escala 9 10 Meta 1: domínio cluster e grids Meta 1: domínio cluster e grids Estudo de tecnologias de gestão de clusters e avaliação de sistemas de arquivos distribuídos de código aberto o Publicação de artigo no WSO (workshop de sistemas operacioanis) em conjunto com congresso da SBC (Sociedade Brasileira de Computação), julho. Implantação de cluster de computadores no DCC da UFBA 5 máquinas em NOW (rede alto desempenho) Estudo de tecnologia de grids Avaliação e escolha de midleware a ser adotado OurGrid UFCG, projeto com HP Brasil Globus Sistema mais antigo e mais utilizado LNCC, projeto da RNP (Rede Nacional de Pesquisa) G-Lite EELA (E-Infrastructure shared between Europe and Latin America) Contribui para sustentabilidade de projetos de e-science através de redes dedicadas para grid Melhor para manipulação de dados Incorporação do DCC à grade do OurGrid e ao EELA (em curso)

3 Estágios do AFIS Estudo do sistema AFIS Automated Fingerprint Identification System Tecnologia altamente difundida Escolha do padrão ANSI/NIST Cooperação entre o American National Standards Institute (ANSI), National Institute of Standards and Technology (NIST) através do ITL (Information Technology Laboratory) e o FBI Escolha do pacote NFIS NIST Fingerprint Image Software Distribuição gratuita e utilizado pelo FBI 13 Estrutura Genérica de um AFIS Estágios do AFIS Manual (scanner) Sensores Classificação Minúcias Estrutural Estatístico Sintático Matemático Redes Neurais Híbrido Versão Reduzida da ID Utilizado para fazer a comparação Através do template PCASYS (Classificador) Separa as impressões digitais em classes para tornar mais ágil o processo de comparação A partir dos aspectos gerais dos sulcos da impressão Classes arco loop à esquerda (presilha interna) loop à direita (presilha externa) cicatriz verticilo 16 MINDTCT (Extração de Minúcias) As minúcias estabelecem a topologia da impressão digital Normalmente, existem em torno de 100 minúcias nos dez dedos Determinam a unicidade de uma digital Pacote responsável pela detecção das minúcias Com base na análise de Final de Linha e Bifurcação Atribui para cada ponto da minúcia sua localização, orientação, tipo e qualidade. BOZORTH3 (Verificador) Comparação das minúcias Comparação da estrutura das cristas orientação, número, formato Comparação de detalhes complexos de uma única crista Alto consumo de tempo Pacote usa apenas a localização (x,y) e orientação (theta) das minúcias detectadas na impressão digital Projetado para ter rotação e translação invariáveis Efetua comparação 1 1 e 1 N Ao final estabele pontuação, que representa de forma imprecisa o número de minúcias em comum

4 Meta 3: sistema biométrico Desenvolvimento de protótipo de reconhecimento de impressão digital com base no uso dos pacotes do NFIS Modelagem em base local Pesquisa em algoritmos e técnicas de reconhecimento de impressão digital Testes de algoritmos e desenvolvimento de soluções específicas para etapa de «classificação» Projeto de IC (em fase de testes) Protótipo de sistema biométrico Código aberto Sistema Linux Banco de dados PostgreSQL Tecnologia AFIS Pacotes NFIS Hardware Heterogêneo Desktops Apresentação do protótipo no Seminário Próximos Passos Meta 3: sistema biométrico Estender protótipo em rede local para uso em clusters e grids Modelagem lógica da arquitetura a ser utilizada já definida Implementação propriamente dita Integração de dispositivos móveis para uso do sistema Meta 4: análise de viabilidade Teste e validação da solução sobre a grade Medição de impacto da busca em larga escala Facilidades e Dificuldades Facilidades Apoio da Fapesb Dificuldades Grupo dedicou mais tempo do que o esperado no estudo de tecnologias biométricas AFIS, NIST, NFIS Dificuldade de acesso a bases de imagens reais de grandes proporções Possibilidade de uso do recurso da simulação Impactos Esperados Contribuir para a obtenção de uma solução mais abrangente, flexível e de menor custo para o reconhecimento ágil, seguro e em larga escala de indivíduos A arquitetura proposta poderá ser facilmente adaptada para buscas de outros dados biométricos, tais como o reconhecimento de face, íris e voz Avanço no estado-da-arte nas áreas de computação em grade e reconhecimento de impressões digitais Contribuição para o sistema de reconhecimento de impressão digital atualmente em implantação na SSP/BA Obrigada!!! Profa. Fabíola Greve fabiola@dcc.ufba.br fabiola Grupo Gaudi

5 Impressões Digitais Características Locais Pontos característicos, minúcias ou detalhes de Galton Determinam a unicidade de uma digital Utilizados nos AFIS: bifurcações e cristas finais Problema de Comparação Duas digitais são de um mesmo dedo? Comparação da estrutura das cristas orientação, número, formato Comparação de detalhes complexos de uma única crista minúcias específicas, poroscopia Comparação de minúcias Regra dos 12 pontos Alto consumo de tempo