SEMINÁRIO IMPRESSÃO PALMAR PEDRO MURILO DA SILVA PEREIRA Professor Profº. Drº. David Menotti 30/11/2016
AGENDA DA APRESENTAÇÃO Introdução; Bases de dados disponíveis; Pré processamento das imagens; Extração de características Algoritmos de reconhecimento; 2
INTRODUÇÃO Impressão digital da mão; Linhas princiais: Formada entre o 3º e o 5º mês de gestação (dependência genética); [1] Rugas: Aparecem depois do nascimento Linhas principais Rugas (sem dependência genética); [2] Geometria da mão. 3
INTRODUÇÃO 4
INTRODUÇÃO Sistemas biométricos Identimat (Robert Miller 1960) [3]; Evolução tecnológica na área da computação; Sensores de alta resolução: Utilizados em aplicações forense [3]; Sensores de baixa resolução: Utilizados em aplicações civis; 5
INTRODUÇÃO PROJETO DO SISTEMA BIOMÉTRICO Base de dados Extração da impressão palmar Pré- Processamento Extração de características Classificação Resultados Etapas de um sistema de reconhecimento. [4] 6
INTRODUÇÃO PROJETO DO SISTEMA BIOMÉTRICO Custo Velocidade Aceitação Precisão Segurança Requisitos de um sistema biométrico [4] 7
BASES DE DADOS CASIA Multi-Spectral Palmprint Amostras coletadas de 100 pessoas; Sensor de imagem CCD (Alta resolução); Mão posicionada livremente; Multiplos comprimentos de onda (460nm, 630nm, 700nm, 850nm, 940nm e Luz visível). Link: Base de dados CASIA Multi-Spectral 8
CASIA Multi-Spectral Palmprint BASES DE DADOS 9
BASES DE DADOS PolyU Palmprint Amostras coletadas de 250 pessoas (195 homens e 55 mulheres); Sensor de imagem CCD (Alta resolução); Possui pinos de fixação; Comprimentos de onda da luz visível; Link: Base de dados PolyU 10
BASES DE DADOS PolyU Palmprint 11
BASES DE DADOS CASIA Palmprint Amostras coletadas de 313 pessoas; Camera CMOS(Baixa resolução); Mão posicionada livremente; Comprimentos de onda da luz visível; Link: Base de dados CASIA 12
CASIA Multi-Spectral Palmprint BASES DE DADOS 13
BASES DE DADOS IIT Delhi palmprint Amostras coletadas de 235 pessoas; Camera digital de 10Mpixels (Baixa resolução); Mão posicionada livremente; Comprimentos de onda da luz visível; Link: Base de dados IIT 14
BASES DE DADOS IIT Delhi palmprint 15
PRÉ-PROCESSAMENTO 1. Tratamento da imagem; 2. Binarização da imagem; 3. Extração do contorno da mão; 4. Detecção de pontos de referência; 5. Estabelecer um sistema de coordenadas; 6. Extração da Região de interesse (ROI); 16
PRÉ-PROCESSAMENTO Etapas comuns em todos sistemas biométricos baseados na impressão palmar Tratamento da imagem; Binarização da imagem; Extração do contorno da mão. 17
PRÉ-PROCESSAMENTO Detecção de pontos de referência / Estabelecer um sistema de coordenadas; Método baseado na tangente [5] Reta tangente que passa entre 2 pontos Y = mx + c Condição de satistação F i Y j mf i X j + c 18
PRÉ-PROCESSAMENTO Detecção de pontos de referência / Estabelecer um sistema de coordenadas; Método baseado na reta bissetriz [6, 7] 19
PRÉ-PROCESSAMENTO Detecção de pontos de referência / Estabelecer um sistema de coordenadas; Método baseado na transforma de wavelet [8, 9] Variação do ângulo para o contorno da mão para todo Xi e Yi Tranformada de Wavelet para a função de variação do ângulo 20
PRÉ-PROCESSAMENTO Detecção de pontos de referência / Estabelecer um sistema de coordenadas; Método baseado no ponto entre os dedos [10, 11] 21
PRÉ-PROCESSAMENTO Extração da ROI Muitos sistemas adoram a ROI na forma quadrada; ROI Circular [12, 13] 22
PRÉ-PROCESSAMENTO Extração da ROI ROI quadrada ROI Circular 23
PRÉ-PROCESSAMENTO Tratamento da imagem Binarização / Extração do contorno Pontos de referência / Sistema de coordenadas Extração da ROI 24
Tipos de primitivas: EXTRAÇÃO DE CARACTERÍSTICAS Globais: Extraidas com base em toda a imagem Locais: Extraidas com base em sub-imagens com o intuido de aumentar a quantidade de informação extraida. 25
EXTRAÇÃO DE CARACTERÍSTICAS Filtro de borda para detecção das linhas da palma da mão [5, 16, 8, 17, 12, 19] : Abordagens utilizadas: Canny, zero-crossing, sobel,... Matching: Método que atribui um grau de semelhança entre amostras (Score) [5, 16, 8] 26
EXTRAÇÃO DE CARACTERÍSTICAS Filtro de borda para detecção das linhas da palma da mão [5, 16, 8, 17, 12, 19] : Abordagens utilizadas: Canny, zero-crossing, sobel,... Matching: Uso de técnicas de aprendizado de maquina (SVM, redes neurais) [17, 12, 19] 27
Filtro de Gabor [20, 21]: EXTRAÇÃO DE CARACTERÍSTICAS 28
EXTRAÇÃO DE CARACTERÍSTICAS Tranformada de Wavelet [20, 22]: 29
EXTRAÇÃO DE CARACTERÍSTICAS Transformada de Fourrier [7, 23]: 30
EXTRAÇÃO DE CARACTERÍSTICAS Descritor de textura LBP (Local Binary Patterns) [24]: 31
EXTRAÇÃO DE CARACTERÍSTICAS Descritor de textura LPQ (Local Phase Quantization) [24]: 32
EXTRAÇÃO DE CARACTERÍSTICAS Descritor de textura HOG [11]: 33
EXTRAÇÃO DE CARACTERÍSTICAS Fusão de características: Fusão de primitivas [20] Transformada Gabor Wavelet Objetivo: Aumentar a precisão do sistema 34
EXTRAÇÃO DE CARACTERÍSTICAS Fusão de características: Combinação de características [24] Objetivo: Aumentar a precisão do sistema 35
RECONHECIMENTO Tipos de algoritmos: Verificação: Processo de comparação de um-para-um Identificação: Processo de comparação de um-para-n Base de dados Extração da impressão palmar Pré- Processamento Extração de características Classificação Resultados 36
RECONHECIMENTO Algoritmos de classificação: Distância Euclidiana; Distância de Hamming; SVM; Redes neurais. 37
RECONHECIMENTO Métricas de desempenho Sistemas de verificação 38
RECONHECIMENTO Métricas de desempenho Sistemas de identificação 39
PERGUNTAS 40
REFERÊNCIAS 1. M. Cannon, M. Byrne, D. Cotter, P. Sham, C. Larkin, E. O Callaghan, Further evidence for anomalies in the hand-prints of patients with schizophrenia: a study of secondary creases, Schizophrenia Research, vol. 13, pp. 179-184, 1994. 2. A. Kong, D. Zhang and G. Lu, A study of identical twins palmprint for personal verification, Pattern Recognition, vol. 39, no. 11, pp. 2149-2156, 2006. 3. JAIN, A.; FLYNN, P.; ROSS, A. A. Handbook of Biometrics. Secaucus, NJ, USA: Springer-Verlag New York, Inc., 2007. ISBN 038771040X. 4. NEC Automated Palmprint Identification System http://www.necmalaysia.com.my/solutions/pid/products/ppi.html 5. W.K. Kong and D. Zhang, Palmprint texture analysis based on low-resolution images for personal authentication, in Proceedings of 16th International Conference on Pattern Recognition, vol. 3, pp. 807-810, 2002. 6. D. Zhang, W.K. Kong, J. You and M. Wong, On-line palmprint identification, IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 25, no. 9, pp. 1041-1050, 2003. 7. W. Li, D. Zhang, Z. Xu, Palmprint identification by Fourier transform, International Journal of Pattern Recognition and Artificial Intelligence, vol. 16, no. 4, pp. 417-432, 2002. 8. X. Wu, K. Wang and D. Zhang, HMMs based palmprint identification, Lecture Notes in Computer Science, Springer, vol. 3072, pp. 775-781, 2004. 41
REFERÊNCIAS 9. C.C. Han, A hand-based personal authentication using a coarse-to-fine strategy, Image and Vision Computing, vol. 22, no. 11, pp. 909-918, 2004. 10.C.C. Han, H.L. Cheng, C.L. Lin and K.C. Fan, Personal authentication using palm-print features, Pattern Recognition, vol. 36, no. 2, pp. 371-381, 2003. 11. Pereira. P. M. S; Seixas. M. B, Sistema de verificação biométrica baseado naimpressão palmar, 2015 12.KHAN, Z.; MIAN, A.; HU, Y. Contour code: Robust and efficient multispectral palmprint encoding for human recognition. In: Computer Vision (ICCV), 2011 IEEE International Conference on. [S.l.: s.n.], 2011. p. 1935 1942. ISSN 1550-5499. 13.A. Kumar and D. Zhang, Integrating shape and texture for hand verification, in Proceedings of Third International Conference on Image and Graphics, pp. 222-225, 2004. 14.C. Poon, D.C.M. Wong and H.C. Shen, A new method in locating and segmenting palmprint into region-of-interest, in Proceedings of the 17th International Conference on Pattern Recognition, vol. 4, pp. 533-536, 2004 15.X. Wu, K. Wang and D. Zhang, Fuzzy direction element energy feature (FDEEF) based palmprint identification, in Proceedings of International Conference on Pattern Recognition, vol. 1, pp. 95-98, 2002. 16.X. Wu, K. Wang and D. Zhang, Line feature extraction and matching in palmprint, in Proceeding of the Second International Conference on Image and Graphics, pp. 583-590, 2002 42
REFERÊNCIAS 17.S.Y. Kung, S.H. Lin and M. Fang, A neural network approach to face/palm recognition in Proceedings of IEEE Workshop Neural Networks for Signal Processing, pp. 323-332, 1995 18.P.A Recobos Rodrigues and J.D. Landa Silva, Biometric identification by dermatoglyphics, in Proceedings of International Conference on Image Processing, vol. 1, pp. 319-322, 1996. 19.M. Rafael Diaz, C.M. Travieso, J.B. Alonso and M.A. Ferrer, Biometric system based in the feature of hand palm, in Proceedings of 38th Annual International Carnahan Conference on Security Technology, pp. 136-139, 2004. 20.C. Poon, D.C.M. Wong and H.C. Shen, Personal identification and verification: fusion of palmprint representations, in Proceedings of International Conference on Biometric Authentication, pp. 782-788, 2004. 21.A. Kumar and H.C. Shen, Palmprint identification using PalmCodes, in Proceedings of 3rd International Conference on Image and Graphics, pp. 258-261, 2004. 22.X. Wu, K. Wang and D. Zhang, Wavelet based palmprint recognition, in Proceeding ofnthe First International Conference on Machine Learning and Cybernetics, vol. 3, pp. 1253-1257, 2002. 23. M. Ekinci and M. Aykut, Palmprint recognition by applying wavelet subband representation and kernel PCA, LNAI, pp. 628-642, 2007. 24.CANESTRARO, A. Sistema biométrico multimodal para verificação da identidade baseado na geometria da mão, na impressão palmar e nas veias da palma da mão. XXIV Congresso Brasileiro de Engenharia Biomédica, v. 1, p. 2556 2559, 2015. 43