Apresentação Projeto Final - Jânio Anselmo

Introdução
Definição do Problema
Objetivos
Justificativa
Fundamentação Teórica
Etapas do Desenvolvimento
Resultados
Conclusões
Identificação de Impressões Digitais

Trabalho de Conclusão de Curso
Jânio Anselmo
Instituto Federal de Santa Catarina – IFSC

Campus São José
janio.anselmo@ifsc.edu.br
16 de dezembro de 2011
Aluno: Jânio Anselmo Trabalho de Conclusão de Curso

Introdução
Objetivos
Justificativa
Resultados
Conclusões
Sumário
1 Introdução
2 Definição do Problema
3 Objetivos
4 Justificativa
5 Fundamentação Teórica
6 Etapas do Desenvolvimento
7 Resultados
8 Conclusões

Introdução
Objetivos
Justificativa
Resultados
Conclusões
Introdução
Faz-se necessário associar cada indivı́duo a uma caracterı́stica que

o identifique unicamente perante os demais.

Introdução
Objetivos
Justificativa
Resultados
Conclusões
Introdução
Faz-se necessário associar cada indivı́duo a uma caracterı́stica que

o identifique unicamente perante os demais.
Biometria
Uso de caracterı́sticas biológicas e/ou comportamentais para a
identificação e autenticação de indivı́duos.

Introdução
Objetivos
Justificativa
Resultados
Conclusões
Aplicações biométricas
Caracterı́sticas fisiológicas:
Impressões digitais e geometria palmar;
Reconhecimento de face e identificação da ı́ris.

Introdução
Objetivos
Justificativa
Resultados
Conclusões
Aplicações biométricas
Caracterı́sticas fisiológicas:
Impressões digitais e geometria palmar;
Reconhecimento de face e identificação da ı́ris.
Caracterı́sticas de procedimento:
Reconhecimento de voz e assinatura;
Reconhecimento dinâmico da digitação.

Introdução
Objetivos
Justificativa
Resultados
Conclusões
O que é Impressão Digital?
É o desenho formado pelas elevações da pele, presentes nas polpas

dos dedos.
Figura: Impressão Digital

Introdução
Objetivos
Justificativa
Resultados
Conclusões
Classificação
A classificação baseada na relação entre as posições dos pontos
singulares:
∩ ∪ - Core
∆ - Delta

Introdução
Objetivos
Justificativa
Resultados
Conclusões
Padrão Arco
É caracterizado pela ausência de pontos singulares
Figura: Padrão Arco

Introdução
Objetivos
Justificativa
Resultados
Conclusões
Padrão Presilha
Caracteriza-se por conter um ponto de core e/ou um ponto de
delta
Figura: Padrão Presilha - Interna

Introdução
Objetivos
Justificativa
Resultados
Conclusões
Padrão Verticilo
Possui linhas entrando em um lado do dedo, espiralando
interiormente e terminando no centro.
Figura: Padrão Verticilo

Introdução
Objetivos
Justificativa
Resultados
Conclusões
Identificação
Encontrar no banco de dados uma impressão digital

correspondente à impressão de entrada.
Dá-se através de mapas direcionais, via decomposição
wavelet, conforme [1];
Dá-se através de minúcias, através da extração de minúcias,
conforme [3];
Para ambos os algoritmos é permitido uma tolerância entre as
imagens identificadas.

Introdução
Objetivos
Justificativa
Resultados
Conclusões
Minúcias
Minúcias: Tem a finalidade de estabelecer a unicidade das
impressões digitais.

Introdução
Objetivos
Justificativa
Resultados
Conclusões
Minúcias
Minúcias: Tem a finalidade de estabelecer a unicidade das
impressões digitais.
(a) Bifurcação (b) Terminação (c) Crista Curta
Figura: Exemplo de minúcias

Introdução
Objetivos
Justificativa
Resultados
Conclusões
Mapas Direcionais
Mapas Direcionais: Representar as cristas da impressão digital sem
a presença de ruı́dos.

Introdução
Objetivos
Justificativa
Resultados
Conclusões
Mapas Direcionais
Mapas Direcionais: Representar as cristas da impressão digital sem
a presença de ruı́dos.
(a) 4o. nı́vel (b) 5o. nı́vel
Figura: Mapas Direcionais

Introdução
Objetivos
Justificativa
Resultados
Conclusões
O algoritmo referência [1], apresenta um banco de impressões

digitais pré-definidas, sem interação de usuários.
O algoritmo referência [3], não apresenta banco de impressões
digitais e etapa de identificação das impressões digitais.
Como processo de classificação apresentado em [1] é eficaz, as
melhorias serão presentes na identificação das impressões
digitais.

Introdução
Objetivos
Justificativa
Resultados
Conclusões
Objetivos
Primeiramente realizar-se-á a coleta e armazenamento das

impressões digitais em tempo real, para ambos algoritmos
através de um leitor biométrico.
No algoritmo [3] buscar-se-á aplicar a etapa de identificação
das impressões digitais, ou seja, realizar o matching
(casamento) das minúcias.
Após as devidas melhorias, realizar-se-à o confronto dos
algoritmos expostos por [1] e [3] na intenção de localizar a
melhor aplicação acadêmica/comercial.

Introdução
Objetivos
Justificativa
Resultados
Conclusões
Justificativa
Uso da biometria tem ganhado relevância, sendo assim, há um

nicho de mercado a ser explorado.
Contribuir com os algoritmos apresentados e trazê-los para
um cenário próximo dos parâmetros comerciais/acadêmicos,

Introdução
Objetivos
Justificativa
Resultados
Conclusões
Transformada de Fourier x Transformada Wavelet
Porque não usar a Transformada de Fourier?

Introdução
Objetivos
Justificativa
Resultados
Conclusões
Transformada de Fourier x Transformada Wavelet
Porque não usar a Transformada de Fourier?

Fornece o conteúdo em frequência de um sinal sem fornecer
informações sobre o instante de tempo em que cada componente
de frequência ocorreu.
Princı́pio da Incerteza de Heisenberg.

Introdução
Objetivos
Justificativa
Resultados
Conclusões
Transformada Wavelet
As wavelets são um tipo de função matemática usadas para

representar um sinal no domı́nio do tempo e frequencia.
Permitem resolver o dilema da resolução mencionado
anteriormente.
Wavelets são funções de energia finita, ou seja, elas decaem
para zero em ±∞, uma representação matemática de uma
famı́lia wavelets segue abaixo

1 t −b
ψ(a,b) (t) = p ψ , a ∈ ℜ∗ , b ∈ ℜ
|a| a

Introdução
Objetivos
Justificativa
Resultados
Conclusões
Tipos de Transformada Wavelet
Transformada Contı́nua
∞
t −b
Z
1
CWT (b, a) = √ f (t)ψ ∗ dt
a −∞ a
Transformada Discreta
∞
t − kb0 a0 −j
Z
1
DWT (j, k) = p f (t)ψ dt
a0 −j −∞ a0 −j

Introdução
Objetivos
Justificativa
Resultados
Conclusões
Wavelet de Haar
A wavelet de Haar é matematicamente definida como:
 1
1, para x ∈ 0, 2

ψ(x) = −1, para x ∈ 21 , 1

0, caso contrário

Figura: A Wavelet de Haar

Introdução
Objetivos
Justificativa
Resultados
Conclusões
Decomposição Wavelet em Processamento de Imagens

Define-se uma transformada wavelet bidimensional obtida através
de filtragem em linhas e colunas, correspondendo à orientação
horizontal e vertical.
Figura: Processo de Decomposição

Introdução
Objetivos
Justificativa
Resultados
Conclusões
Resoluções e Orientações de Decomposição
Sub-imagens correspondentes a diferentes nı́veis de resolução e

orientação
Figura: Resoluções e Orientações

Introdução
Objetivos
Justificativa
Resultados
Conclusões
Resoluções e Orientações de Decomposição
Figura: Resoluções e Orientações

Introdução
Objetivos
Justificativa
Resultados
Conclusões
Exemplo de Decomposição
Figura: Imagem de Entrada - Lena

Introdução
Objetivos
Justificativa
Resultados
Conclusões
Exemplo de Decomposição
Figura: 1a. e 2a. nı́vel de decomposição

Introdução
Objetivos
Justificativa
Resultados
Conclusões
Leitor Biométrico
® ®
Para aquisição de captura de imagens fabricante
digitalPersona , modelo U.are.U 4000B
Captura da imagem através da leitura óptica, codifica os
dados da imagem antes de enviar para porta USB
Figura: Leitor Biométrico - digitalPersona ®

Introdução
Objetivos
Justificativa
Resultados
Conclusões
Driver de Conexão
Solução encontrada para realizar a coleta foi através de um

SDK (Software Development Kit);
Biblioteca livre, chamada de libfprint, versão 0.0.6;
Sistema operacional utilizado: GNU/GPL Linux Ubuntu 11.10
Oneiric Ocelot, plataforma 64bits.

Introdução
Objetivos
Justificativa
Resultados
Conclusões
Pré-Processamento
Faz-se necessário melhoria na qualidade das imagens, devido

imperfeições contidas nas mesmas.
Poros sudorı́paros;
Nitidez das imagens;
Posição de captura.

Introdução
Objetivos
Justificativa
Resultados
Conclusões
Normalização
Devido a pressão exercida em cima do leitor biométrico;

Padronizar, manter a mesma intensidade dos pixels que
compõem a imagem;
 q
M + V0 (I(i,j) −M)2 , para I (i, j) > M,
0 V
N(i,j) = q
M − V0 (I(i,j) −M)2 , caso contrário,
0 V

Introdução
Objetivos
Justificativa
Resultados
Conclusões
Estimativa de Orientação
Campo de orientação de uma impressão digital define a
orientação local das cristas contidas na impressão digital;
Passo fundamental no processo de realce (objetivo do
pré-processamento).
Figura: A orientação de um pixel

Introdução
Objetivos
Justificativa
Resultados
Conclusões
Estimativa de Frequências das Cristas

Parâmetro importante, usado na construção do filtro de Gabor;
Figura: Intensidade dos pixels e Frequência das Cristas

Introdução
Objetivos
Justificativa
Resultados
Conclusões
Filtro de Gabor
Uma onda sinusoidal plana de orientação e frequência

determinadas, modulada por uma envoltória Gaussiana;
Propriedade: frequência e orientação, ambos seletivos.
1 xθ2 yθ2

G(x,y ;θ,f ) = exp − + cos(2πfxθ )
2 σx2 σy2

Introdução
Objetivos
Justificativa
Resultados
Conclusões
Imagem Realçada
(a) Imagem de Entrada (b) Imagem Realçada
Figura: Etapa de Realce

Introdução
Objetivos
Justificativa
Resultados
Conclusões
Afinamento
(a) Imagem Binarizada (b) Imagem Afinada
Figura: Etapa de Afinamento

Introdução
Objetivos
Justificativa
Resultados
Conclusões
Imagem Rotacionada
(a) 3o. Esquerda (b) 3o. Direita
Figura: Etapa de Rotacionamento

Introdução
Objetivos
Justificativa
Resultados
Conclusões
Extração do campo direcional em AMR
(a) Entrada - 512x512

Introdução
Objetivos
Justificativa
Resultados
Conclusões
(a) Entrada - 512x512 (b) 3°nı́vel - 64x64
Figura: Obtenção da informação e campo direcional

Introdução
Objetivos
Justificativa
Resultados
Conclusões
(a) 4°nı́vel - 32x32 (b) 5°nı́vel - 16x16
Figura: Obtenção da informação e campo direcional

Introdução
Objetivos
Justificativa
Resultados
Conclusões
Interface Gráfica e Armazenamento

Cadastrar e remover impressões digitais;
Criação dos Bancos de Dados.
normal.mat
realce.mat
realce rot.mat

Introdução
Objetivos
Justificativa
Resultados
Conclusões

normal.mat
realce.mat
realce rot.mat

Introdução
Objetivos
Justificativa
Resultados
Conclusões

normal.mat
realce.mat
realce rot.mat
Figura: Bancos de Impressões Digitais

Introdução
Objetivos
Justificativa
Resultados
Conclusões
Identificação - Metodologia Wavelet

Similaridade (pré-estabelecida) dos mapas direcionais em
multi-resolução entre imagem de entrada e armazenada.
Localização do Ponto Central Inicial da imagem.
Figura: Ponto Central Inicial – Verticilo

Introdução
Objetivos
Justificativa
Resultados
Conclusões
“Varredura” em NxN em torno do Ponto Central Inicial das

imagens relacionadas.
Para cada ponto entre as imagens (entrada e armazenada) é
computado a similaridade.

Introdução
Objetivos
Justificativa
Resultados
Conclusões
“Varredura” em NxN em torno do Ponto Central Inicial das

imagens relacionadas.
Para cada ponto entre as imagens (entrada e armazenada) é
computado a similaridade.
fix( N2 ) fix( N2 )
X X
V(v ,m) = | θref (m + i, n + j) − θent (i, j) | ∀ m, n ∈ N
N N
i=-fix( 2 ) j=-fix( )
2

Introdução
Objetivos
Justificativa
Resultados
Conclusões
Impressões Candidatas - Metodologia Wavelet
Se atender aos requisitos de similaridade nos 3 , 4 e 5 nı́veis ° ° °

de resolução.
A imagem do banco de dados que obtiver um valor médio de
similaridade menor que o limiar pré-estabelecido, está é eleita
como imagem correspondente.

Introdução
Objetivos
Justificativa
Resultados
Conclusões
Identificação - Metodologia Clássica

Similaridade (pré-estabelecida) entre as minúcias da imagem
de entrada e armazenada.
Segue o mesmo princı́pio wavelet de localização do Ponto
Central Inicial da imagem.
Aplica-se a função do Matlab ®
chamada nlfilter, em um
janelamento de 3x3, na impressão digital afinada.
Tabela: Algoritmo Crossing Number – Vizinhos de um pixel
p0 p1 p2
p7 px p3
p6 p5 p4

Introdução
Objetivos
Justificativa
Resultados
Conclusões
Crossing Number - Metodologia Clássica

Algoritmo Crossing Number (CN) sobre o esqueleto de uma
impressão digital.
1 X
Cn(p) = |val(pmod(i,8) ) − val(pi−1 )|
2
i=1:8
Figura: Exemplo de minúcias – CN

Introdução
Objetivos
Justificativa
Resultados
Conclusões
Localização Minúcias - Metodologia Clássica
(a) Terminações (b) Bifurcações
Figura: Detecção de Minúcias

Introdução
Objetivos
Justificativa
Resultados
Conclusões
Região de Interesse (ROI) - Metodologia Clássica
(a) Estimativa do ponto central (b) Definição da região de interesse
Figura: Definição da ROI

Introdução
Objetivos
Justificativa
Resultados
Conclusões
Minúcias na ROI - Metodologia Clássica
(a) Máscara – ROI (b) Minúcias na ROI
Figura: Minúcias na ROI

Introdução
Objetivos
Justificativa
Resultados
Conclusões
Casamento das Minúcias - Metodologia Clássica
Realiza-se o cálculo das distâncias euclidianas entre as

minúcias pivôs (capturada e armazenada).
q
d(A, B) = (bx − ax )2 + (by − ay )2
Realiza-se o cálculo das diferenças entre a orientações das

minúcias pivôs (capturada e armazenada).

Introdução
Objetivos
Justificativa
Resultados
Conclusões
Impressões Candidatas - Metodologia Clássica
A imagem que concordar com a equação da distância euclidiana e

com as orientações em ao menos doze minúcias. Está é eleita
como imagem correspondente.

Introdução
Objetivos
Justificativa
Resultados
Conclusões
Integração do leitor biométrico
Chamada da função até a ativação do leitor.

Captura e presença da imagem dentro do diretório.

Introdução
Objetivos
Justificativa
Resultados
Conclusões
Integração do leitor biométrico
Chamada da função até a ativação do leitor.

Captura e presença da imagem dentro do diretório.
Tabela: Teste Leitor Biométrico
®
Leitor Biométrico Ensaios Tempo Médio Salvar Travou?!
U.are.U 4000B 250 5ms 1.2s Não

Introdução
Objetivos
Justificativa
Resultados
Conclusões
Banco de Dados
Tabela: Capturas de Impressões Digitais
Elementos normal.mat realce.mat realce rot.mat

A 10 10 30

Introdução
Objetivos
Justificativa
Resultados
Conclusões
Banco de Dados

A 10 10 30
B 10 10 30
C 10 10 30

Introdução
Objetivos
Justificativa
Resultados
Conclusões
Banco de Dados

A 10 10 30
B 10 10 30
C 10 10 30
TOTAL 30 30 90
Introdução
Objetivos
Justificativa
Resultados
Conclusões
Etapa de Classificação
50 ensaios;
Alguns padrões com baixo percentual de classificação;
Área efetiva do leitor utilizado - 14.6mm x 18.1mm;
Necessário um leitor rolled acquisition.

Introdução
Objetivos
Justificativa
Resultados
Conclusões
50 ensaios;
Tabela: Classificação de Impressões Digitais
Elementos Acertos
Padrão Arco 100%

Introdução
Objetivos
Justificativa
Resultados
Conclusões
50 ensaios;
Elementos Acertos
Padrão Arco 100%
Padrão Presilha 36%

Introdução
Objetivos
Justificativa
Resultados
Conclusões
50 ensaios;
Elementos Acertos
Padrão Arco 100%
Padrão Presilha 36%
Padrão Verticilo –

Introdução
Objetivos
Justificativa
Resultados
Conclusões
Etapa de Identificação - Metodologia Wavelet

50 ensaios;
Satisfatório percentual de identificação;
Fazendo-se necessário etapas de pré-processamento;
Percentual encontrado em conformidade com outros autores.

Introdução
Objetivos
Justificativa
Resultados
Conclusões

50 ensaios;
Tabela: Identificação de Impressões Digitais - Metodologia Wavelet
Banco de Dados Acertos

normal.mat 64%

Introdução
Objetivos
Justificativa
Resultados
Conclusões

50 ensaios;

normal.mat 64%
realce.mat 80%

Introdução
Objetivos
Justificativa
Resultados
Conclusões

50 ensaios;

normal.mat 64%
realce.mat 80%
realce rot.mat 96%

Introdução
Objetivos
Justificativa
Resultados
Conclusões
Etapa de Identificação - Metodologia Clássica
50 ensaios;

Introdução
Objetivos
Justificativa
Resultados
Conclusões
50 ensaios;
Tabela: Identificação de Impressões Digitais - Metodologia Clássica

normal.mat 66,66%

Introdução
Objetivos
Justificativa
Resultados
Conclusões
50 ensaios;
Tabela: Identificação de Impressões Digitais - Metodologia Clássica

normal.mat 66,66%
realce.mat 96,66%

Introdução
Objetivos
Justificativa
Resultados
Conclusões
Conclusões
Integração do leitor biométrico eficaz;

Para melhoria na etapa de classificação, faz-se necessário um
leitor de captura rolada;
Para identificação satisfatória, necessário etapas de
pré-processamento;
Considerado aumento no tempo de processamento;
Função imrotate altera as imagens, dificultando o algoritmo;
Desnecessário decomposições maiores que o 5 nı́vel. °
Introdução
Objetivos
Justificativa
Resultados
Conclusões
Trabalhos Futuros
©
Desenvolver um driver de integração diretamente com o
Matlab
Integração com leitor biométrico capaz de coletas pontos
singulares;
eNBioScan-D, Nitgen Co., Ltd.
Armazenar imagens em um banco de dados de plataforma
confiável;
mksqlite.
Exportar o algoritmo para outra linguagem de programação
C/C++, Java, VHDL, Verilog.

Introdução
Objetivos
Justificativa
Resultados
Conclusões
Bibliografia
B. G. Schunck A. R. Rao.
Computing Oriented Texture Fields, 2 edition
Graphical Models and Image Processing,1991.
J. R. Buck A. V. Oppenheim, R.W. Schafer.
Discrete-Time Signal Processing
Prentice Hall, 1999.
Daubechies.
Ten Lectures on Wavelets
Rutgers University, AT&T Bell Laboratories, 1992.

Introdução
Objetivos
Justificativa
Resultados
Conclusões
Bibliografia
E. M. Lobato.
Classificação e identificação de impressões digitais no domı́nio
da transformada wavelet, Master’s thesis
Universidade Federal de Santa Catarina, 2000.
S. Mallat.
Wavelet Tour of Signal Processing
Cambridge, Academic Press, 2001.
F. Kussener.
FingerPrint Application, The MathWorks
http://www.mathworks.com/matlabcentral/
fileexchange/16728-fingerprint-application
Introdução
Objetivos
Justificativa
Resultados
Conclusões
Bibliografia
Rafael C. Gonzales, Richard E. Woods

Processamento Digital de Sinais
Prentice Hall, 2009.

Introdução
Objetivos
Justificativa
Resultados
Conclusões
Figura: Obrigado!

Apresentação Projeto Final - Jânio Anselmo

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Apresentação Projeto Final - Jânio Anselmo

Uploaded by

Copyright:

Available Formats

Introdução

Identificação de Impressões Digitais

Instituto Federal de Santa Catarina – IFSC

Aluno: Jânio Anselmo Trabalho de Conclusão de Curso

Aluno: Jânio Anselmo Trabalho de Conclusão de Curso

Faz-se necessário associar cada indivı́duo a uma caracterı́stica que

Aluno: Jânio Anselmo Trabalho de Conclusão de Curso

Faz-se necessário associar cada indivı́duo a uma caracterı́stica que

Aluno: Jânio Anselmo Trabalho de Conclusão de Curso

Aluno: Jânio Anselmo Trabalho de Conclusão de Curso

Aluno: Jânio Anselmo Trabalho de Conclusão de Curso

O que é Impressão Digital?

É o desenho formado pelas elevações da pele, presentes nas polpas

Figura: Impressão Digital

Aluno: Jânio Anselmo Trabalho de Conclusão de Curso

Aluno: Jânio Anselmo Trabalho de Conclusão de Curso

Figura: Padrão Arco

Aluno: Jânio Anselmo Trabalho de Conclusão de Curso

Figura: Padrão Presilha - Interna

Aluno: Jânio Anselmo Trabalho de Conclusão de Curso

Figura: Padrão Verticilo

Aluno: Jânio Anselmo Trabalho de Conclusão de Curso

Encontrar no banco de dados uma impressão digital

Aluno: Jânio Anselmo Trabalho de Conclusão de Curso

Aluno: Jânio Anselmo Trabalho de Conclusão de Curso

(a) Bifurcação (b) Terminação (c) Crista Curta

Figura: Exemplo de minúcias

Aluno: Jânio Anselmo Trabalho de Conclusão de Curso

Aluno: Jânio Anselmo Trabalho de Conclusão de Curso

(a) 4o. nı́vel (b) 5o. nı́vel

Figura: Mapas Direcionais

Aluno: Jânio Anselmo Trabalho de Conclusão de Curso

O algoritmo referência [1], apresenta um banco de impressões

Aluno: Jânio Anselmo Trabalho de Conclusão de Curso

Primeiramente realizar-se-á a coleta e armazenamento das

Aluno: Jânio Anselmo Trabalho de Conclusão de Curso

Uso da biometria tem ganhado relevância, sendo assim, há um

Aluno: Jânio Anselmo Trabalho de Conclusão de Curso

Transformada de Fourier x Transformada Wavelet

Porque não usar a Transformada de Fourier?

Aluno: Jânio Anselmo Trabalho de Conclusão de Curso

Transformada de Fourier x Transformada Wavelet

Porque não usar a Transformada de Fourier?

Princı́pio da Incerteza de Heisenberg.

Aluno: Jânio Anselmo Trabalho de Conclusão de Curso

As wavelets são um tipo de função matemática usadas para

Aluno: Jânio Anselmo Trabalho de Conclusão de Curso

Tipos de Transformada Wavelet

Aluno: Jânio Anselmo Trabalho de Conclusão de Curso

Figura: A Wavelet de Haar

Aluno: Jânio Anselmo Trabalho de Conclusão de Curso

Decomposição Wavelet em Processamento de Imagens

Figura: Processo de Decomposição

Aluno: Jânio Anselmo Trabalho de Conclusão de Curso

Resoluções e Orientações de Decomposição

Sub-imagens correspondentes a diferentes nı́veis de resolução e

Figura: Resoluções e Orientações

Aluno: Jânio Anselmo Trabalho de Conclusão de Curso

Resoluções e Orientações de Decomposição

Figura: Resoluções e Orientações

Aluno: Jânio Anselmo Trabalho de Conclusão de Curso

Figura: Imagem de Entrada - Lena

Aluno: Jânio Anselmo Trabalho de Conclusão de Curso

Figura: 1a. e 2a. nı́vel de decomposição