Upload
sanpi89
View
425
Download
0
Embed Size (px)
DESCRIPTION
Presentazione tesi di laurea di Corona Pietro
Citation preview
Fusione di impronta digitale e impronta vocale per il
controllo accessi
UNIVERSITA’ DEGLI STUDI DI TRIESTEFACOLTA’ DI INGEGNERIA
Dipartimento di Ingegneria Industriale e dell'Informazione
Laureando: Pietro CORONA Relatore:
Enzo MUMOLO
Motivazioni
• La sicurezza nei sistemi di elaborazione richiede standard sempre più elevati
• Il problema dell’autenticazione è un problema difficile da risolvere con tecniche di tipo tradizionale
• La ricerca in questo settore è molto attiva
Obiettivi
• Implementare un sistema di autenticazione biometrico multimodale utilizzando impronte vocali e digitali.
• Dimostrare i vantaggi dell’uso di sistemi biometrici multimodali rispetto a quelli unimodali.
• Realizzare una dimostrazione in tempo reale di fingerprint verification in ambiente embedded.
Strumenti usati
• Scanner di impronta digitale Upek TCEEA4• Tipo swipe (a strisciamento)• Risoluzione 501 dpi• Immagini catturate: 144x384 pixel
• SBC TS-7800• Processore ARM9 500Mhz• S.O. Linux Debian Sarge
• Sw identificazione facciale • Modellazione statistica delle immagini usando DCT e
EHMM• Per Windows
Lavoro svolto
• In ambiente pc• Realizzazione programma di acquisizione• Raccolta impronte digitali• Implementazione enrollment e creazione modelli• Implementazione e test algoritmo di verifica• Analisi dei risultati (normalizzazione)• Algoritmo di fusione• Analisi dei risultati
• In ambiente ARM• Realizzazione ulteriore programma di acquisizione• Porting programma verifica (no enrollment)• Script gestione automatica delle operazioni
Problemi affrontati
• Problemi di porting• Da Windows a Linux: modifica chiamate di sistema per la
gestione dei file.• Da pc ad Arm: librerie openCv, API alternative per lo
scanner.
• Modifiche al sw di face identify• Da identify a verify: modello soggetto + modello mondo• Separazione enrollment da verifica• Modifica output del programma (risultati)• Parametri: accuratezza vs. prestazioni
Addestramento modelli
Baum - Welch
𝑋𝑘1𝑘2=𝐷𝐶𝑇 −2𝐷
Verifica
• Acquisizione di una immagine di fingerprint
• Modello del Mondo + Modello soggetto per robustezza
Algoritmo di fusione
Varianza score fingerprint verification (da esperimenti)
Score fingerprint verificationScore speaker verification
Varianza score speaker verification (da esperimenti)
Minimizza la varianza complessiva
Risultati - I
0tan28a566028
0tan29a566029
0tan1a56601
0tan2a56602
0tan3a56603
0tan4a56604
0tan5a56605
0tan6a56606
0tan7a56607
0tan8a56608
0tan9a56609
0tan10a566010
0tan11a566011
0tan12a566012
0tan13a566013
0tan14a566014
0tan15a566015
0tan16a566016
0tan17a566017
0tan18a566018
0tan19a566019
Parametri (1)
Parametri (2)
Ritaglio immagine (1)
EER
Falsi Negativi %
Fal
si P
osi
tivi
%
0tan28a566028
0tan29a566029
0tan1a56601
0tan2a56602
0tan3a56603
0tan4a56604
0tan5a56605
0tan6a56606
0tan7a56607
0tan8a56608
0tan9a56609
0tan10a566010
0tan11a566011
0tan12a566012
0tan13a566013
0tan14a566014
0tan15a566015
0tan16a566016
0tan17a566017
0tan18a566018
0tan19a566019
Falsi Positivi
Falsi Negativi
Soglia
Val
ori
%
EER
(1) e (2) : parametri diversi
Risultati - II
singole biometrie
vs
fusione
Con la fusione otteniamo prestazioni migliori!
0tan28a5660280tan29a566029
0tan1a566010tan2a566020tan3a566030tan4a566040tan5a566050tan6a566060tan7a566070tan8a566080tan9a56609
0tan10a5660100tan11a5660110tan12a5660120tan13a5660130tan14a5660140tan15a5660150tan16a5660160tan17a5660170tan18a5660180tan19a566019
Speaker Verification
Fingerprint Verification
Fusione
EER
Falsi Negativi %
Fal
si P
osi
tivi
%
Conclusioni
• Gli obiettivi sono stati raggiunti totalmente.
• La fusione è stata realizzata solo su pc per problemi tecnici e per mancanza di tempo.
• Sviluppi futuri• Implementazione della fusione in ambiente embedded.• Miglioramento delle prestazioni dell’algoritmo di verifica• Posa in opera di un’applicazione pratica del sistema