Biometria
Reconhecimento de
Assinaturas
EEL 879 - Redes de Computadores II
Eliseu Paz e Silva de Guimarães
[email protected]
O que é biometria?
Ciência de mensuração dos seres vivos
 Relaciona-se a características:

Comportamentais
 Físicas


Objetivo de verificar características
únicas.
Etapas da biometria

Captura (ou aquisição);

Conversão;

Padronização;

Comparação.
Reconhecimento de assinaturas

Objetivos:
Reconhecimento de firma;
 Reconhecimento de assinaturas importantes,
como em cheques, por exemplo.

Utilização de processamento de imagens.
 Desenvolvimento de sistemas de
reconhecimento.

Aquisição e conversão


Offline:

Scanner (com conversão);

Câmera.
Online:

Tablet.
Segmentação
Divisão da imagem em objetos
constituintes.
 Etapa complicada.
 Importante para a padronização.
 Tipos de segmentação:

Limiarização;
 Crescimento de regiões;
 Segmentação em bordas;
 Esqueletização.

Limiarização (ou similaridade)

Classificar pixels em:
mais intenso que o limiar (T); ou
 menos intenso que o limiar (T).


Para cada pixel:
0, se f(x,y) <= T,
1, se f(x,y) > T.
 f(x,y) é a intensidade do pixel (x,y).


g(x,y) =
Dificuldade em determinar o limiar.
Limiarização (ou similaridade)
Exemplo:
Crescimento de regiões
Utiliza agregação de pixels.
 Semelhante à limiarização.
 Procedimento:

Escolha de pixels-semente;
 Escolha do limiar (T);
 Crescimento das regiões.

Dificuldade em determinar limiar.
 Dificuldade na escolha das sementes.

Crescimento de regiões
Sementes, número de sementes e limiar
dependem do problema.
 Procedimento:

Se |f(x,y) - f(x1,y1)| <= T, f(x,y) é da Região 1
 ...
 Se |f(x,y) - f(xn,yn)| <=T, f(x,y) é da Região n.


(x1,y1),..., (xn,yn) são as sementes.
Crescimento de regiões
Exemplo:
Segmentação em bordas

Feita por descontinuidade.

Separação de objetos.

Utiliza operadores gradiente.

Transformações lineares.
Esqueletização
Reduzir figura a uma cadeia simples de
pixels.
 Manter as características originais.
 Ponto de esqueleto é centro de círculo
máximo.


Aproximação por quadrado ou losango.
Esqueletização
Exemplo:
Esqueletização
Há problema se houver número par de
linhas/colunas.
 Resolver problema com expansão.
 Procedimento:

Dilatação;
 Erosão.

Esqueletização

Dilatação:
Colocar pixel de imagem original em (2x,2y);
 Colocar pixels em toda a vizinhança.


Erosão:

Colocar pixels em branco na vizinhança de
um pixel em branco.
Esqueletização
Exemplo de dilatação e erosão:
Dilatação =>
Esqueletização
Erosão=>
Descrição e reconhecimento

Características de interesse:
Inclinação das letras;
 Espaçamento entre letras e entre palavras;
 Velocidade de escrita;
 Pontos de pressão.


Modelar, descrever e reconhecer usando
Redes Neurais Artificiais.
Redes Neurais
Técnica de Inteligência Artificial.
 Simula o funcionamento de uma rede de
neurônios.
 Exige treinamento prévio (com agente
externo ou não).
 Consiste de três tipos de camadas:

Entrada: onde são inseridos dados e padrões;
 Intermediária: onde ocorre o processamento;
 Saída: onde o resultado é apresentado.

Redes Neurais
Estrutura de uma Rede Neural:
Redes Neurais

O processamento consiste em:
Somas ponderadas das entradas;
 Somas de sinais de polarização;
 Ativação de sinal se saída.


Para reconhecimento de assinaturas:
Análise estatística através de várias
assinaturas.
 Saída binária simples.

Problemas e perspectivas

Problemas:
Alto custo computacional;
 Treinamento das Redes Neurais;
 Custos elevados;
 Mudanças na assinatura;
 Necessidade de várias assinaturas.

Problemas e perspectivas

Perspectivas:
Avanços tecnológicos;
 Algoritmos melhores;
 Redes Neurais mais eficazes;
 Incentivos econômicos;
 Conscientização de necessidade do uso.

Perguntas e respostas
1) Diga quais são os dois tipos de aquisição de
assinaturas que existem e qual sua diferença.
R: A aquisição pode ser online ou offline. A diferença é
que, na aquisição online, capturamos a assinatura no
tempo em que ela é feita. Na offline capturamos a
assinatura após ela ter sido escrita.
Perguntas e respostas
2) Para um reconhecimento de assinaturas adequado é
necessário que haja um processamento de imagem
adequado. Diga qual é a etapa mais complicada do
processamento de imagem e qual a sua importância.
Cite dois exemplos de processos empregados nesta
etapa.
R: A etapa mais complicada do processamento de
imagem é a segmentação. A importância desta etapa é
separar a imagem em objetos constituintes, permitindo
que sejam posteriormente extraídas as características
desta imagem. Os exemplos de processos usados nesta
etapa são: limiarização (ou similaridade), crescimento de
regiões, segmentação em bordas e esqueletização.
Perguntas e respostas
3) Cite quais são e explique sucintamente a função de
cada uma das camadas de uma Rede Neural Artificial.
R: As camadas de uma Rede Neural Artificial são:
camada de entrada, camadas intermediárias (ou
escondidas) e camada de saída. A camada de entrada é
por onde os dados ou padrões são inseridos na rede. As
camadas intermediárias fazem o processamento das
entradas, baseados em somas ponderadas. É nesta
camada que ocorre a ativação da função de saída. A
camada de saída é responsável por levar ao observador
externo o resultado da rede.
Perguntas e respostas
4) Diga qual a vantagem do uso de um agente externo
no treinamento de uma Rede Neural.
R: Usar um agente externo permite que seja apresentada
à Rede a resposta esperada. Pode-se também avaliar
de forma mais clara o desempenho da Rede.
Perguntas e respostas
5) Diga um problema e sua respectiva solução no
desenvolvimento de sistemas de reconhecimento
de assinaturas.
R: O alto custo computacional é um problema que pode
ser resolvido com algoritmos melhores e Redes Neurais
mais eficientes.
O alto custo econômico pode ser resolvido com
incentivos e com a popularização dos sistemas.
O incômodo de ter de assinar várias vezes poderia ser
sanado com a conscientização e popularização do uso
destes sistemas.