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.