Transcript
Sistema de Autenticação/Identificação Pessoal Biométrica Através da Palma da Mão com o Auxílio de Redes Neurais Artificiais
Instituto Tecnológico de Aeronáutica
Danilo Rodrigues Fontana
Instituto Tecnológico de Aeronáutica
Luiz Roberto Marim RESUMO
A princípio, a pesquisa se voltou para a biometria e posteriormente o enfoque na palma da mão. Um dos grandes problemas foi encontrar um leitor da palma da mão que identificasse apenas as linhas, para isso, foi utilizada uma impressora multifuncional HP 1500 series que apresentou uma qualidade eficiente e bom desempenho. O MATLAB é um software voltado para cálculo numérico, em especial, para facilitar o cálculo com matrizes. Esse software possui diversas bibliotecas para várias áreas, dentre elas, uma em especial que nos toca é o toolbox das Redes Neurais.Como não havia um leitor de palma da mão, houve a necessidade de criar um algoritmo para transformar a imagem do scanner em binária para extrair as informações que serão implementadas na rede neural. A partir disso começou a busca por pessoas para criar um banco de dados que será usado no treinamento da Rede Neural Artificial. O banco de dados foi obtido em poucos dias com a colaboração de diversas pessoas, foram capturadas duas imagens diferentes da mão direita de cada pessoa, em média, foram capturadas 100 imagens. A partir disso o trabalho foi voltado a RNA. A rede escolhida foi do tipo feedforward, pois de acordo com a investigação da bibliografia, a rede apresenta desempenho desejado para o uso em biometria.
original
Redes Neurais Artificiais A origem da teoria de Redes Neurais remonta aos modelos matemáticos e aos modelos de engenharia, de neurônios biológicos. Como qualquer célula biológica, o neurônio é delimitado por uma fina membrana celular que alem da sua função biológica normal, possui determinadas propriedades que são essenciais para o funcionamento elétrico da célula nervosa. A fase de treino da Rede foi realizada com uma arquitetura do tipo feedforward com 256 neurônios na camada de entrada, 10 neurônios na camada oculta e 1 neurônio na camada de saída. Para o treinamento foi aplicada uma função com gradiente descendente com momento. A função de ativação sigmóide tangencial (tansig) foi usada na rede na camada oculta e para a camada de saída uma função linear, também conhecida como purelin. A meta, ou o erro objetivo para o fim de treinamento escolhido foi de 8.10-5 e uma taxa de aprendizagem de 1.10-2. Imagem capturada pelo scanner gauss
Imagem após Filtro Gaussiano limpar
Esquema de uma Rede Neural Artificial
Exemplo de Treinamento da Rede Neural
Comparação entre falsa aceitação (FAR) e falsa rejeição (FRR)
Conclusões
Imagem Binária (Tons de Branco e Preto)
Nesse projeto foi possível fazer a captura da imagem da palma da mão e sua NÚMERO DE FALSAS FALSAS digitalização. Utilizamos a técnica de Redes Neurais Artificiais para o reconhecimento AMOSTRAS ACEITAÇÕES REJEIÇÕES biométrico da palma da mão, e os resultados obtidos para os casos estudados foram 76 0 1 satisfatórios. Para os 76 casos analisados nesse projeto somente um apresentou uma falsa rejeição, somando um total de noventa e nove por cento de acerto. A biometria associada a Redes Neurais Artificiais representa um modelo promissor para o futuro da sociedade que a cada dia exige mais segurança e mais praticidade no que diz respeito à qualidade de vida e do trabalho. Este projeto é uma prova de que modelos matemáticos computacionais podem ser amplamente associados a sistemas de identificação biométricos que podem facilitar a vida do ser humano e aprimorar os conceitos tanto de segurança quanto de praticidade, uma vez que você, seu corpo passa a ser sua própria senha.
AGRADECIMENTOS CNPq Imagem Reduzida
CONSELHO NACIONAL DE DESENVOLVIMENTO CIENTÍFICO E TECNOLÓGICO
