Características estendidas por aprendizado contrastivo na identificação de pessoas a partir de impressões digitais latentes
André Igor Nóbrega da Silva
DISSERTAÇÃO
Português
T/UNICAMP Si38c
[Extended features through contrastive learning in person identification from latent fingerprints]
Campinas, SP : [s.n.], 2024.
1 recurso online (107 p.) : il., digital, arquivo PDF.
Orientador: Alexandre Xavier Falcão
Dissertação (mestrado) - Universidade Estadual de Campinas (UNICAMP), Instituto de Computação
Resumo: Muitos sistemas de reconhecimento de indivíduos utilizam biometrias corporais, destacando-se os sistemas baseados em impressões digitais. Esse traço biométrico é considerado universal, distinto entre diferentes indivíduos, invariante ao longo da vida e fácil de ser mensurado. Diante disso, é...
Ver mais
Resumo: Muitos sistemas de reconhecimento de indivíduos utilizam biometrias corporais, destacando-se os sistemas baseados em impressões digitais. Esse traço biométrico é considerado universal, distinto entre diferentes indivíduos, invariante ao longo da vida e fácil de ser mensurado. Diante disso, é amplamente utilizado em aplicações como investigações forenses, serviços de finanças, saúde, sociais, dentre outros. Existem 3 tipos de digitais: rolada, pousada e latentes. As duas primeiras são obtidas por sensores em ambientes controlados e possuem alta qualidade de imagem. Latentes, por outro lado, são deixadas não intencionalmente e capturadas por agências de perícia em cenas de crime. Os principais algoritmos para comparação de diferentes impressões utilizam estruturas locais conhecidas como minúcias como forma de representação. Minúcias são centros de regiões características na imagem, como bifurcações ou términos abruptos de linhas. Algoritmos pautados em minúcias apresentam bastante sucesso em aplicações com digitais do tipo rolada ou pousada, comprovado pelas altas taxas de identificações corretas nas bases de dados da literatura. Entretanto, falham ao lidar com latentes, dada a baixa qualidade geral da imagem e a captação parcial do dedo. Para contornar este problema, técnicas para representação de minúcias usando características estendidas obtidas por meio de aprendizagem profunda vêm sendo propostas e apresentam resultados promissores na área. Contudo, grande parte dos trabalhos se apoiam no uso de grandes bases de dados privadas, coletadas ao longo de vários anos e, além disso, não apresentam um método claro para resolver o problema do emparelhamento ótimo de minúcias combinando as características estendidas com as características geométricas clássicas de minúcias. Dentro desse contexto, os principais objetivos desta dissertação foram melhorar a capacidade computacional de representação de impressões digitais latentes por meio de características estendidas de minúcias aprendidas por aprendizado contrastivo, e a melhoria de algoritmos de emparelhamento de impressões digitais que exploram tais características. Para tanto, a abordagem proposta explorou o Aprendizado Contrastivo, técnicas de aumentação de dados e um método de anotação fraca para treinar Redes Siamesas para extrair características estendidas de minúcias mesmo com uma base de dados bastante limitada. Além disso, exploraram-se o algoritmo húngaro e o algoritmo de agrupamento espectral para obter um emparelhamento de minúcias buscando otimalidade tanto do ponto de vista de similaridade dos componentes geométricos, quanto da similaridade das características estendidas. Propõem-se novas funções de cômputo de similaridade de minúcias levando em consideração todos os componentes das características estendidas. Validou-se o método proposto com experimentos de identificação na base de dados desafiadora NIST SD27, amplamente explorada na literatura. Mostrou-se uma melhoria significativa na taxa de identificação correta de indivíduos ao combinar características estendidas com métodos tradicionais de emparelhamento de minúcias
Ver menos
Abstract: Fingerprints stand out among individual recognition systems. This biometric trait is universal, distinct among individuals, invariant throughout life, and easy to measure. It is widely used in forensic investigations and financial, health, and social services applications. There are three...
Ver mais
Abstract: Fingerprints stand out among individual recognition systems. This biometric trait is universal, distinct among individuals, invariant throughout life, and easy to measure. It is widely used in forensic investigations and financial, health, and social services applications. There are three types of fingerprints: rolled, plain, and latent. Sensors in controlled environments obtain the first two and provide high image quality. Latents, on the other hand, are unintentionally left at crime scenes and are collected by forensic agencies. The main algorithms for comparing different fingerprints use local structures known as minutiae as a form of representation. Minutiae are the centers of characteristic regions in the image, such as bifurcations or abrupt ridge endings. Algorithms based on minutiae points are very successful in applications involving rolled or plain fingerprints, as proven by the high rates of correct identifications in literature databases. However, given the poor overall image quality and only partial finger capture, they present much lower results on latent fingerprints. Techniques for representing minutiae using extended features obtained through deep learning have given promising results to this problem. However, most of the works rely on the use of large private databases collected over several years and, in addition, do not present a straightforward method to solve the problem of optimal minutiae matching by combining extended features with minutiae classic geometric features. Within this context, the main objectives of this work were to improve the computational capacity of representing latent fingerprints through extended minutiae characteristics learned with contrastive learning and the improvement of matching algorithms that exploit such characteristics. The proposed approach explored Contrastive Learning, data augmentation techniques, and a weak annotation method to train Siamese Networks to extract deep minutiae embeddings even with a minimal database. Furthermore the gungarian algorithm and spectral clustering algorithm were explored to obtain a minutiae matching seeking optimality both from the perspective of the similarity of geometric components and the similarity of extended features. New minutiae similarity computation functions are proposed, taking into account all components of the extended features. . We validated the proposed methods through identification experiments on the challenging NIST SD27 database, which is widely used in the literature. The results show a significant improvement in the correct identification rate of individuals when extended features are combined with traditional minutiae matching methods
Ver menos
Requisitos do sistema: Software para leitura de arquivo em PDF
Aberto
Características estendidas por aprendizado contrastivo na identificação de pessoas a partir de impressões digitais latentes
André Igor Nóbrega da Silva
Características estendidas por aprendizado contrastivo na identificação de pessoas a partir de impressões digitais latentes
André Igor Nóbrega da Silva