mejora de algoritmos de reconocimiento de...
TRANSCRIPT
1
ANTEPROYECTO FIN DE CARRERA
MEJORA DE ALGORITMOS DE
RECONOCIMIENTO DE HUELLAS DACTILARES
EN ENTORNOS FORENSES
Alumna: Fátima García Donday
Tutor: Ram Prasad Krishnamoorty
Ponente: Daniel Ramos
Madrid, enero de 2014
2
INTRODUCCIÓN:
Se denomina reconocimiento biométrico al proceso que permite asociar una identidad con un
individuo de forma automática, haciendo uso de una o varias características físicas o de
comportamiento inherente al individuo. Son muchas las características que se han venido
usando en reconocimiento biométrico: huella dactilar, firma manuscrita, iris, voz, etc.
Actualmente las aplicaciones de las técnicas biométricas son muy amplias. Destaca su uso en la
seguridad comercial (limitación de la entrada a ciertas áreas restringidas, video vigilancia en
lugares públicos, etc) y llegando hasta la nacional o militar, donde cada día aumenta más los
campos en los que la biometría puede ser aplicada.
MOTIVACIÓN:
En los últimos años se ha abordado desde el mundo del reconocimiento biométrico el
problema de comparar dos imágenes de huellas dactilares cuando una de ellas (latente o
anónima) está recogida de una escena de un crimen. Se trata de un problema muy complejo,
para el que actualmente no se cuenta con una solución satisfactoria de cara el uso de estas
tecnologías automáticas en escenarios de aplicación reales.
En este proyecto se pretende abordar la problemática del reconocimiento biométrico de
huellas dactilares en entornos forenses, como un trabajo incremental sobre el ya realizado por
el grupo de investigación ATVS. En concreto, se pretende adaptar algoritmos ya existentes en
problemas controlados al entorno forense.
OBJETIVOS:
Durante el desarrollo del proyecto se pretende que el alumno alcance los siguientes objetivos:
Familiarizarse con el uso de técnicas básicas de reconocimiento biométrico,
particularmente en el ámbito de las huellas dactilares.
Familiarizarse con la problemática del reconocimiento biométrico en condiciones
forenses.
Realización de pruebas para evaluar diferentes algoritmos de reconocimiento de
huellas dactilares en condiciones forenses.
3
METODOLOGÍA Y PLAN DE TRABAJO:
El plan de trabajo que sigue el proyecto consta de las siguientes fases:
1. Estado del Arte:
Revisión del estado del arte sobre el reconocimiento biométrico a partir de la huella
dactilar
2. Adquisición de la Base de Datos de la Guardia Civil
Adquisición de una base de datos de huellas dactilares forense. Esta base de datos está
compuesta por dos tipos de huellas:
- Indubitadas (tenprint): huellas obtenidas en un entorno controlado, con el usuario
identificado.
- Dubitadas (latent): huellas sin identificar obtenidas en la escena del crimen.
Y cada huella puede tener dos tipos de sets de minucias:
- Ideal: todas las minucias que se pueden encontrar en una huella (tanto dubitada
como indubitada).
- Emparejadas (matched): set de minucias donde se hace una correspondencia
entre las minucias de la huella latente y las de su huella tenprint equivalente.
La base de datos obtenida de la Guardia Civil es del tipo emparejadas, y las minucias
estaban marcadas directamente en la imagen de la huella.
3. Base de datos digital para minucias emparejadas.
Generar archivos digitales de las minucias de esta base de datos, para los sets de minucias
de tipo emparejadas. Para esto se ha desarrollado una interfaz gráfica (Gráphical User
Interface, GUI) para generar de forma manual estos archivos.
Las minucias se dividen en dos tipos:
- De alta frecuencia de aparición: terminación abrupta y bifurcación
- De baja frecuencia de aparción: fragmento, desviación, etc.
Además de las de alta frecuencia de aparición, esta base de datos también incluye
minucias de baja frecuencia.
4. Base de datos digital para minucias ideales.
Haciendo uso de un software comercial de extracción de minucias disponible (Verifinger
from Neurotechnology), generamos el set de minucias de tipo ideal para las huellas
4
indubitadas, es decir, todas las minucias posibles que se puedan extraer sin importar si
están emparejadas o no con las de la huella dubitada.
Debido a la baja calidad de las imágenes de las huellas indubitadas de la Base de Datos de
la Guardia Civil, VeriFinger genera falsas minucias fuera de la región de la huella.
Para solucionar este problema, para las huellas indubitadas, generaremos nuestro propio
algoritmo de segmentación basado en los Filtros de Gabor para eliminar estas falsas
minucias que se encuentran fuera de la región de interés, como una etapa de
postprocesado.
Para las huellas dubitadas, utilizaremos las minucias extraídas a mano como el set de
minucias ideal.
5. Mezclar las minucias de alta y baja frecuencia de aparición:
Usando un extractor de minucias automático sólo podemos extraer minucias de alta
frecuencia de aparición. Sin embargo, los sets de emparejadas de la Base de Datos de la
Guardia Civil contienen también de baja frecuencia.
Desarrollaremos un algoritmo para localizar la subregión en las huellas indubitadas con
minucias de tipo ideal, donde las de tipo emparejadas se encuentran.
Ahora, el set de emparejadas será un subset dentro del set de minucias ideales.
6. Análisis mediante el uso de VeriFinger.
Usando el extractor de minucias automático y considerando únicamente minucias con alta
frecuencia de aparición para las huellas latentes como para las tenprint, con los sets de
minucia ideales calcular el EER (Equal Error Rate) y el rango de exactitud de identificación
tanto para los sets de minucias ideales obtenidos mediante VeriFinger, como para los
obtenidos mediante el posprocesado con Filtros de Gabor.
7. Extracción de conclusiones sobre los métodos utilizados en fases anteriores.
Análisis de los resultados obtenidos y conclusiones finales del proyecto.
8. Desarrollo de una memoria detallada donde se incluirán los siguientes apartados:
a. Descripción del trabajo realizado.
b. Documentación del código generado.
c. Análisis de resultados y conclusiones.
d. Trabajos futuros.
5
MEDIOS A UTILIZAR:
Los medios utilizados serán provistos por el Área de tratamiento de Voz y Señal (ATVS) de la
Escuela Politécnica Superior de la Universidad Autónoma de Madrid. Los más relevantes son
los siguientes:
1. PCs para el desarrollo del código y la documentación.
2. Documentación del estado del arte y bibliografía.
3. Base de datos adquirida en el grupo ATVS.
4. Herramientas de desarrollo software como Matlab.
Como material de consulta, además de toda la información que se encuentra en la Red, se
utilizarán diversos libros y artículos sobre el tema a tratar.
BIBLIOGRAFÍA:
1. Richard O. Duda; Peter E. Hart ; David G.Stork: Pattern Classification.Second Edition.
2. Michael d. Garris; R. Michael McCabe: NIST Special Database 27. Fingerprint Minutiae
From Latent and Matching Tenprint Images.
3. Davide Maltoni; Dario Maio; Anil K. Jain; Salil Prabhakar: Handbook of Fingerprint
Recognition. Second Edition.