Krzysztof Ślot Biometria 9-924 Łódź, ul. Wólczańska 211/215, bud. B9 tel. 42 636 65 www.eletel.p.lodz.pl, ie@p.lodz.pl
Wprowadzenie Biometria Analiza rejestrowanych zachowań i cech osobniczych (np. w celu określenia tożsamości) Cechy biometryczne Wymagania: uniwersalność, unikatowość, trwałość, mierzalność, odporność na oszustwa, efektywność, akceptowalność Rodzaje cech Fizjologiczne (odciski palców, tęczówka, siatkówka, dłoń, ucho ) Behawioralne (styl pisania, głos, sposób poruszania się ) Metodologia rozpoznawania Wybór przestrzeni cech selekcja / ekstrakcja Klasyfikacja wektorów (SVM, k-nn, probabilistyczna ) struktur wektorów (HMM, DP, siatki, GHT, ) 2
Wprowadzenie Podstawowe cechy biometrii Wygoda i naturalność Duża wiarygodność Trudność (zmienność cech, akwizycja ) Porównanie metod biometrycznych FAR EER P(błąd) FAR Kryminalistyka Powszechny użytek FRR Różnica Aplikacje Systemy militarne FRR Technologia U T M W O Odciski palców Tęczówka + + U unikatowość Siatkówka + -- T trwałość DNA -- -- M mierzalność Geometria ucha Geometria dłoni Podpis (styl i dynamika) + + / + -- / --/+ W wiarygdność analizy O odporność na próby oszustwa Twarze - - - Głos - - -- 3
Analiza obrazu twarzy - rozpoznawanie Twarz jako źródło danych biometrycznych Łatwość rejestracji, akceptowalność Zmienność, wątpliwa unikatowość Strategie rozpoznawania Holistyczne (PCA, LDA, bayesowskie ) Modele topologiczne (2D, 3D) Mieszane (LFA, ) Właściwości metod Bez ograniczeń (<7% dla bazy FERET) Z narzuconymi ograniczeniami poza, brak makijażu, zarostu, biżuterii, ograniczona mimika skuteczność ponad 99.9% (FERET) 4
Analiza obrazu twarzy - rozpoznawanie Prowadzone prace Rozpoznawanie wstępne Metoda analizy: siatki deformowalne Platforma wdrożenia: analogowo-cyfrowe procesory równoległe ( inteligentne sensory) Komórki SNK Węzły siatki Detekcja twarzy Metoda analizy: zmodyfikowany algorytm SIFT Wyniki: 4-6% wzrost liczby wykrytych punktów charakterystycznych Obiekt Wzorzec w K i K w i K o j w o K K w K = { K } w i??? o K = { K } o i 5
Analiza obrazu twarzy czytanie z ruchu warg Problem Identyfikacja słów na podstawie obrazów warg Trudności: ograniczona ilość dostępnej informacji, niejednoznaczna reprezentacja klas Strategia postępowania Modelowanie ust za pomocą dyskryminacyjnych siatek elastycznych Dynamika siatki: oddziaływanie obrazu sprężystość cecha wyróżniająca: cel analizy maksymalne zróżnicowanie deformacji Sekwencja ROI Dopasowanie Φ Φ 1 Φ N 1 Deskryptory Analiza sekwencji deskryptorów (HMM) Wyniki rozpoznawania Głoski - 68% (1-11 klas) Słowa 57% (1 cyfr) 6
Analiza obrazów linii papilarnych Odciski palców jako źródło danych biometrycznych Unikatowość, trwałość, uniwersalność Łatwość rejestracji, akceptowalność Strategie rozpoznawania Punkt wyjścia: pole kierunkowości (identyfikacja) Punkt wyjścia: minucje (cechy szczególne) - weryfikacja Minucje Bifurkacje Zakończenia Procedura rozpoznawania Minucje Dopasowanie Minucje Obraz wzorcowy 1-12 zgodności (na 4-6 minucji) - rozpoznanie Obraz testowy 7
Biometria Analiza obrazów linii papilarnych Podstawowe problemy rozpoznawania Nieliniowe deformacje struktury, niska jakość obrazu Deformacje Typowa jakość Czytnik optyczny Zła jakość Czytnik termiczny Prace badawcze Kompensacja zniekształceń przy użyciu siatek elastycznych Odcisk Deformacja Analiza Wynik analizy Efekt kompensacji e 7% 8
Analiza sygnału mowy rozpoznawanie emocji Rozpoznawanie emocji Wielość aplikacji (HCI, rozpoznawanie, monitorowanie stanów psychofizycznych ) Złożony i niejednoznaczny sposób ekspresji (człowiek rozpoznawanie ok. 7%) Metodologia: poszukiwanie przestrzeni cech - projektowanie klasyfikatora - klasyfikacja Kierunek prac Analiza zmienności artykulacji mowy dźwięcznej Przesłanka istnienie zależności zmienność-emocja Złość Nuda Strach Mówca A Radość Neutralne Złość Nuda Strach Smutek Smutek Mówca B 9
Analiza sygnału mowy rozpoznawanie emocji Mowa Mapy Złość f F4 k+1 Wyznaczanie cech zmienności artykulacji mowy dźwięcznej F4 F3 F2 F1 F4 F2 Formanty F3 F2 F4 F3 F2 F1 P R Ó B K O W A N I E F3 k+1 F2 k+1 F1 k+1 E k+1 F4 k F3 k F2 k F1 k Strach Nuda Energia E k Smutek Wyniki rozpoznawania Baza niemiecka 14 cech 66.6% 14+2 79.2% Baza polska 64.4% 81.9% 1
Analiza sygnału mowy rozpoznawanie mówcy Sygnał mowy jako źródło danych biometrycznych Łatwość rejestracji, akceptowalność Zdalna autoryzacja: rozpoznawanie mówcy poprzedzone rozpoznawaniem mowy Nietrwałość, zmienność, Podejście Analiza deskryptorów zmienności artykulacji mowy dźwięcznej, modelowanie ewolucji sygnału (HMM) Naśladowca G.W. Bush Przykładowy deskryptor: wymiar fraktalny skuteczność rozpoznawania ok. 65% Mówca 1 Mówca 2 Mówca 3 11
Podsumowanie Faza osiągania dojrzałości Rozwiązane problemy: weryfikacja w warunkach kontrolowanych (tęczówka, siatkówka) identyfikacja na podstawie DNA, odcisków palców (jakość akwizycji!) Otwarte problemy: identyfikacja i weryfikacja w warunkach niekontrolowanych (testy żywotności) identyfikacja i weryfikacja przy użyciu cech behawioralnych (głos), identyfikacja na podstawie analizy obrazu twarzy Nowe trendy: analiza zapachu (identyfikacja na podstawie śladów) identyfikacja na podstawie obrazów w podczerwieni (niekontrolowane warunki akwizycji) 12