ESEMPIO DI RICONOSCIMENTO
BIOMETRICO
Riconoscimento del palmo della mano
Estratto della presentazione di tesi di laurea triennale di David Palma
2015 David Palma
SISTEMA DI RICONOSCIMENTO
Il sistema di riconoscimento biometrico proposto consta di quattro macro fasi
IDENTITÀ DICHIARATA
ACQUISIZIONE
PREPROCESSING
FEATURE
EXTRACTION
UTENTE
MATCHING
1-TO-1
IDENTITÀ
CONFERMATA / NON CONFERMATA
2
SISTEMA DI RICONOSCIMENTO
2015 David Palma
ACQUISIZIONE
 Può avvenire tramite una qualsiasi fotocamera digitale (anche con bassa risoluzione), webcam o scanner
 A scopo di test verranno utilizzate delle immagini del database che mi ha gentilmente concesso il CASIA
(Chinese Academy of Sciences Institute of Automation)
 Il database consta di 5502 immagini, con risoluzione 640x480 pixels @ 96 dpi acquisite con un comune
sensore CMOS
3
ACQUISIZIONE
2015 David Palma
PREPROCESSING
 Fase necessaria per estrarre la ROI (Region Of Interest) sulla quale effettuare il riconoscimento
 Tale fase è la più importante per effettuare un riconoscimento biometrico corretto
 Inoltre è la parte più impegnativa dal punto di vista della complessità computazionale in quanto
consta di diverse sotto-fasi
4
PREPROCESSING
2015 David Palma
PREPROCESSING
1. OPERAZIONI PRELIMINARI
5

Conversione in scala di grigi

Riduzione del rumore con filtraggio convolutivo non lineare
PREPROCESSING
2015 David Palma
PREPROCESSING
2. BINARIZZAZIONE

Calcolo del valore di soglia di binarizzazione col metodo di Otsu
Soglia globale
6
PREPROCESSING
Sogliatura locale adattiva
Soglia adattiva
2015 David Palma
PREPROCESSING
3. ESTRAZIONE DEI CONTORNI (Canny Edge Detector)
 Il
L'operatore
bordo di una
di con
Canny
figura
corrisponde
consta
di unad
algoritmo
una rapida
di calcolo
variazione
multi-stadio
del tonoper
di grigio
l'individuazione
nell’immagine
dei bordi delle figure presenti in
Convoluzione
filtro
derivativo
gaussiano
un'immagine rappresentata tramite una scala di grigi
RUMORE
ADDITIVO
IDEALE
=
*
7
PREPROCESSING
2015 David Palma
PREPROCESSING
4. ESTRAZIONE DELLA ROI (Region Of Interest)
 Gestione
Individuazione
Estrazione
della
dellarotazione
dei
regione
punti critici
di
e della
interesse
scala
8
PREPROCESSING
2015 David Palma
FEATURE EXTRACTION
 L'operazione di estrazione delle features è il processo di trasformazione dei dati in ingresso in un feature vector
 Per effettuare tale estrazione ho utilizzato la funzione di trasferimento Sigmoidea
equazione differenziale del primo ordine non lineare
9
FEATURE EXTRACTION
soluzione dell’equazione differenziale
2015 David Palma
MATCHING
 Per il confronto delle caratteristiche è stato scelto di analizzare il grado di correlazione (cioè di dipendenza
lineare) tra i due feature vector
 L'indice di correlazione campionaria misura il legame lineare tra le due variabili numeriche X e Y
CARATTERISTICHE
ESTRATTE DA
IMMAGINI
IMMAGINI
DELLO
DI
STESSO
SOGGETTI
SOGGETTO
DIVERSI
 −1 ≤ 𝑟𝑥,𝑦 ≤ 1
 𝑟𝑥,𝑦 = 0 indica assenza di legame lineare tra i punti 𝑥𝑖 , 𝑦𝑖
 𝑟𝑥,𝑦 = +1 indica che i punti 𝑥𝑖 , 𝑦𝑖 sono allineati lungo una retta di pendenza positiva
 𝑟𝑥,𝑦 = −1 indica che i punti 𝑥𝑖 , 𝑦𝑖 sono allineati lungo una retta di pendenza negativa
10
MATCHING
2015 David Palma