Gerenciamento e autenticação de identidades digitais usando feições faciais

Detalhes bibliográficos
Autor(a) principal: Ribeiro, Matheus Antônio Corrêa
Data de Publicação: 2008
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da UFRGS
Texto Completo: http://hdl.handle.net/10183/15740
Resumo: Em nossa vida diária, são utilizadas identidades digitais (IDDs) para acessar contas de e-mail, bancos e lojas virtuais, locais restritos, computadores compartilhados, e outros. Garantir que apenas usuários autorizados tenham o acesso permitido é um aspecto fundamental no desenvolvimento destas aplicações. Atualmente, os métodos de controle de acesso simples como senhas ou números de identificação pessoal não devem ser considerados suficientemente seguros, já que um impostor pode conseguir estas informações sem o conhecimento do usuário. Ainda, no caso de utilização de dispositivos físicos como cartões de identificação, estes podem ser roubados ou forjados. Para tornar estes sistemas mais confiáveis, técnicas de autenticação de identidades utilizando múltiplas verificações são propostas. A utilização de características biométricas surge como a alternativa mais confiável para tratar este problema, pois são, teoricamente, únicas para cada pessoa. Contudo, algumas características biométricas como a aparência facial podem variar com o tempo, implicando em um grande desafio para os sistemas de reconhecimento facial. Neste trabalho é combinado o acesso tradicional por senha com a análise da face para realizar a autenticação. Um método de aprendizagem supervisionada é apresentado e sua adaptação é baseada na melhora contínua dos modelos faciais, que são representados por misturas de gaussianas. Os resultados experimentais, obtidos sobre um conjunto de teste reduzido, são encorajadores, com 98% de identificação correta dos usuários e custo computacional relativamente baixo. Ainda, a comparação com um método apresentado na literatura indicou vantagens do método proposto quando usado como um pré-selecionador de faces.
id URGS_5ab3746969bd19ff5570b0b9a222925b
oai_identifier_str oai:www.lume.ufrgs.br:10183/15740
network_acronym_str URGS
network_name_str Biblioteca Digital de Teses e Dissertações da UFRGS
repository_id_str 1853
spelling Ribeiro, Matheus Antônio CorrêaScharcanski, JacobSchuck Junior, Adalberto2009-05-08T04:12:52Z2008http://hdl.handle.net/10183/15740000690984Em nossa vida diária, são utilizadas identidades digitais (IDDs) para acessar contas de e-mail, bancos e lojas virtuais, locais restritos, computadores compartilhados, e outros. Garantir que apenas usuários autorizados tenham o acesso permitido é um aspecto fundamental no desenvolvimento destas aplicações. Atualmente, os métodos de controle de acesso simples como senhas ou números de identificação pessoal não devem ser considerados suficientemente seguros, já que um impostor pode conseguir estas informações sem o conhecimento do usuário. Ainda, no caso de utilização de dispositivos físicos como cartões de identificação, estes podem ser roubados ou forjados. Para tornar estes sistemas mais confiáveis, técnicas de autenticação de identidades utilizando múltiplas verificações são propostas. A utilização de características biométricas surge como a alternativa mais confiável para tratar este problema, pois são, teoricamente, únicas para cada pessoa. Contudo, algumas características biométricas como a aparência facial podem variar com o tempo, implicando em um grande desafio para os sistemas de reconhecimento facial. Neste trabalho é combinado o acesso tradicional por senha com a análise da face para realizar a autenticação. Um método de aprendizagem supervisionada é apresentado e sua adaptação é baseada na melhora contínua dos modelos faciais, que são representados por misturas de gaussianas. Os resultados experimentais, obtidos sobre um conjunto de teste reduzido, são encorajadores, com 98% de identificação correta dos usuários e custo computacional relativamente baixo. Ainda, a comparação com um método apresentado na literatura indicou vantagens do método proposto quando usado como um pré-selecionador de faces.In our daily life, we use digital identities (DIDs) to access e-mails, e-banks, e-shops, physical environments, shared computers, and so on. Guarantee that only authorized users are granted access is an important aspect in the development of such applications. Nowadays, the simple access control methods like passwords or personal identification numbers can not be considered secure enough, because an impostor can obtain and use these information without user knowledge. Also, physical devices like ID cards can be stolen. To make these systems more reliable, multimodal DID authentication techniques combining different verification steps are proposed. Biometric features appears as one of the most reliable alternatives to deal with this problem because, theoretically, they are unique for each person. Nevertheless, some biometric features like face appearances may change in time, posing a serious challenge for a face recognition system. In this thesis work, we use the traditional password access combined with human face analysis to perform the authentication task. An intuitive supervised appearance learning method is presented, and its adaptation is based on continuously improving face models represented using the Gaussian mixture modeling approach. The experimental results over a reduced test set show encouraging results, with 98% of the users correctly identified, with a relatively small computational effort. Still, the comparison with a method presented in the literature indicated advantages of the proposed method when used as a pre-selector of faces.application/pdfporBiometriaIdentidade digitalProcessamento de imagensImagem digitalAccess controlBiometric authenticationBiometricsIdentity management systemsFacial featuresUser modelingGerenciamento e autenticação de identidades digitais usando feições faciaisinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal do Rio Grande do SulEscola de EngenhariaPrograma de Pós-Graduação em Engenharia ElétricaPorto Alegre, BR-RS2008mestradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSORIGINAL000690984.pdf000690984.pdfTexto completoapplication/pdf1236217http://www.lume.ufrgs.br/bitstream/10183/15740/1/000690984.pdf2c3f6e5927f292c063463d6fdff3edb5MD51TEXT000690984.pdf.txt000690984.pdf.txtExtracted Texttext/plain134368http://www.lume.ufrgs.br/bitstream/10183/15740/2/000690984.pdf.txte5dc67ae4b08150e68e1013ed41f4e0fMD52THUMBNAIL000690984.pdf.jpg000690984.pdf.jpgGenerated Thumbnailimage/jpeg1045http://www.lume.ufrgs.br/bitstream/10183/15740/3/000690984.pdf.jpga8d6ab931c8e9dc289986f490520a73dMD5310183/157402018-10-11 09:26:44.91oai:www.lume.ufrgs.br:10183/15740Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532018-10-11T12:26:44Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Gerenciamento e autenticação de identidades digitais usando feições faciais
title Gerenciamento e autenticação de identidades digitais usando feições faciais
spellingShingle Gerenciamento e autenticação de identidades digitais usando feições faciais
Ribeiro, Matheus Antônio Corrêa
Biometria
Identidade digital
Processamento de imagens
Imagem digital
Access control
Biometric authentication
Biometrics
Identity management systems
Facial features
User modeling
title_short Gerenciamento e autenticação de identidades digitais usando feições faciais
title_full Gerenciamento e autenticação de identidades digitais usando feições faciais
title_fullStr Gerenciamento e autenticação de identidades digitais usando feições faciais
title_full_unstemmed Gerenciamento e autenticação de identidades digitais usando feições faciais
title_sort Gerenciamento e autenticação de identidades digitais usando feições faciais
author Ribeiro, Matheus Antônio Corrêa
author_facet Ribeiro, Matheus Antônio Corrêa
author_role author
dc.contributor.author.fl_str_mv Ribeiro, Matheus Antônio Corrêa
dc.contributor.advisor1.fl_str_mv Scharcanski, Jacob
dc.contributor.advisor-co1.fl_str_mv Schuck Junior, Adalberto
contributor_str_mv Scharcanski, Jacob
Schuck Junior, Adalberto
dc.subject.por.fl_str_mv Biometria
Identidade digital
Processamento de imagens
Imagem digital
topic Biometria
Identidade digital
Processamento de imagens
Imagem digital
Access control
Biometric authentication
Biometrics
Identity management systems
Facial features
User modeling
dc.subject.eng.fl_str_mv Access control
Biometric authentication
Biometrics
Identity management systems
Facial features
User modeling
description Em nossa vida diária, são utilizadas identidades digitais (IDDs) para acessar contas de e-mail, bancos e lojas virtuais, locais restritos, computadores compartilhados, e outros. Garantir que apenas usuários autorizados tenham o acesso permitido é um aspecto fundamental no desenvolvimento destas aplicações. Atualmente, os métodos de controle de acesso simples como senhas ou números de identificação pessoal não devem ser considerados suficientemente seguros, já que um impostor pode conseguir estas informações sem o conhecimento do usuário. Ainda, no caso de utilização de dispositivos físicos como cartões de identificação, estes podem ser roubados ou forjados. Para tornar estes sistemas mais confiáveis, técnicas de autenticação de identidades utilizando múltiplas verificações são propostas. A utilização de características biométricas surge como a alternativa mais confiável para tratar este problema, pois são, teoricamente, únicas para cada pessoa. Contudo, algumas características biométricas como a aparência facial podem variar com o tempo, implicando em um grande desafio para os sistemas de reconhecimento facial. Neste trabalho é combinado o acesso tradicional por senha com a análise da face para realizar a autenticação. Um método de aprendizagem supervisionada é apresentado e sua adaptação é baseada na melhora contínua dos modelos faciais, que são representados por misturas de gaussianas. Os resultados experimentais, obtidos sobre um conjunto de teste reduzido, são encorajadores, com 98% de identificação correta dos usuários e custo computacional relativamente baixo. Ainda, a comparação com um método apresentado na literatura indicou vantagens do método proposto quando usado como um pré-selecionador de faces.
publishDate 2008
dc.date.issued.fl_str_mv 2008
dc.date.accessioned.fl_str_mv 2009-05-08T04:12:52Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10183/15740
dc.identifier.nrb.pt_BR.fl_str_mv 000690984
url http://hdl.handle.net/10183/15740
identifier_str_mv 000690984
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Biblioteca Digital de Teses e Dissertações da UFRGS
collection Biblioteca Digital de Teses e Dissertações da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/15740/1/000690984.pdf
http://www.lume.ufrgs.br/bitstream/10183/15740/2/000690984.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/15740/3/000690984.pdf.jpg
bitstream.checksum.fl_str_mv 2c3f6e5927f292c063463d6fdff3edb5
e5dc67ae4b08150e68e1013ed41f4e0f
a8d6ab931c8e9dc289986f490520a73d
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv lume@ufrgs.br||lume@ufrgs.br
_version_ 1800308973279117312