Deteção de face falsa com imagem NIR multiespectral e proposta de sistema biométrico facial para controle de presença
Autor(a) principal: | |
---|---|
Data de Publicação: | 2018 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
Texto Completo: | http://hdl.handle.net/10198/20500 |
Resumo: | Mestrado de dupla diplomação com a UTFPR - Universidade Tecnológica Federal do Paraná |
id |
RCAP_909e2c2fc47bb9571dd1ec36116a27eb |
---|---|
oai_identifier_str |
oai:bibliotecadigital.ipb.pt:10198/20500 |
network_acronym_str |
RCAP |
network_name_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository_id_str |
7160 |
spelling |
Deteção de face falsa com imagem NIR multiespectral e proposta de sistema biométrico facial para controle de presençaReconhecimento facialDetecção de fraudesMachine learningDeep learningDomínio/Área Científica::Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e InformáticaMestrado de dupla diplomação com a UTFPR - Universidade Tecnológica Federal do ParanáOs sistemas de controle de presenças que realizam a autenticação através de faces carecem de detectores de fraudes para que sejam mais confiáveis. Um sistema capaz de executar essa tarefa automaticamente e corretamente vem trazer uma série de vantagens práticas no domínio da autenticação biométrica. Para atender esta carência, um detector de face falsa é desenvolvido e serve como um pré-passo antes do reconhecimento facial. A abordagem proposta para detecção de face falsa é utilizar câmera infravermelha do espectro NIR e machine learning, referida de deep learning. Neste trabalho foi criado uma base de dados de imagens de faces falsas e reais com auxílio de uma câmera com luz infravermelha NIR. A partir das imagens, foram gerados três datasets para implementação dos modelos de machine learning: Árvore de Decisão, Random Forest, KNN, SVM e MLP. Para a construção do protótipo de reconhecimento facial com detector de face falsa foi utilizado a linguagem Python de programação, as bibliotecas de programação: OpenFace, Scikit- Learn, OpenCV e Flask. A partir destas ferramentas e modelos treinados foi possível ter uma acurácia de 97.50% para detecção de faces falsas e faces reais com o classificador SVM. Para o reconhecimento facial foi definido uma limiar (de 0 a 1) confiável de 0.6 para sistemas que utilizam autenticação no formato 1 para N e limiar 0.2 para formato 1 para 1. Pretende-se que no futuro, o protótipo proposto seja ensaiado numa rede de terminais de marcação de presenças no IPB.Presence control systems that use perform face authentication need fraud detectors more reliable. A system to able to detect this task automatically and correctly brings a number of practical advantages in the field of biometric authentication. For this problem, an anti-spoofing is developed and serves as a pre-step before face recognition. The proposed approach for false face detection is to use NIR infrared camera and machine learning with deep learning. In this dissertation, it was created a database of fake and real face images with an infrared camera. From the images, three datasets were created to implement the machine learning models: Decision Tree, Random Forest, KNN, SVM and MLP. For the construction of the face recognition prototype with anti-spoofing, the Python programming language, the OpenFace, Scikit-Learn, OpenCV and Flask programming libraries were used. From these trained tools and models it was possible to have an accuracy of 97.50% for detection of false faces and real faces with the SVM classifier. For face recognition, a reliable threshold (from 0 to 1) of 0.6 for systems using 1 to N format authentication and 0.25 to 1 to 1 format threshold is set. It is intended that the proposed prototype be tested on a network of attendance at IPB.Rodrigues, Pedro JoãoSguario, Mauren LouiseBiblioteca Digital do IPBNunes, Eduardo Carvalho2020-01-31T11:47:03Z201920182019-01-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10198/20500TID:202388220porinfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-11-21T10:46:33Zoai:bibliotecadigital.ipb.pt:10198/20500Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T23:11:16.728688Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse |
dc.title.none.fl_str_mv |
Deteção de face falsa com imagem NIR multiespectral e proposta de sistema biométrico facial para controle de presença |
title |
Deteção de face falsa com imagem NIR multiespectral e proposta de sistema biométrico facial para controle de presença |
spellingShingle |
Deteção de face falsa com imagem NIR multiespectral e proposta de sistema biométrico facial para controle de presença Nunes, Eduardo Carvalho Reconhecimento facial Detecção de fraudes Machine learning Deep learning Domínio/Área Científica::Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática |
title_short |
Deteção de face falsa com imagem NIR multiespectral e proposta de sistema biométrico facial para controle de presença |
title_full |
Deteção de face falsa com imagem NIR multiespectral e proposta de sistema biométrico facial para controle de presença |
title_fullStr |
Deteção de face falsa com imagem NIR multiespectral e proposta de sistema biométrico facial para controle de presença |
title_full_unstemmed |
Deteção de face falsa com imagem NIR multiespectral e proposta de sistema biométrico facial para controle de presença |
title_sort |
Deteção de face falsa com imagem NIR multiespectral e proposta de sistema biométrico facial para controle de presença |
author |
Nunes, Eduardo Carvalho |
author_facet |
Nunes, Eduardo Carvalho |
author_role |
author |
dc.contributor.none.fl_str_mv |
Rodrigues, Pedro João Sguario, Mauren Louise Biblioteca Digital do IPB |
dc.contributor.author.fl_str_mv |
Nunes, Eduardo Carvalho |
dc.subject.por.fl_str_mv |
Reconhecimento facial Detecção de fraudes Machine learning Deep learning Domínio/Área Científica::Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática |
topic |
Reconhecimento facial Detecção de fraudes Machine learning Deep learning Domínio/Área Científica::Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática |
description |
Mestrado de dupla diplomação com a UTFPR - Universidade Tecnológica Federal do Paraná |
publishDate |
2018 |
dc.date.none.fl_str_mv |
2018 2019 2019-01-01T00:00:00Z 2020-01-31T11:47:03Z |
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/10198/20500 TID:202388220 |
url |
http://hdl.handle.net/10198/20500 |
identifier_str_mv |
TID:202388220 |
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:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação instacron:RCAAP |
instname_str |
Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
instacron_str |
RCAAP |
institution |
RCAAP |
reponame_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
collection |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository.name.fl_str_mv |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
repository.mail.fl_str_mv |
|
_version_ |
1799135380308492288 |