Reconhecimento da região ocular para a identificação biométrica de pessoas utilizando aprendizado em profundidade

• Autor(a) principal: Vizoni, Marcelo Vilela
• Data de Publicação: 2019
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UNESP
• Texto Completo: http://hdl.handle.net/11449/183489
• topic: Identificação de pessoas; Biometria; Reconhecimento da região ocular; Aprendizado em profundidade; Redes neurais convolucionais; Identification of people; Biometrics; Recognition of the ocular region; Deep learning; Convolutional neural networks

Na sociedade atual, a identificação precisa e rápida dos indivíduos é uma necessidade. Devido às crescentes preocupações sobre segurança, a Biometria tem sido proposta para este fim. A região ocular da face, que inclui o olho, as pálpebras, os cílios e as sobrancelhas, é uma das mais recentes modalidades biométricas sendo pesquisadas. Além da alta unicidade desta região da face, sua utilização representa um bom trade-off entre a utilização de toda a região da face e a utilização apenas da textura da íris dos olhos, pois possibilita uma gama maior de distâncias do indivíduo sendo identificado ao sensor. Este trabalho apresenta um novo método de autenticação de pessoas baseado em características oculares profundas, que são extraídas da região ocular da face usando uma CNN (Convolutional Neural Network). Em nosso método, em vez de usar diretamente os características profundas para a autenticação, usamos a diferença entre as características de referência e teste, gerando um vetor diferença. Então, nosso método adota uma estratégia de pares. Em seguida, um classificador SVM (Support Vector Machine) binário é treinado para determinar se um vetor diferença é genuíno ou impostor. O novo método proposto para autenticação de pessoas baseado em características oculares foi avaliado em diferentes bases de dados, contendo toda a face ou apenas a região ocular. Em nossos experimentos, a fusão de características oculares com características faciais obteve melhores resultados do que o uso de características de toda a face quando há variações de iluminação, expressão facial e oclusões parciais da face.