Biometria Reconhecimento de Assinaturas

Apresentação em tema: "Biometria Reconhecimento de Assinaturas"— Transcrição da apresentação:

1 Biometria Reconhecimento de Assinaturas
EEL Redes de Computadores II Eliseu Paz e Silva de Guimarães

2 O que é biometria? Ciência de mensuração dos seres vivos
Relaciona-se a características: Comportamentais Físicas Objetivo de verificar características únicas.

3 Etapas da biometria Captura (ou aquisição); Conversão; Padronização;
Comparação.

4 Reconhecimento de assinaturas
Objetivos: Reconhecimento de firma; Reconhecimento de assinaturas importantes, como em cheques, por exemplo. Utilização de processamento de imagens. Desenvolvimento de sistemas de reconhecimento.

5 Aquisição e conversão Offline: Online: Scanner (com conversão);
Câmera. Online: Tablet.

6 Segmentação Divisão da imagem em objetos constituintes.
Etapa complicada. Importante para a padronização. Tipos de segmentação: Limiarização; Crescimento de regiões; Segmentação em bordas; Esqueletização.

7 Limiarização (ou similaridade)
Classificar pixels em: mais intenso que o limiar (T); ou menos intenso que o limiar (T). Para cada pixel: g(x,y) = 0, se f(x,y) <= T, 1, se f(x,y) > T. f(x,y) é a intensidade do pixel (x,y). Dificuldade em determinar o limiar.

8 Limiarização (ou similaridade)
Exemplo:

9 Crescimento de regiões
Utiliza agregação de pixels. Semelhante à limiarização. Procedimento: Escolha de pixels-semente; Escolha do limiar (T); Crescimento das regiões. Dificuldade em determinar limiar. Dificuldade na escolha das sementes.

10 Crescimento de regiões
Sementes, número de sementes e limiar dependem do problema. Procedimento: Se |f(x,y) - f(x1,y1)| <= T, f(x,y) é da Região 1 ... Se |f(x,y) - f(xn,yn)| <=T, f(x,y) é da Região n. (x1,y1),..., (xn,yn) são as sementes.

11 Crescimento de regiões
Exemplo:

12 Segmentação em bordas Feita por descontinuidade. Separação de objetos.
Utiliza operadores gradiente. Transformações lineares.

13 Esqueletização Reduzir figura a uma cadeia simples de pixels.
Manter as características originais. Ponto de esqueleto é centro de círculo máximo. Aproximação por quadrado ou losango.

14 Esqueletização Exemplo:

15 Esqueletização Há problema se houver número par de linhas/colunas.
Resolver problema com expansão. Procedimento: Dilatação; Erosão.

16 Esqueletização Dilatação: Erosão:
Colocar pixel de imagem original em (2x,2y); Colocar pixels em toda a vizinhança. Erosão: Colocar pixels em branco na vizinhança de um pixel em branco.

17 Esqueletização Exemplo de dilatação e erosão: Dilatação =>

18 Esqueletização Erosão=>

19 Descrição e reconhecimento
Características de interesse: Inclinação das letras; Espaçamento entre letras e entre palavras; Velocidade de escrita; Pontos de pressão. Modelar, descrever e reconhecer usando Redes Neurais Artificiais.

20 Redes Neurais Técnica de Inteligência Artificial.
Simula o funcionamento de uma rede de neurônios. Exige treinamento prévio (com agente externo ou não). Consiste de três tipos de camadas: Entrada: onde são inseridos dados e padrões; Intermediária: onde ocorre o processamento; Saída: onde o resultado é apresentado.

21 Redes Neurais Estrutura de uma Rede Neural:

22 Redes Neurais O processamento consiste em:
Somas ponderadas das entradas; Somas de sinais de polarização; Ativação de sinal se saída. Para reconhecimento de assinaturas: Análise estatística através de várias assinaturas. Saída binária simples.

23 Problemas e perspectivas
Alto custo computacional; Treinamento das Redes Neurais; Custos elevados; Mudanças na assinatura; Necessidade de várias assinaturas.

24 Problemas e perspectivas
Avanços tecnológicos; Algoritmos melhores; Redes Neurais mais eficazes; Incentivos econômicos; Conscientização de necessidade do uso.

25 Perguntas e respostas 1) Diga quais são os dois tipos de aquisição de
assinaturas que existem e qual sua diferença. R: A aquisição pode ser online ou offline. A diferença é que, na aquisição online, capturamos a assinatura no tempo em que ela é feita. Na offline capturamos a assinatura após ela ter sido escrita.

26 Perguntas e respostas 2) Para um reconhecimento de assinaturas adequado é necessário que haja um processamento de imagem adequado. Diga qual é a etapa mais complicada do processamento de imagem e qual a sua importância. Cite dois exemplos de processos empregados nesta etapa. R: A etapa mais complicada do processamento de imagem é a segmentação. A importância desta etapa é separar a imagem em objetos constituintes, permitindo que sejam posteriormente extraídas as características desta imagem. Os exemplos de processos usados nesta etapa são: limiarização (ou similaridade), crescimento de regiões, segmentação em bordas e esqueletização.

27 Perguntas e respostas 3) Cite quais são e explique sucintamente a função de cada uma das camadas de uma Rede Neural Artificial. R: As camadas de uma Rede Neural Artificial são: camada de entrada, camadas intermediárias (ou escondidas) e camada de saída. A camada de entrada é por onde os dados ou padrões são inseridos na rede. As camadas intermediárias fazem o processamento das entradas, baseados em somas ponderadas. É nesta camada que ocorre a ativação da função de saída. A camada de saída é responsável por levar ao observador externo o resultado da rede.

28 Perguntas e respostas 4) Diga qual a vantagem do uso de um agente externo no treinamento de uma Rede Neural. R: Usar um agente externo permite que seja apresentada à Rede a resposta esperada. Pode-se também avaliar de forma mais clara o desempenho da Rede.

29 Perguntas e respostas 5) Diga um problema e sua respectiva solução no
desenvolvimento de sistemas de reconhecimento de assinaturas. R: O alto custo computacional é um problema que pode ser resolvido com algoritmos melhores e Redes Neurais mais eficientes. O alto custo econômico pode ser resolvido com incentivos e com a popularização dos sistemas. O incômodo de ter de assinar várias vezes poderia ser sanado com a conscientização e popularização do uso destes sistemas.