Extração de Minucias de Impressão Digitais
Extração de Minucias de Impressão Digitais
Extração de Minucias de Impressão Digitais
Catalo - 2011
Cassiana da Silva Bonato
Catalo - 2011
da S. Bonato, Cassiana
Nmero de paginas: 58
A biometria a cincia que estuda a mensurao dos seres vivos. Por meio dessa
cincia possvel por caractersticas fsicas (como impresses digitais, retina) ou compor-
tamentais (assinatura, voz) a identificao humana. A impresso digital, o tipo escolhido
de caracteristica para esse projeto, composto por cristas, linhas distribudas pelo dedo
com uma orientao e um espaamento caracterstico, e por mincias que representam
os vrios modos pelos quais uma crista pode se tornar descontnua, sendo essa ltima a
caracterstica que gera a unicidade do tipo biomtrico. Apesar de muitos estudos explora-
rem tal tipo, no se pode consider-lo um tema totalmente resolvido. Nenhum sistema de
reconhecimento de impresses digitais proposto at hoje infalvel, ou seja, nenhum ga-
rante taxas de erro nulas. Assim, para superar essas limitaes, utiliza-se alguns mtodos
que ajudam na melhoria da acurcia do sistema, como tcnicas que melhoram a qualidade
da imagem da impresso digital para uma extrao de mincias mais exata. Esse tra-
balho estuda a tcnica de processamento de imagem chamada afinamento. Como forma
de mensurar a eficincia e eficcia de tal mtodo proposto neste trabalho implementar
o algoritmo de afinamento e test-lo , incorporando-o ao software NBIS, um programa
criado pelo NIST que faz o reconhecimento biomtrico por digitais, e por fim compara o
software original com o modificado com o objetivo de aumentar a acurcia do sistema.
i
Sumrio
1 Introduo 1
1.1 Descrio do Problema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Fundamentao Terica . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3 rea de Atuao e Escopo do Trabalho . . . . . . . . . . . . . . . . . . . . 4
1.4 Objetivos do Trabalho . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.5 Estrutura do Trabalho . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2 Biometria 6
2.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.2 Sistemas Biomtricos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.3 Tipos Biomtricos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.3.1 Reconhecimento Facial . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.3.2 Reconhecimento por ris . . . . . . . . . . . . . . . . . . . . . . . . 9
2.3.3 Reconhecimento por Retina . . . . . . . . . . . . . . . . . . . . . . 10
2.3.4 Reconhecimento por Assinatura . . . . . . . . . . . . . . . . . . . . 11
2.3.5 Reconhecimento por Voz . . . . . . . . . . . . . . . . . . . . . . . . 11
2.4 Consideraes Finais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3 Impresso Digital 14
3.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
3.2 Anatomia da Impresso Digital . . . . . . . . . . . . . . . . . . . . . . . . 14
3.3 Datiloscopia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
3.3.1 Histria da Datiloscopia . . . . . . . . . . . . . . . . . . . . . . . . 18
3.4 Sistema de Identificao Biomtrica por Impresses Digitais . . . . . . . . 21
3.5 Tcnicas de Reconhecimento . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.5.1 Baseada em Correlao . . . . . . . . . . . . . . . . . . . . . . . . . 23
3.5.2 Baseada em Mincias . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3.5.3 Baseada em Cristas . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.6 Tcnicas de Classificao . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.7 Consideraes Finais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
ii
4 Descrio dos Algoritmos NBIS e de Afinamento 29
4.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
4.2 Etapas do software NBIS . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
4.2.1 O Mdulo Mindtct . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
4.2.2 O Mdulo Bozorth3 . . . . . . . . . . . . . . . . . . . . . . . . . . 35
4.3 Afinamento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
4.3.1 Mtodo de Holt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
4.3.2 Mtodo de Stentiford . . . . . . . . . . . . . . . . . . . . . . . . . . 38
4.3.3 Mtodo Morfologia Matemtica . . . . . . . . . . . . . . . . . . . . 39
4.4 Estrutura do software NBIS Modificado . . . . . . . . . . . . . . . . . . . . 42
4.5 Consideraes Finais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
5 Comparao e Resultados 44
5.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
5.2 Materiais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
5.3 Metodologia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
5.3.1 Medidas de Desempenho . . . . . . . . . . . . . . . . . . . . . . . . 45
5.4 Resultados Experimentais . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
5.4.1 FAR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
5.4.2 FRR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
5.4.3 ERR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
5.5 Consideraes Finais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
6 Concluso 51
6.1 Concluses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
6.2 Trabalhos Futuros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
6.3 Dificuldades Encontradas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
Referncias 54
iii
Lista de Figuras
iv
5.3 Grfico comparativo de FAR do software NBIS e sua verso modificada. . . 48
5.4 Grfico comparativo de FRR do software NBIS e sua verso modificada. . 48
5.5 Grfico com os valores de ERR do software NBIS. . . . . . . . . . . . . . . 49
5.6 Grfico com os valores de ERR do software NBIS modificado. . . . . . . . 49
v
Lista de Tabelas
vi
Lista de Algoritmos
vii
Lista de Siglas
CA Correta Aceitao
CR Correta Rejeio
FA Falsa Aceitao
FR Falsa Rejeio
viii
ID Impresso Digital
ix
Captulo 1
Introduo
1
cimento para impresso digital (o software NBIS ) visando melhor-lo na etapa de pr-
processamento, por meio da operao de afinamento e por fim, exibir uma comparao
entre o algoritmo original e o melhorado por meio de mtricas de desempenho.
2
cao/identificao de indivduos visando a segurana do pas norte-americano. O NBIS
possui um cdigo aberto e gratito, que pode ser adquirido no site do NIST 1 , juntamente
com seu manual. Outro fato, que o programa est em constante evoluo, e encontra-se
atualmente na verso 3.4.
O software NBIS desenvolvido a partir da tcnica de reconhecimento baseada em
mincias e para o projeto sero executados os dois subprogramas principais pertecentes ao
software: o Minditct e o Bozorth3, onde o Mindict responsvel pela deteco das min-
cias e o Bozorth3 pelo casamento dos dois conjuntos de mincias (mincias da impresso
template e da impresso de consulta).
Quanto a comparao entre os algoritmos (NBIS original e NBIS com afinamento),
utilizada uma base de dados com as impresses digitais das integrantes do projeto
que so inseridas em um banco de dados. Para os testes sero utilizados as digitais dos
integrantes do projeto, podendo ser reconhecidos ou no pelos algoritmos, gerando dados
para as mtricas de desempenho.
Para comparar os dois algoritmos sero utilizados um conjunto especfico de mtricas
de desempenho para sistemas que tem como objetivo segurana, que so a Taxa de Falsos
Positivos e a Taxa de Falsos Negativos, que juntos formam a Taxa de Erro Igual.
A Taxa de Falsos Positivos (FAR - False Acceptance Rate) mede a frequncia em
que usurios no registrados so identificados pelo sistema, como um usurio registrado.
Enquanto que a Taxa de Falsos Negativos (FRR - False Rejection Rate) mede a frequncia
em que usurios registrados no so identificados pelo sistema. A Taxa de Erro Igual (EER
- Equal Error Rate) quando FAR e FRR so iguais. O objetivo das tcnicas possuir
baixas taxas de falsos positivos e negativos e de preferncia, conseguir uma taxa de erro
igual.
importante ressaltar, entretanto, que os requisitos de desempenho de um sistema
biomtrico variam de acordo com a aplicao. Em aplicaes forenses, aplicaes que
respondem questes de interesse legal, como investigao criminal, a taxa FRR a maior
preocupao, pois no se deseja descartar um possvel indivduo genuno, mesmo que seja
necessrio manualmente examinar um nmero grande de potenciais casamentos.
Num outro extremo, uma taxa FAR muito baixa deve ser o fator mais importante
para aplicaes de alta segurana, nas quais o objetivo no deixar impostores entrarem
mesmo que se tenha que incomodar muitos indivduos genunos. Entre esses dois tipos
de aplicaes, esto as aplicaes civis ou comerciais, nas quais se deve ter um equilbrio
entre a taxa FAR e a taxa FRR. Consequentemente, tais sistemas costumam ter seu limiar
ajustado prximo ao valor de EER [Maltoni et al., 2003].
1
http://www.itl.nist.gov/iad/894.03/nigos/nbis.html
3
1.3 rea de Atuao e Escopo do Trabalho
As reas relacionadas com o trabalho proposto so:
Assim, este trabalho se enquadra nas trs reas citadas devido a utilizao de um
software de identificao biomtrica que tem como tipo empregado a impresso digital
estudada pela datiloscopia. Com a modificao do programa NBIS pela a operao de
afinamento, a rea de computao grfica necessria j que tal operao uma etapa
de pr-processamento da imagem.
4
O captulo 2 aborda uma reviso da literria sobre a Biometria, tendo como objetivo
fornecer uma viso geral dos principais conceitos envolvidos nesse tema, iniciando com
uma introduo e seguindo com as caractersticas, os sitemas biomtricos, e os tipos
biomtricos mais conhecidos.
No terceiro captulo apresenta-se a impresso digital, tipo biomtrico utilizado no
trabalho, discutindo suas caractersticas anatmicas seguido de um estudo e um resumo
histrico sobre a cincia que permite a identificao humana por meio do uso das impres-
ses digitais, a datiloscopia. A seguir, discorre-se sobre os sistemas de reconhecimento
biomtrico por impresso digital, apresentando suas etapas, dando maior destaque s
principais abordagens utilizadas nos mtodos de reconhecimento de impresses digitais.
E por fim, apresenta as tcnicas de classificao das impresses digitais.
O quarto captulo descreve o software NBIS, por meio de seus sub-programas utilizados
nesse trabalho, sendo cada etapa dos sub-programas executados descrita individualmente.
Depois aborda-se diferentes tcnicas de afinamento, justificando a escolha de uma entre
tais.
No captulo 5 so feitas as comparaes dos resultados do NBIS original com o modi-
ficado, inicialmente apresentando os materiais e metodologia utilizados na execuo dos
softwares, bem como as medidas de desempenho usadas na comparao.
Por fim, no sexto captulo so abordadas as concluses da autora sobre o projeto e
tambm apresentado os trabalhos futuros que podem ser desenvolvidos a partir dos
resultados obtidos no presente trabalho. Depois so descritas as dificuldades encontradas
para a realizao do projeto.
5
Captulo 2
Biometria
2.1 Introduo
Segundo o dicionrio Aurlio, o significado da palavra biometria a cincia que es-
tuda a mensurao dos seres vivos, j que a palavra composta de dois elementos gre-
gos: bios, que significa vida e metron que tem como significado medida. O trabalho de
[Boulgouris et al., 2010] define a biometria como a cincia que procura identificar indiv-
duos baseando-se em caractersticas nicas. Para a tecnologia da informao uma melhor
definio sugere que a biometria refere-se utilizao de caractersticas fsicas (impresses
digitais, ris, retina, entre outras) ou comportamentais (assinatura, voz, entre outras) para
estabelecer a identidade de uma pessoa [Commision, 2011].
Atualmente existe uma gama de situaes em que a identificao de pessoas neces-
sria, desde do acesso locais de trabalho e sistemas de informaes at situaes mais
crticas como a preveno de atos terroristas. Assim, os sistemas automticos de reconhe-
cimento biomtrico se tornaram uma alternativa efetiva para tais casos, principalmente
pelo fato de que os identificadores biomtricos no podem ser esquecidos, compartilhados,
perdidos ou roubados, como ocorre facilmente com os mtodos mais tradicionais de reco-
nhecimento como o baseado em posse (cartes) e o baseado em conhecimento (senhas).
Logo, este captulo apresenta mais conceitos sobre os sistemas biomtricos, bem como,
discorre sobre alguns dos principais tipos biomtricos existentes.
6
cipais: registro e reconhecimento ou identificao [Jain et al., 2004]. Na fase de registro,
o sistema faz a captura da caracterstica biomtrica do indivduo, por meio do leitor bi-
omtrico e a converte para o formato digital com o objetivo de armazen-la no banco de
dados. A representao de uma caracterstica biomtrica adquirida no passo de registro
denominada template. J na fase de reconhecimento ou identificao, o sistema nova-
mente faz a captura e converte a caracterstica biomtrica apresentada naquele instante
para o formato digital, para depois compar-la com os templates j armazenados.
A fase de reconhecimento de um sistema biomtrico pode ser feita por meio de: ve-
rificao/autenticao, em que o usurio fornece um nmero de identificao e um trao
biomtrico e o sistema confere o trao biomtrico ou identificao, onde o usurio fornece
um trao biomtrico e o sistema pesquisa a base biomtrica e determina a identidade da
pessoa [Pontes, 2009]. As etapas de um sistema biomtrico so representadas abaixo na
Figura 2.1.
7
2.3 Tipos Biomtricos
Esta seo apresenta um breve estudo sobre os principais mtodos biomtricos como
reconhecimento facial, por ris, por retina, geometria da mo, por assinatura e por voz,
com exceo da impresso digital que por ser o tipo de estudo do projeto abordado em
um captulo em particular (Captulo 3, a seguir).
8
da barba (imagens b)), assim bem provvel que o usurio no seja reconhecido.
A terceira dificuldade na deteco de faces a no previsibilidade das condies da
imagem em ambientes sem restries de iluminao, cores e objetos de fundo. Devido
ao fato das faces apresentarem estruturas tridimensionais, a mudana na distribuio de
fontes de luz pode criar ou esconder sombras na face, resultando em uma variabilidade
maior que as manipulveis em imagens bidimensionais.
Figura 2.2: Imagens usadas no reconhecimento: a) geradas por software utilizando pon-
tos para o reconhecimento; b) variaes que podem prejudicar a identificao. Fonte:
[Jiang et al., 2000]
9
mente calcula a quantidade da divergncia de bits entre as codificaes. [Romano, 2010].
Por conta de sua preciso e aceitabilidade o reconhecimento pela ris vem se tor-
nando cada vez mais usado nos sistemas de automao biomtricos, sendo, segundo
[Daugman, 1999], o mtodo de reconhecimento por ris denominado IrisCode o mais uti-
lizado.
10
No processo de identificao a imagem formada pelos vasos sanguneos avaliada,
medindo os padres de vasos sanguneos usando um laser de baixa intensidade e uma
cmera. Tais equipamentos requerem pessoal especializado para serem manipulados, alm
de terem um custo elevado.
Outra desvantagem que no h como realizar esse tipo de autenticao sem a co-
laborao do indivduo, j que o procedimento demasiadamente incmodo devido a
necessidade de aplicao de contrastes e dilatao da pupila, alm do indivduo necessitar
de retirar os culos (caso os possua) e colocar o olho perto do leitor da retina, focar um
determinado ponto e permanecer imvel durante 10 a 15 segundos [Newsportal, 2011].
11
2.4 Consideraes Finais
Cada mtodo biomtrico possui vantagens e desvantagens, como pode ser visto na
Tabela 2.1, para a escolha do melhor mtodo necessrio atentar-se s principais carac-
tersticas procuradas em um sistema biomtrico:
Tabela 2.1: Comparaes entre os tipos biomtricos. Fonte: [Gregory e Simon, 2008]
12
uma grande aceitabilidade comprovada, por satisfazer as caractersticas de rapidez, preci-
so e segurana, alm de ser o tipo mais estudado ao longo dos anos, por ser um mtodo
de reconhecimento de pessoas usado a mais de um sculo pelos forenses. Tal mtodo
aprofundado no Captulo 3.
13
Captulo 3
Impresso Digital
3.1 Introduo
A impresso digital o identificador biomtrico mais comumente utilizado pelo fato
de praticamente todo ser humano possuir impresso digital, ser distinta at mesmo entre
gmeos idnticos e no existir co-relao entre as impresses dos diferentes dedos de um
indivduo, alm de, mesmo diante de mudanas temporrias (como cicatrizes e cortes),
ela se regenera, voltando para sua forma original. Ou seja, possui alta unicidade e per-
manncia, alm de grande aceitabilidade dos usurios e baixo custo [Maltoni et al., 2003],
[Bonato e Finzi Neto, 2011] e [Pankanti et al., 2000].
As digitais, ou desenhos digitais, so desenhos formados por dobras cutneas das
polpas dos dedos das mos e dos ps que tambm possuem desenhos digitais.
Neste captulo so expostas as caractersticas anatmicas das digitais, os conceitos e o
histrico da datiloscopia, a cincia que as estuda, alm de falar sobre os sistemas biom-
tricos de impresso digital. Depois so apresentadas as principais abordagens utilizadas
nos mtodos de reconhecimento de impresses digitais, aprofundando-se nos mtodos ba-
seados em mincias e em cristas, objetos de estudo deste trabalho. E por fim, discorre-se
sobre as tcnicas mais comuns de classificao das impresses digitais.
14
(onde encontram-se os poros). Quando os relevos se assemelham a um vale so chamados
de sulcos interpapilares [Pasquali e Arajo, 2011]. A Figura 3.1 mostra um corte lateral
da pele, onde possvel identificar as cristas, as papilas e os sulcos interpapilares.
O desenho digital, tem sua imagem transferida para a superfcie suporte atravs do
toque do dedo quando as glndulas sudorparas e sebceas eliminam suor e substncias
gordurosas que se encontram nas camadas subcutneas e so eliminadas pelos poros que
ficam na superfcie das cristas papilares. Assim, quando se toca uma superfcie, reproduz-
se com perfeio os desenhos digitais formados pelas papilas pela transferncia dessas
substncias [Tavares Jnior, 1991], essa reproduo chamada de impresso digital.
15
Pontos caractersticos que so acidentes encontrados nas cristas papilares e possuem
a finalidade de estabelecer a identidade das impresses papilares;
Alm desses elementos, outras estruturas importantes encontradas nas impresses digi-
tais so as mincias. Segundo [Maltoni e Cappelli, 2008], mincia, no contexto de impres-
ses digitais, se refere aos vrios modos pelos quais uma crista pode se tornar descontnua.
De acordo com [Costa, 2001] as mincias so resumidamente classificadas dentro de
duas categorias: os aspectos bsicos e aspectos compostos. Onde os aspectos compostos
so constitudos a partir de aspectos bsicos. A leitura das mincias na impresso digital
deve ser feita da esquerda para a direita [Tavares Jnior, 1991], ou seja, no sentido horrio.
Tem-se como exemplo de aspectos bsicos a crista final e a crista bifurcada que podem
ser vistas na Figura 3.3. A crista final definida como um ponto onde a crista termina e
a crista bifurcada como um ponto onde a crista se divide em duas.
Nos aspectos compostos tem-se ilhas, cruzamentos, esporas e cristas curtas que esto
representados na Figura 3.4. As ilhas ou lagos so formados por duas bifurcaes conec-
tadas, que se contornam e retornam ao rumo de origem. Os cruzamentos ou pontes so
16
definidos como duas ou mais bifurcaes com um caminho conectando-as. Esporas so
formadas pela combinao de cristas bifurcadas e finais. E cristas curtas so definidas
como pequenas cristas finais.
Esses elementos apresentados criam possibilidades para a identificao das pessoas pela
impresso digital, objeto de estudo da datiloscopia, que abordada na prxima seo.
3.3 Datiloscopia
A datiloscopia uma cincia que permite a identificao de pessoas pela comparao
de impresses digitais, impressas em papel ou armazenadas em mdia magntica. Essa
comparao envolve a verificao das mincias [Kehdy, 1968]. O nome datiloscopia
constitudo de dois elementos gregos, daktylos que significa dedos e skoplin, que tem
como significado examinar, portanto estudo dos dedos, ou seja, das impresses digitais.
A datiloscopia divide-se em trs ramos:
17
Civil: a aplicada identificao para fins civis, isto , expedio de documentos
de identidade;
Clnica: estuda as perturbaes que ocorrem nos desenhos digitais, como consequn-
cia dos exerccios de certas profisses ou de estados patolgicos.
Segundo Tavares Jnior [Tavares Jnior, 1991] existem quatro postulados1 da datilos-
copia. So elas:
Perodo Pr-Histrico
Sabe-se que o homem primitivo tinha por hbito marcar os seus objetos e sua ca-
verna. Estas eram marcadas com o desenho de uma das mos e, geralmente, a esquerda,
levando a crer que era gravado por ele prprio, utilizando a mo direita. No geral, o pro-
cesso empregado era o decalque sobre a argila, reproduzindo as cristas e sulcos papilares
1
Uma proposio que se aceita sem demonstrao.
2
Decomposio das matrias orgnicas nitrogenadas pela ao de microrganismos com formao de
gases ftidos em cadveres.
18
da palma da mo e das extremidades digitais, previamente impregnadas de substncia
corante, como pode ser visto abaixo na Figura 3.5.
Perodo Emprico
Perodo Cientfico
1788: Mayer faz uma descrio detalhada da formao anatmica das impresses
digitais, na qual um grande nmero de caractersticas das cristas foi identificado;
1809: Thomas Bewick comeou a utilizar sua impresso digital como marca re-
gistrada, o que foi considerado como um dos mais importantes marcos no estudo
cientfico de reconhecimento de impresses digitais [Moenssens, 1971];
3
Pequena salincia cnica, na superfcie da pele ou das mucosas, formada de ramificaes nervosas ou
vasculares.
19
1823: Joo Purkinje apresentou uma classificao para os desenhos das papilas,
agrupando-os em nove tipos fundamentais. Foi a primeira categorizao existente
para impresses digitais;
1858 a 1878: Willian James Herschel e Henry Faulds fizeram separadamente pro-
postas cientficas sobre a perenidade e individualidade, respectivamente, de impres-
ses digitais baseada em observaes empricas [Lee e Gaensslen, 2001]. Faulds for-
neceu este conceito para a Polcia Metropolitana de Londres, mas o mesmo foi
descartado;
1888 a 1892: Francis Galton por meio de um estudo extensivo sobre impresses
digitais introduziu o uso das mincias no casamento de impresses digitais. Galton
ainda publicou um detalhado modelo estatstico para anlise e identificao de im-
presses digitais e encorajou o seu uso pela cincia forense em seu livro chamado
Finger Prints;
1900: Edward Henry em seu livro denominado Classification and Uses of Fin-
gerprints exps seu novo sistema de identificao, adotando quatro tipos funda-
mentais, que sero melhor abordados mais a frente no trabalho: Arcos, Presilhas,
Verticilos e Compostos, que so a combinao dos trs tipos anteriores;
20
1960: No incio dos anos 60, o FBI e o Departamento de Polcia de Paris comearam
a investir no desenvolvimento de AFIS [Maltoni et al., 2003];
21
Os leitores biomtricos de impresso digital que do incio as etapas do AFIS podem
ser de trs tipos, caracterizados pelos sensores utilizados:
22
Baseada em mincias: consiste em encontrar o alinhamento entre o conjunto de
mincias do template e da imagem de consulta que resulta no nmero mximo de
pares de mincias;
Bazen et al. [Bazen et al., 2000] apresentaram um mtodo dessa categoria que usa
a tcnica de correlao local nas impresses digitais.
23
mincia, onde x e y so as coordenadas de localizao da mincia e , o ngulo da
mincia.
Assim, os mtodos dessa abordagem so baseados em algoritmos de casamento de
pontos, que consistem em encontrar uma transformao no plano como deslocamento,
rotao e escala, em que o conjunto de pontos do template corresponda ao conjunto de
pontos da imagem de consulta.
Entre os exemplos de algoritmos de reconhecimento de impresses digitais baseado em
mincias, tem-se:
NBIS (NIST Biometrics Image Software) possui um cdigo aberto e gratito, foi
criado para utilizao do FBI [NIST, 2011], sendo esse algoritmo de reconhecimento
de digitais para fins de teste e comparao com sua verso modificada com a tcnica
de afinamento utilizado nesse trabalho;
24
de transpirao, informao de textura global e local, forma da crista e caractersticas
fractais.
Cada impresso digital representado por um vetor de caractersticas de tamanho fixo
(80 linhas por 8 colunas), chamado Finger Code [Maltoni, 2005], contendo as informaes
citadas acima.
Essa tcnica possui uma extrao mais confivel de mincias em imagens de menor
qualidade, sendo que o consumo de tempo na extrao de mincias e recursos adicionais
podem ser usados em conjunto com as mincias para aumentar a preciso e robustez
do sistema. Entre os exemplos de algoritmos de reconhecimento de impresses digitais
baseado em cristas, tem-se:
O estudo de Jain et al. [Jain et al., 2000b] que propuseram uma tcnica de anlise
de textura locais onde a rea de interesse da impresso digital definida com relao
ao ponto central da impresso;
O mtodo de Stosz e Alyea [Stosz e Alyea, 1995] que usa os poros de transpirao
e, portanto, requer leitores de alta resoluo.
25
Figura 3.7: As classes de impresses digitais usadas por Henry. Fonte: [Kehdy, 1968]
Arco Angular: a digital apresenta um formato de tenda nas linhas no centro. Pode
possuir um delta, e uma linha ou fragmento dela entre o delta e o ncleo;
26
Abordagem Sinttica: um conjunto de padres aplicado por meio de uma lingua-
gem formal para descrio e reconhecimento dos padres. Tais padres se baseiam
nos tipos de linhas, descoberta do paralelismo e continuidade das cistas, ncleos e
deltas, etc. A representao feita na forma de vetores que podem ser comparados
com o conjunto de padres personalizado por cada pesquisador, por exemplo em
[Moayer e Fu, 1976] e [Blue et al., 1994];
27
serem nicas, imutveis, variveis e classificveis, o que possibilita extrair seus atributos
com o intuito de identificao e verificao. A extrao das mincias s possvel graas as
tcnicas de reconhecimento por correlao, cristas e mincias, esta ltima sendo abordadas
mais profundamente no prximo capitulo, por ser parte fundamental deste trabalho.
28
Captulo 4
4.1 Introduo
Este captulo apresenta as etapas dos algoritmos pertencentes ao software NBIS, dis-
correndo sobre o funcionamento de cada etapa. Alm disso, nesse captulo so discutidos
alguns algoritmos de afinamento, j que tanto o software e a tcnica de afinamento so
partes fundamentais do projeto.
29
Figura 4.1: Etapas do Mindtct. Fonte: [Falguera, 2008]
30
Ao determinar a direo das cristas de um bloco, cada uma das janelas tem suas
orientaes analisadas. Cada linha rotacionada da janela tem as orientaes de seus
pixels somados juntos, formando um vetor de 24 somas pixel /linha. Cada vetor de somas
adicionado com quatro formas de onda com frequncias cada vez maiores, ilustradas na
Figura 4.2.
31
Figura 4.3: Resultado do processo de mapa direcional. Fonte: [Costa, 2001]
32
Figura 4.4: Estrutura da grade rotativa de binarizao. Fonte: [Watson et al., 2004]
Essa grade tem como estrutura 7 pixels de largura e 9 pixels de altura. Com o pixel
de interesse no centro, a grade rotacionada de forma que suas linhas fiquem paralelas ao
fluxo direcional da crista. Intensidades em tons de cinza do pixel so acumulados ao longo
de cada linha rodada na grade, formando um vetor de somas da linha. O valor binrio a
ser atribudo ao pixel central determinado multiplicando a soma da linha central pelo
nmero de linhas na grade e comparando esse valor com a intensidade acumulada em tons
de cinza dentro da grade inteira. Se a soma da linha central multiplicada inferior a
intensidade total da grade, ento o pixel central definido como preto, caso contrrio, ele
definido como branco.
A etapa de binarizao fundamental para o xito da deteco das cristas e das
mincias, logo desejvel preservar as informaes de estrutura (cristas e vales) da imagem
ao mximo possvel, para que as mincias no sejam perdidas e que tambm no sejam
geradas falsas mincias. A Figura 4.5 apresenta o resultado da binarizao desenvolvida
pela autora do projeto.
33
zados so descritos na Figura 4.6. So dois padres representando terminaes e o resto
dos padres representa diferentes bifurcaes. Esses padres recebem ainda o atributo
aparecendo/desaparecendo que serve para representar a direo da crista.
Figura 4.6: Padres usados para a deteco de mincias. Fonte:[de Oliveira, 2006]
O Cdigo 4.1 [Watson et al., 2004] mostra uma parte do algoritmo de remoo de
ganchos. No geral, os algoritmos analisam a distncias dos pontos extremos (como na
linha 1), a largura (em pixels) da mincia, alm de realizar operaes como rotao
34
e translao, anlise das bordas(linha 4) e direo da crista (linha 2), caso os pontos
ultrapassem a distncia e ngulo, sejam do mesmo tipo e a borda da mincia seja ainda
a mesma, essa mincia falsa pois no caracteriza um mincia vlida, por no se tratar
de uma termino ou bifurcao.
Por fim, a ltima etapa do programa Mindtct, contagem de mincias vizinhas, que diz
respeito identificao e registro das oito mincias mais prximas e o nmero de cristas
existentes entre cada mincia e a sua vizinha. A utilizao das mincias vizinhas dentro
de um quadrante especificado um atributo comum utilizado nos AFIS [FBI, 2006].
Dado um ponto de mincia, os vizinhos mais prximos abaixo (na mesma coluna
do pixel ), e direita na imagem so selecionados. Esses vizinhos mais prximos so
classificados em ordem de sua direo, iniciando verticalmente e com a leitura no sentido
horrio. A parte final da etapa de extrao de mincias feita pelo programa Bozorth3
que apresentado na prxima subseo.
35
Figura 4.8: Etapas do Bozorth3. Fonte: [Falguera, 2008]
36
as arestas feitas a partir dos vrtices correspondentes.
Logo, a pontuao deve ser alta se as duas impresses forem do mesmo dedo e baixa
se no forem. Dificilmente, a tabela consegue representar todas as mincias compatveis.
Assim, no geral, se o score (tambm chamado de pontuao e limiar) maior que 40
indica um casamento com boa margem de segurana, porm dependendo da aplicao
podem ser usados menores ou maiores scores. O score de 40 mincias em comum tido
como padro para muitos AFIS, inclusive utilizado pelo software NBIS.
O padro do Mindctc reconhece as 150 melhores mincias para cada dedo, apesar de
uma digital ter normalmente menos do que 80 mincias (ou seja, o padro de 40 mincias
a correspondencia de pelo menos 50% da mincias do dedo). Por isso se torna necessrio a
remoo de falsas mincias. O Bozorth3 deixa em aberto a definio de quantas mincias
sero consideradas para o casamento [Watson et al., 2004].
4.3 Afinamento
O afinamento, tambm conhecido como thinning uma tcnica que pode ser usada
para remover pontos isolados no fundo da imagem e ngulos retos ao longo de bordas dos
objetos [Mehtre, 1993]. Um algoritmo de afinamento para ser eficiente deve compactar
dados, manter as propriedades significativas dos padres e eliminar rudos sem introdu-
zir distores. Alm disso, o algoritmo deve ser simples e rpido, o que um desafio
[Gonzalez e Woods, 1987] e [de Souza, 2006].
No geral, o algoritmo de thinning primeiro percorre o objeto marcando pixels que sero
removidos, para que em um segundo momento eles sejam realmente eliminados. Esses dois
passos so repetidos at que no existam mais pixels redundantes, sobrando apenas os
pixels que pertencem ao esqueleto do objeto. Esses passos so executados respeitando
algumas propriedades como as regies afinadas precisam ter um pixel de largura, manter
a conectividade e a forma original do objeto.
Existem alguns diferentes mtodos de afinamento na literatura como o afinamento de
Holt, de Stentiford e de Morfologia Matemtica, nas prximas subsees tais mtodos so
apresentados.
37
e elimina esse problema por meio da execuo de quatro mscaras (Figura 4.9) sobre
o esqueleto de imagem. Esse processo elimina o pixel central das mscaras mostradas
caso qualquer um dos pixels indicados por X tiver valor zero (0) pois assim, no causar
problemas na forma ou na conectividade do objeto.
38
trando todos os pixels coincidentes de imagem e verificando-os. Depois todas as mscaras
percorrem a imagem (mesmo processo apresntado para a M1), os pixels marcados tm
seus valores alterados para 0 (remoo). Por fim, se algum ponto foi removido, o algoritmo
recomea com a imagem resultante. Se no, o algoritmo termina.
Infelizmente, o mtodo de Stentiford apresenta alguns problemas na gerao da ima-
gem afinada segundo [Corra e Festa, 2005]:
Quando h uma interseco de duas linhas, ao ser afinada o que produz um segmento
alongado (chamado de Necking).
Quando tem-se uma unio de duas linhas, e o ngulo entre tais relativamente
pequeno, surge um segmento no correspondente a nenhuma parte da imagem (co-
nhecido como Tailing).
Qualquer pixel que esteja na borda do objeto que est sendo afinado, pode criar um
segmento que ser considerado como pertencente ao esqueleto (chamado de Line
Fuzz ).
39
2 Imagem ITemp1 , ITemp2 ; // V a r i a v e i s a u x i l i a r e s do t i p o imagem .
3 C=c o n j u n t o de mascaras ; //As mascaras a p r e s e n t a d a s u t i l i z a d a s no
processo .
4
5 I n t e i r o n r o A l t e r c o e s =1; // I n d i c a o t o t a l de p o n t o s m o d i f i c a d o s
f e i t a s na imagem .
6 Itemp1 = I ; //ITemp1 r e c e b e a imagem de e n t r a d a .
7 while ( n r o A l t e r a c o e s <> 0 ) // Enquanto h o u v e r o que m o d i f i c a r na
imagem p e r c o r r e s e cada mascara do c o n j u n t o
8 fo r ( cada e l e m e n t o de C)
9 n r o A l t e r a c o e s = 0 ; // R e i n i c i a o t o t a l de p o n t o s m o d i f i c a d o s .
10 P e r c o r r a a ITemp1 p i x e l a p i x e l // Percorre s e a imagem da
e s q u e r d a para a d i r e i t a , de cima para b a i x o .
11 i f C[ e ] = = ITemp1 [ p i x e l Atual ] // Se a p a r t e da imagem sendo
a n a l i s a d a f o r i g u a l a mascara .
12 ITemp2 [ p i x e l A t u a l ] = 1 ; //O p i x e l em uma nova imagem r e c e b e 1 .
13 e l s e // Caso c o n t r a r i o , r e c e b e 0 .
14 ITemp2 [ p i x e l A t u a l ] = 0;
15 ITemp2 [ p i x e l A t u a l ] = ITemp1 [ p i x e l A t u a l ] AND Itemp2 [ p i x e l A t u a l ] ;
// R e a l i z a a o p e r a c a o and nas duas imagens a u x i l i a r e s .
16 n r o A l t e r a c o e s = n r o A l t e r a c o e s +1; // Incrementa o t o t a l de
pontos modificados .
17 Itemp1 = Itemp2 ; // S u b s t i t u i a Itemp1 p e l a imagem m o d i f i c a d a .
18 I = Itemp1 ; // S u b s t i t u i a imagem de e n t r a d a p e l a m o d i f i c a d a .
19 return I ;
40
Figura 4.11: Mscaras utilizadas no processo de afinamento. Fonte:[Casado, 2008]
O afinamento pelo mtodo Morfologia Matemtica foi o escolhido para ser implemen-
tado neste porjeto, pois como pode ser visto na Tabela 4.1, apresenta menos desvantagens
em comparao aos outros mtodos estudados no projeto.
Mtodo de
Holt X X X
Mtodo de
Stentiford X X X X
Mtodo
Morfologia X
Matemtica
41
Figura 4.12: Resultado do processo de afinamento.
A opo pela etapa de afinamento ser posicionada aps a tcnica de binarizao segue
os moldes de outros estudos como [Marana e Jain, 2005] e [Maltoni et al., 2003], onde
pode-se observar que o afinamento tem melhores resultados em imagens preto e branco
por simplificar a comparao com as mscaras de afinamento.
42
4.5 Consideraes Finais
Esse captulo apresentou por meio de uma reviso literria, o mtodo de reconheci-
mento por mincias o software NBIS, e tambm diferentes tcnicas de afinamento criadas
ao longo do tempo, mostrando que a tcnica vem criando maturidade. E por meio dos
estudos dessas tcnicas de afinamento, o mtodo por morfologia matemtica foi o esco-
lhido para a utilizao no projeto, por ser o mtodo de afinamento melhor recomendado
dos apresentados segundo os trabalhos de [Corra e Festa, 2005] e [Guilherme, 2007] e
tambm por possuir menos desvantagens, como pde ser visto na Tabela 4.1. A partir de
tais apresentaes possvel estudar e entender os resultados das comparaes que so
apresentados no prximo captulo.
43
Captulo 5
Comparao e Resultados
5.1 Introduo
Esse captulo apresenta os hardwares e softwares utilizados para execuo do software
de reconhecimento estudado no captulo anterior, alm da metodologia e as medidas de
desempenho usada na comparao do NBIS original com o modificado, aprofundando-se
no estudo das medidas como as taxas de erro. Por fim, so apresentados os resultados da
execuo e comparao entre os softwares.
5.2 Materiais
Para a anlise individual do desempenho dos mtodos estudados, foi utilizado o leitor
Fingerkey Hamster DX da Nitgen
R
, disponibilizado pelo Departamento de Cincia da
Computao da Universidade Federal de Gois - Campus Catalo. A Tabela 5.1 mostra
as caractersticas desse leitor.
Tabela 5.1: Caractersticas do leitor Fingerkey Hamster DX. Fonte: [Nitgen, 2005]
Tipo ptico
rea de captura e leitura Prisma de vidro
Captura Qualquer ngulo (360 )
Interface USB
Resoluo 500 DPI
rea de captura 16 x 18 milmetros
Tempo de captura 300 milissegundos
Tamanho da Imagem 248 x 292 pixels
44
Figura 5.1: Exemplo de imagem capturada pelo leitor.
Todas as aplicaes foram executadas em uma mquina com processador Intel Core
i3 de 2.40 GHz, 4Gb de memria RAM, onde o software NBIS foi executado no sistema
operacional Linux Ubuntu 10.4 e o compilador gcc. Como o NBIS feito na linguagem
C, a tcnica de afinamento tambm foi implementada nessa linguagem.
5.3 Metodologia
A metodologia utilizada para a comparao do NBIS original e modificado pode ser
dividida em duas fases:
A primeira fase o registro de 20 impresses digitais, sendo tais impresses da autora
e da orientadora do projeto, em ambos os softwares, onde tais vo realizar suas etapas
para extrao de caractersticas e armazen-las para uma comparao posterior.
A segunda fase a utilizao das medidas de desempenho (abordados na prxima
subseo) para reconhecimento do usurio que poder gerar sua impresso de consulta
em trs diferentes ngulos (0o , -45o e 45o ) e assim observar as taxas de aceitao, rejeio,
falsos-positivos e falsos-negativos de cada mtodo.
45
Taxas de Erro
A partir dos valores apresentados acima pode-se calcular duas taxas de erro: a Taxa
de Falsa Aceitao (FAR) e a Taxa de Falsa Rejeio (FRR).
A FAR trata-se da probabilidade de se aceitar um usurio impostor, ou seja, a possibi-
lidade de duas imagens de indivduos diferentes serem consideradas semelhantes. Tambm
conhecida como taxa de falsos - positivos pode ser calculada por meio da expresso 5.1:
FA
F AR = (5.1)
F A + CR
O FRR trata-se da probabilidade de duas imagens do mesmo indivduo serem consi-
deradas diferentes, ou seja, a possibilidade de se rejeitar um usurio autntico. Tal taxa
tambm chamada de falsos - negativos e calculada pela expresso 5.2:
FR
F RR = (5.2)
F R + CR
Pode-se observar que essas taxas podem ser expressas a partir dos casamentos autn-
ticos e dos casamentos impostores feitos pela aplicao.
Em um sistema biomtrico ideal, ambas as taxas deveriam ter valor zero. Infelizmente,
esses sistemas no so perfeitos, assim, para cada aplicao deve-se determinar quais as
necessidades do usurio. Baseando-se no grfico das distribuies, pode-se mudar o valor
do limiar ( ) para reduzir a taxa de falsa aceitao (FAR), tornando o sistema mais seguro,
porm aumentando a taxa de falsa rejeio (FRR) incomodando usurios autnticos. Por
outro lado, movendo o limiar para o lado oposto, o sistema torna-se menos seguro, mas
permite maior variabilidade entre os templates do mesmo indivduo.
Uma medida nica pode ser adotada para caracterizar o nvel de segurana do sistema
biomtrico. Essa medida chamada da Taxa de Erro Igual (EER) que denota a taxa
46
de erro a um dado limiar ( ) em que a taxa de falsa aceitao e a taxa de falsa rejeio
assumem o mesmo valor: F AR( ) = F RR( ) [Nanni e Lumini, 2007]. A Figura 5.2
mostra um exemplo das curvas F RR( ) e F AR( ), onde o ponto correspondente ao valor
de EER destacado.
5.4.1 FAR
A partir da metodologia explicada na seo 5.3 gerou-se o grfico com os valores FAR
para o softwre NBIS e para a sua verso modificada, apresentado na Figura 5.3. Pode-
se observar que o software utilizando o padro de score de 40 mincias em comum1 , o
programa no aceitou nenhuma impresso digital que no foi registrada e tambm pode-se
notar que em ambos os programas os valores foram idnticos.
1
Visto na seo 4.2.2.
47
Figura 5.3: Grfico comparativo de FAR do software NBIS e sua verso modificada.
5.4.2 FRR
A Taxa de Falsa Rejeio da verso original do softwre NBIS e o software NBIS
modificado com a operao de afinamento pode ser vista na Figura 5.4, pode-se notar que
nos valores FRR houve divergncia entre as verses e que quanto maior a exigncia de
score no casamento das mincias, maior a taxa de falsos negativos.
Figura 5.4: Grfico comparativo de FRR do software NBIS e sua verso modificada.
5.4.3 ERR
Em relao a Taxa de Erro Igual, observa-se na Figura 5.5 que ela encontrada com
o limiar no valor 16 ( = 16) para o software NBIS, pois em tal ponto ambas as taxas
(FAR e FRR) tem como valor 0,17.
48
Figura 5.5: Grfico com os valores de ERR do software NBIS.
49
e imagem de consulta, j que no NBIS houve uma mdia de 50,05 mincias de score,
enquanto o programa modificado possui de mdia, 60,6 mincias.
Quanto aos valores de falsa aceitao, os dois softwares tiveram o mesmo desempenho,
onde se pode concluir que o software criado pelo NIST possui uma alta segurana, pois
o sistema s aceita um usurio inexistente quando o limiar usado muito baixo ( = 20)
para os padres utilizados em sistemas de reconhecimento.
Pode-se notar tambm que o programa com a operao de afinamento a ERR en-
contrada no limiar valorado como 20, um limiar mais alto que o encontrado no NBIS
( = 16), tendo como taxa igual 0,1, taxa tambm menor que a encontrada no software
original de 0,17. Assim, observa-se que o NBIS modificado possui uma melhor segurana
e comodidade pois aceita menos impostores e rejeita menos usurios cadastrados.
50
Captulo 6
Concluso
6.1 Concluses
Por meio da biometria, criou-se um novo modo de reconhecimento de pessoas, que no
se utiliza de senhas que podem ser esquecidas ou objetos que podem ser roubados, pois o
reconhecimento feito apartir de caractersticas pertencentes ao usurio.
Uma das caractersticas mais pesquisadas e aplicadas na biometria (sendo o tipo estu-
dado no projeto) a impresso digital, que tem grande parte de sua maturidade graas a
sua utilizao forense, j que os pontos (mincias) que garantem a unicidade das digitais
so as mesmos em ambas as reas.
Por meio da automao o trabalho feito pelos forenses se tornou mais rpido, pois
elimina algumas rotinas repetitivas do trabalho manual dos especialistas como o manuseio
de bancos de dados. A extrao dos pontos nicos na automao feito por tcnicas que
buscam tais pontos e salvam suas caractersticas como coordenadas, orientao e textura
da crista. Antes da digital passar pela tcnica de extrao escolhida, assim como em
outros tipos biomtricos, operaes de processamento da imagem que contribuem para a
diminuio de rudos na imagem da impresso digital so executadas, tendo como objetivo
garantir uma imagem limpa, para evitar mincias falsas.
Esse projeto teve como proposta modificar o software NBIS, sistema de reconheci-
mento biomtrico por impresso digital desenvolvido pela NIST, adicionando a operao
de afinamento na etapa de processamento da imagem que tem como objetivo afinar os
contornos da imagem para a largura de 1 pixel. Esse NBIS modificado foi comparado com
o completamente desenvolvido pela NIST, afim de demonstrar se tal modificao melhora
a eficincia do sistema.
Para comprovar e comparar a eficincia de ambos os programas, foram utilizados
as mtricas de desempenho comuns em sistemas de segurana como a Taxa de Falsos-
Positivos (FAR), a Taxa de Falsos-Negativos (FRR) e por fim a Taxa de Erro Igual
51
(ERR), que buscam mostrar a segurana (menor nmero de impostores sendo aceitos) e
comodidade (menor nmero de usurios efetivos sendo rejeitados) do sistema.
A avalio pode ser vista por meio dos grficos comparativos de tais taxas, onde a FAR
encontrada em ambos os programas so muito semelhantes, se diferenciando apenas em
limiares muito baixos (apartir de 18), onde o software modificado aceitou menos impos-
tores. importante ressaltar que limiares desses valores so impraticveis nos sistemas
biomtricos e o prrio NBIS utiliza como limiar padro o valor 40, onde pode-se notar
que ambos tiveram os mesmos resultados, 100% de rejeio pessoas no registradas,
mostrando que o programa do NIST preza a segurana com eficincia, pois em limiares
padres no comete o erro de deixar pessoas no cadastradas terem acesso a locais ou
informaes.
Quanto na FRR, os valores encontrados possuem maiores divergencias entre as duas
verses, a operao de afinamento diminuiu as taxas de falsa rejeio principalmente no
intervalo dos limiares cujo valor est na faixa de 20 a 40, isso se d ao fato, como j foi
dito, do aumento de 10 mincias de score encontradas em mdia, pois com o afinamento,
os contornos so melhores definidos, j que possuem apenas um nico pixel de largura,
evitando confuses nas coordenadas das mincias.
Na ERR o valor do limiar onde o FRR e FAR do programa NBIS de 16, com a
probabilidade de 0,17. Esse resultado maior que o encontrado na sua verso modificada
em que o limiar 20 e a probabilidade de 0,1. Assim, pode-se dizer que a modificao
foi benfica em todas as taxas no geral, pois todas apresataram reduo de erros, porm
se forem analisados apenas limiares utilizveis, a diferena entre os dois programas
encontrada apenas na taxa de falsa-rejeio, o que torna a utilizao da verso modificada
vantajosa em sistemas que buscam comodidade ao usurio, no qual ele no necessite
repetir o procedimento de identificao novamente por conta de uma falsa rejeio. Em
termos de segurana, ambos no aceitaram nenhuma pessoa no cadastrada (em limiares
utilizveis), ento pode-se concluir que so equivalentes nesse aspecto.
Por fim, pode-se concluir que o afinamento consegue uma pequena melhora no soft-
ware NBIS, que pode ser vantajoso em sistemas que buscam maior comodidade aos seus
usurios.
Em termos de tempo de execuo, como o afinamento uma tcnica que percorre
a imagem inmeras vezes, o processo lento em relao as outras operaes de proces-
samento de imagem, mas ainda mais rpida e menos comoda do que o usurio ter que
repetir a extrao da imagem de consulta.
52
Aumentar o nmero de indivduos pertencentes ao banco de dados ou a utilizao de
bancos de dados de teste, validando assim, a escalabilidade dos softwares testados.
1
Pode ser visto na seo 3.6
2
Como as apresentadas na seo 4.3.
53
Referncias
Bazen, A., Verwaaijen, G., Gerez, S., Veelenturf, L., e van der Zwaag, B. (2000). A
correlation-based fingerprint verification system. Proc. Workshop on Circuits Systems
and Signal Processing (ProRISC 2000 - Veldhoven, Holanda), pages 205 213.
Blue, J. L., Candela, G. T., Crother, P. J., Chellappa, R., e Wilson, C. L. (1994). Eva-
luation of pattern classifiers for fingerprint and ocr applications. Pattern Recognition,
27:485501.
Cheung, K. Y., Le, T. V., e Nguyen, M. H. (2001). A fingerprint recognizer using fuzzy
evolutionary programming. Proceedings of the 34th International Conference on System
Sciences - Maui, Hawaii.
Commision, E. (2011). Biometrics - fingerprint, face and iris recognition the most
reliable. http://ec.europa.eu/justice_home/news/information_dossiers/news_
eurodac_biometrics_en.htm. Acessado em 26 de junho de 2011.
54
Daugman, J. (1999). Recognizing persons by their iris patterns. In Biometrics: Personal
Identification in Networked Society, chapter 5. Kluwer Academic Publishers.
Holt, C. M., Stewart, A., M., C., e Perrott, R. H. (1987). An improved parallel thinning
algorithm. Communications of the ACM, 30:156160.
Hong, L. (1998). Automatic personal identification using fingerprints. PhD thesis, Michi-
gan State University, Ann Arbor.
Huang, Kai; Yan, H. (1997). Off-line signature verification based on geometric feature
extraction and neural network classification. Pattern Recognition, 30(1):917.
Isenor, D. K.; Zaky, G. (1986). Fingerprint identification using graph matching. Pattern
Recognition, 19(2):113122.
55
Jain, A., Hong, L., e Pankanti, S. (2000a). Biometric identification. Comunications of the
ACM, 43(2).
Jain, A., Hong, L., Pankanti, S., e Bolle, R. (1997). On-line fingerprint verification. IEEE
Transactions on Pattern Analysis and Machine Intelligence, 19(4):302313.
Jain, A., Pankanti, S., Prabhakar, S.and Hong, L. R. A., e Wayman, J. (2001). Bi-
ometrics: A grand challenge. http://biometrics.cse.msu.edu/Presentations/
Jainetal_BiometricsGrandChallenge_ICPR04.pdf. Acessado em 20 de abril de 2011.
Jain, A. K., Griess, F. D., e Connell, S. D. (2002). On-line signature verification. Pattern
Recognition, 35.
Jain, A. K., Prabhakar, S., Hong, L., e Pankanti, S. (2000b). Filterbank-based fingerprint
matching. IEEE Transactions on Image Processing, 9:846859.
Jain, A. K., Ross, A. A., e Flynn, P. (2008). Handbook of Biometrics. Springer Science,
1a edition.
Jiang, X., Binkert, M., Achermann, B., e Bunke, H. (2000). Towards detection of glasses
in facial images. In Pattern Analysis & Applications, volume 3, pages 918. Springer.
Kolb, H. (2003). How the retina works. In The Scientific Research Society, volume 91,
pages 2835.
56
Maltoni, D. e Cappelli, R. (2008). Handbook of biometrics. chapter Fingerprint Recog-
nition, pages 2342. Springer Science, 1a edition.
Maltoni, D., Jain, A. K., Maio, D., e Prabhakar, S. (2003). Handbook of Fingerprint
Recognition. Springer, USA, 1a edition.
Moayer, B. e Fu, K. S. (1976). A tree system approach for fingerprint pattern recognition.
Pattern Recognition, 7:262274.
Negin, M., Chmielewski, T. A. J., Salganicoff, M., von Seelen, U. M., Venetainer, P., e
Zhang, G. (2000). An iris biometric system for public and personal use. In Computer
IEEE Press, volume 33, pages 7075. IEEE Press.
Pankanti, S., Jain, A., e Hong, L. (2000). Biometrics: Promising frontiers for emerging
identification market. Comm. ACM, pages 9198.
57
Pasquali, L. e Arajo, M. E. C. (2011). Histrico dos processos de identificao. http:
//papiloscopistas.org/historico.doc. Acessado em 14 de fevereiro de 2011.
Ratha, N., Karu, K., Chen, S., e Jain, A. (1996). A real-time matching system for large
fingerprint database. IEEE TRans. Pattern Anal. Machine Itell., 8:799813.
Sung, K. e Poggio, T. (1994). Example-based learning for view-based human face detec-
tion. Massachusetts: Massachusetts Institute of Technology, (112):20.
Ton, J. e Jain, A. (1989). Registering landsat images by point matching. IEEE Transac-
tions Geoscience Remote Sensing, 27:649651.
Watson, C., Garris, M., Tabassi, E., Wilson, C. L., McCabe, R. M., Janet, S., e Ko, K.
(2004). Users guide to NIST Biometric Image Software (NBIS). NIST - National
Institute of Standards and Technology.
Wilson, C. L., Candela, G. T., e Watson, C. I. (1994). Neural network fingerprint classi-
fication. Journal of Artificial Neural Networks, 1:203228.
58