Fusione di impronta digitale e impronta vocale per il controlllo accessi
Upcoming SlideShare
Loading in...5
×
 

Fusione di impronta digitale e impronta vocale per il controlllo accessi

on

  • 537 views

Presentazione tesi di laurea di Corona Pietro

Presentazione tesi di laurea di Corona Pietro

Statistics

Views

Total Views
537
Views on SlideShare
536
Embed Views
1

Actions

Likes
0
Downloads
2
Comments
0

1 Embed 1

http://www.slideshare.net 1

Accessibility

Categories

Upload Details

Uploaded via as Microsoft PowerPoint

Usage Rights

© All Rights Reserved

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Processing…
Post Comment
Edit your comment

Fusione di impronta digitale e impronta vocale per il controlllo accessi Fusione di impronta digitale e impronta vocale per il controlllo accessi Presentation Transcript

  • UNIVERSITA’ DEGLI STUDI DI TRIESTE
    FACOLTA’ DI INGEGNERIA
    Dipartimento di Ingegneria Industriale e dell'Informazione
    Fusione di impronta digitale e impronta vocale per il controllo accessi
    Laureando: Pietro CORONA
    Relatore:
    Enzo MUMOLO
  • Motivazioni
    • La sicurezza nei sistemi di elaborazione richiede standard sempre più elevati
    • Il problema dell’autenticazione è un problema difficile da risolvere con tecniche di tipo tradizionale
    • La ricerca in questo settore è molto attiva
  • Obiettivi
    • Implementare un sistema di autenticazione biometrico multimodale utilizzando impronte vocali e digitali.
    • Dimostrare i vantaggi dell’uso di sistemi biometrici multimodali rispetto a quelli unimodali.
    • Realizzare una dimostrazione in tempo reale di fingerprintverification in ambiente embedded.
  • Strumenti usati
    • Scanner di impronta digitale UpekTCEEA4
    • Tipo swipe (a strisciamento)
    • Risoluzione 501 dpi
    • Immagini catturate: 144x384 pixel
    • SBC TS-7800
    • Processore ARM9 500Mhz
    • S.O. Linux Debian Sarge
    • Sw identificazione facciale
    • Modellazione statistica delle immagini usando DCT e EHMM
    • Per Windows
  • Lavoro svolto
    • In ambiente pc
    • Realizzazione programma di acquisizione
    • Raccolta impronte digitali
    • Implementazione enrollment e creazione modelli
    • Implementazione e test algoritmo di verifica
    • Analisi dei risultati (normalizzazione)
    • Algoritmo di fusione
    • Analisi dei risultati
    • In ambiente ARM
    • Realizzazione ulteriore programma di acquisizione
    • Porting programma verifica (no enrollment)
    • Script gestione automatica delle operazioni
  • Problemi affrontati
    • Problemi di porting
    • Da Windows a Linux: modifica chiamate di sistema per la gestione dei file.
    • Da pc ad Arm: librerie openCv, API alternative per lo scanner.
    • Modifiche al sw di face identify
    • Da identify a verify: modello soggetto + modello mondo
    • Separazione enrollment da verifica
    • Modifica output del programma (risultati)
    • Parametri: accuratezza vs. prestazioni
  • Addestramento modelli
     
     
     
    𝑋𝑘1𝑘2=𝐷𝐶𝑇−2𝐷
     
     
     
     
     
     
    Baum - Welch
     
  • Verifica
    • Acquisizione di una immagine di fingerprint
    • Modello del Mondo + Modello soggetto per robustezza
  • Algoritmo di fusione
     
     
    Score fingerprint verification
     
    Score speaker verification
     
     
    Varianza score fingerprint verification (da esperimenti)
     
    Varianza score speaker verification (da esperimenti)
    Minimizza la varianza complessiva
  • Risultati - I
    (1) e (2) : parametri diversi
  • Risultati - II
    singole biometrie
    vs
    fusione
    Con la fusione otteniamo prestazioni migliori!
  • Conclusioni
    • Gli obiettivi sono stati raggiunti totalmente.
    • La fusione è stata realizzata solo su pc per problemi tecnici e per mancanza di tempo.
    • Sviluppi futuri
    • Implementazione della fusione in ambiente embedded.
    • Miglioramento delle prestazioni dell’algoritmo di verifica
    • Posa in opera di un’applicazione pratica del sistema