UNIVERSIDADE FEDERAL DE GOIS UFG

CAMPUS CATALO CaC

DEPARTAMENTO DE CINCIA DA COMPUTAO DCC

Bacharelado em Cincia da Computao

Projeto Final de Curso

Utilizao da Tcnica de Afinamento como Melhoria naExtrao de Mincias de Impresses Digitais

Autor: Cassiana da Silva Bonato

Orientador: Ndia Flix Felipe da Silva

Catalo - 2011

Cassiana da Silva Bonato

Utilizao da Tcnica de Afinamento como Melhoria na Extrao de

Mincias de Impresses Digitais

Monografia apresentada ao Curso deBacharelado em Cincia da Computao da

Universidade Federal de Gois Campus Catalocomo requisito parcial para obteno do ttulo de

Bacharel em Cincia da Computao

rea de Concentrao: Processamento de ImagensOrientador: Ndia Flix Felipe da Silva

Catalo - 2011

da S. Bonato, Cassiana

Utilizao da Tcnica de Afinamento como Melhoria na Extrao de

Mincias de Impresses Digitais/Ndia Flix Felipe da Silva- Catalo -

2011

Nmero de paginas: 58

Projeto Final de Curso (Bacharelado) Universidade Federal de Gois, CampusCatalo, Curso de Bacharelado em Cincia da Computao, 2011.

Palavras-Chave: 1. Biometria. 2. Processamento de Imagens. 3. ComputaoGrfica

Cassiana da Silva Bonato

Utilizao da Tcnica de Afinamento como Melhoria na Extrao de

Mincias de Impresses Digitais

Monografia apresentada e aprovada em dePela Banca Examinadora constituda pelos professores.

Ndia Flix Felipe da Silva Presidente da Banca

Mnica Sakuray Pais

Thiago Jabur Bittar

Dedico essa monografia aos meus pais que sempre me prepararam, apoiaram eincentivaram as minhas escolhas e me ensinaram a transformar as dificuldades em fora

para seguir em frente.

AGRADECIMENTOS

Primeiramente agradeo a Deus, a quem eu primeiro recorri em momentos de descre-dito e desnimo.

Aos meus pais que sempre acreditaram em mim, pela compreenso e apoio nos mo-mentos bons e ruins, e principalmente por por seus ensinamentos que levarei por toda avida.

minha orientadora Profa. Ms. Ndia pela pacincia, apoio e por acreditar no projeto.Ao Prof. Dr. Roberto Finzi por me apresentar a biometria.Ao Prof. Ms. Thiago Jabur pelo tempo disponibilizado quando precisei de uma outra

opinio.Ao meu namorado Jayme pela sua ajuda com o LATEX e tambm pela pacincia com

a minha ausncia, principalmente mental, durante a elaborao da monografia.Aos meus colegas e amigos que me ajudaram nessa caminhada, sendo estudando (Adri-

ano, Bruno, Paulo), programando (Ariane, Cleriston, Vincius), ou simplesmente nos mo-mentos de descontrao (Amanda, Carla, Lorena, Pedro, Rafael) to necessrios ao longodesses quatro anos.

E a todos que contriburam direta ou indiretamente na conquista deste objetivo.

"Saber muito no lhe torna inteligente. A inteligncia se traduz na forma que vocrecolhe, julga, maneja e, sobretudo, onde e como aplica esta informao."

Carl Sagan.

RESUMO

Bonato, C. Utilizao da Tcnica de Afinamento como Melhoria na Extra-

o de Mincias de Impresses Digitais. Curso de Cincia da Computao, CampusCatalo, UFG, Catalo, Brasil, 2011, 58p.

A biometria a cincia que estuda a mensurao dos seres vivos. Por meio dessacincia possvel por caractersticas fsicas (como impresses digitais, retina) ou compor-tamentais (assinatura, voz) a identificao humana. A impresso digital, o tipo escolhidode caracteristica para esse projeto, composto por cristas, linhas distribudas pelo dedocom uma orientao e um espaamento caracterstico, e por mincias que representamos vrios modos pelos quais uma crista pode se tornar descontnua, sendo essa ltima acaracterstica 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 dereconhecimento de impresses digitais proposto at hoje infalvel, ou seja, nenhum ga-rante taxas de erro nulas. Assim, para superar essas limitaes, utiliza-se alguns mtodosque ajudam na melhoria da acurcia do sistema, como tcnicas que melhoram a qualidadeda imagem da impresso digital para uma extrao de mincias mais exata. Esse tra-balho estuda a tcnica de processamento de imagem chamada afinamento. Como formade mensurar a eficincia e eficcia de tal mtodo proposto neste trabalho implementaro algoritmo de afinamento e test-lo , incorporando-o ao software NBIS, um programacriado pelo NIST que faz o reconhecimento biomtrico por digitais, e por fim compara osoftware original com o modificado com o objetivo de aumentar a acurcia do sistema.

Palavras-Chaves: Biometria, Processamento de Imagens, Computao Grfica

i

Sumrio

1 Introduo 1

1.1 Descrio do Problema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11.2 Fundamentao Terica . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21.3 rea de Atuao e Escopo do Trabalho . . . . . . . . . . . . . . . . . . . . 41.4 Objetivos do Trabalho . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41.5 Estrutura do Trabalho . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

2 Biometria 6

2.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62.2 Sistemas Biomtricos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62.3 Tipos Biomtricos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

2.3.1 Reconhecimento Facial . . . . . . . . . . . . . . . . . . . . . . . . . 82.3.2 Reconhecimento por ris . . . . . . . . . . . . . . . . . . . . . . . . 92.3.3 Reconhecimento por Retina . . . . . . . . . . . . . . . . . . . . . . 102.3.4 Reconhecimento por Assinatura . . . . . . . . . . . . . . . . . . . . 112.3.5 Reconhecimento por Voz . . . . . . . . . . . . . . . . . . . . . . . . 11

2.4 Consideraes Finais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

3 Impresso Digital 14

3.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143.2 Anatomia da Impresso Digital . . . . . . . . . . . . . . . . . . . . . . . . 143.3 Datiloscopia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17

3.3.1 Histria da Datiloscopia . . . . . . . . . . . . . . . . . . . . . . . . 183.4 Sistema de Identificao Biomtrica por Impresses Digitais . . . . . . . . 213.5 Tcnicas de Reconhecimento . . . . . . . . . . . . . . . . . . . . . . . . . . 22

3.5.1 Baseada em Correlao . . . . . . . . . . . . . . . . . . . . . . . . . 233.5.2 Baseada em Mincias . . . . . . . . . . . . . . . . . . . . . . . . . . 233.5.3 Baseada em Cristas . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

3.6 Tcnicas de Classificao . . . . . . . . . . . . . . . . . . . . . . . . . . . . 253.7 Consideraes Finais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27

ii

4 Descrio dos Algoritmos NBIS e de Afinamento 29

4.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 294.2 Etapas do software NBIS . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29

4.2.1 O Mdulo Mindtct . . . . . . . . . . . . . . . . . . . . . . . . . . . 294.2.2 O Mdulo Bozorth3 . . . . . . . . . . . . . . . . . . . . . . . . . . 35

4.3 Afinamento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 374.3.1 Mtodo de Holt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 374.3.2 Mtodo de Stentiford . . . . . . . . . . . . . . . . . . . . . . . . . . 384.3.3 Mtodo Morfologia Matemtica . . . . . . . . . . . . . . . . . . . . 39

4.4 Estrutura do software NBIS Modificado . . . . . . . . . . . . . . . . . . . . 424.5 Consideraes Finais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43

5 Comparao e Resultados 44

5.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 445.2 Materiais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 445.3 Metodologia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45

5.3.1 Medidas de Desempenho . . . . . . . . . . . . . . . . . . . . . . . . 455.4 Resultados Experimentais . . . . . . . . . . . . . . . . . . . . . . . . . . . 47

5.4.1 FAR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 475.4.2 FRR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 485.4.3 ERR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48

5.5 Consideraes Finais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49

6 Concluso 51

6.1 Concluses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 516.2 Trabalhos Futuros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 526.3 Dificuldades Encontradas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53

Referncias 54

iii

Lista de Figuras

2.1 Etapas de um sistema biomtrico genrico. Fonte: [Hong, 1998] . . . . . . 72.2 Imagens usadas no reconhecimento: a) geradas por software utilizando

pontos para o reconhecimento; b) variaes que podem prejudicar a iden-tificao. Fonte: [Jiang et al., 2000] . . . . . . . . . . . . . . . . . . . . . . 9

2.3 Estrutura vascular da retina. Fonte: [Kolb, 2003] . . . . . . . . . . . . . . 10

3.1 Corte lateral da pele. Fonte: [Pasquali e Arajo, 2011] . . . . . . . . . . . 153.2 Exemplo de impresso digital. Fonte: [Maltoni e Cappelli, 2008] . . . . . . 163.3 Exemplos de aspectos bsicos de mincias. Fonte: [Kehdy, 1968] . . . . . . 163.4 Exemplos de aspectos compostos de mincias. Fonte: [Kehdy, 1968] . . . . 173.5 Registros arqueolgicos de digitais. Fonte: [Maltoni et al., 2003] . . . . . . 193.6 Estgios do AFIS. Fonte: [Hong, 1998] . . . . . . . . . . . . . . . . . . . . 213.7 As classes de impresses digitais usadas por Henry. Fonte: [Kehdy, 1968] . 26

4.1 Etapas do Mindtct. Fonte: [Falguera, 2008] . . . . . . . . . . . . . . . . . . 304.2 Formas de onda DFT. Fonte: [Watson et al., 2004] . . . . . . . . . . . . . . 314.3 Resultado do processo de mapa direcional. Fonte: [Costa, 2001] . . . . . . 324.4 Estrutura da grade rotativa de binarizao. Fonte: [Watson et al., 2004] . . 334.5 Resultado do processo de binarizao. . . . . . . . . . . . . . . . . . . . . . 334.6 Padres usados para a deteco de mincias. Fonte:[de Oliveira, 2006] . . . 344.7 Exemplos de falsas mincias. Fonte:[Watson et al., 2004] . . . . . . . . . . 344.8 Etapas do Bozorth3. Fonte: [Falguera, 2008] . . . . . . . . . . . . . . . . . 364.9 Mscaras utilizadas na remoo de degraus. Fonte:[Holt et al., 1987] . . . . 384.10 Mscaras do afinamento de Stentiford. Fonte: [Stentiford e Mortimer, 1997] 384.11 Mscaras utilizadas no processo de afinamento. Fonte:[Casado, 2008] . . . 414.12 Resultado do processo de afinamento. . . . . . . . . . . . . . . . . . . . . . 424.13 Etapas do Mindtct com o processo de afinamento. . . . . . . . . . . . . . . 42

5.1 Exemplo de imagem capturada pelo leitor. . . . . . . . . . . . . . . . . . . 455.2 Distribuies das pontuaes de casamentos autnticos e impostores Fonte:

[Maltoni e Cappelli, 2008] . . . . . . . . . . . . . . . . . . . . . . . . . . . 47

iv

5.3 Grfico comparativo de FAR do software NBIS e sua verso modificada. . . 485.4 Grfico comparativo de FRR do software NBIS e sua verso modificada. . 485.5 Grfico com os valores de ERR do software NBIS. . . . . . . . . . . . . . . 495.6 Grfico com os valores de ERR do software NBIS modificado. . . . . . . . 49

v

Lista de Tabelas

2.1 Comparaes entre os tipos biomtricos. Fonte: [Gregory e Simon, 2008] . 12

3.1 Distribuio das mincias. Fonte: [Farina et al., 1999] . . . . . . . . . . . . 17

4.1 Comparativo entre as desvantagens dos mtodos de afinamento apresentados. 41

5.1 Caractersticas do leitor Fingerkey Hamster DX. Fonte: [Nitgen, 2005] . . . 44

vi

Lista de Algoritmos

4.1 Parte do algortmo de remoo de ganchos [Watson et al., 2004]. . . . . . . 354.2 Algortmo de afinamento por morfologia matemtica . . . . . . . . . . . . 39

vii

Lista de Siglas

AFIS Sistemas Automticos de Identificao de Impresses Digi-tais, do ingls Automatic Fingerprint Identification System

CA Correta Aceitao

CR Correta Rejeio

DFT Transformada Discreta de Fourier, do ingls Discrete FourierTransform

DHS Departamento de Segurana Interna, do ingls Departmentof Homeland Security

DNA cido Desoxirribonucleico, do ingls Deoxyribonucleic Acid

DPI Pontos por Polegada, do ingls Dots per inch

ERR Taxa de Erro Igual, do ingls Equal Error Rate

EUA Estados Unidos da Amrica

FA Falsa Aceitao

FAR Taxa de Falsa Aceitao ou Taxa de Falsos Positivos, doingls False Acceptance Rate

FBI Federal Bureau Investigation

FR Falsa Rejeio

FRR Taxa de Falsa Rejeio ou Taxa de Falsos Negativos, do in-gls False Rejection Rate

IAFIS Sistema Integrado Automtico de Identificao de Impres-ses Digitais ,do ingls Integrated Automatic Fingerprint Iden-tification System

viii

ID Impresso Digital

NBIS NIST Biometrics Image Software

NIST National Institute of Standards and Technology

SDK Kit de Desenvolvimento de Software, do ingls Software De-velopment Kit

USB Universal Serial Bus

ix

Captulo 1

Introduo

1.1 Descrio do Problema

A biometria a cincia de determinar a identidade de um indivduo com base ematributos fsicos, qumicos ou comportamentais da pessoa [Jain et al., 2008]. Esses atri-butos citados acima geram tipos biomtricos como o reconhecimento por ris, voz, escritae impresso digital, sendo esse ltimo o tipo a ser estudado para o trabalho.

A relevncia da biometria na sociedade moderna tem sido reforada pela necessidadeem grande escala de sistemas de gerenciamento de identidade, cuja funcionalidade dependeda preciso de determinar a identidade de um indivduo no contexto de vrias aplicaesdiferentes [Jain et al., 2008].

Inmeros mtodos de reconhecimento biomtrico vm sendo largamente exploradosprincipalmente pelo fato de que os identificadores biomtricos no podem ser perdidos,esquecidos, compartilhados ou roubados, como ocorre facilmente com as senhas ou cartesde acesso [Falguera, 2008].

O objetivo da biometria trabalhar com usurios, medindo, registrando e armaze-nando o atributo biomtrico, e depois comparar a amostra armazenada com os dados deindivduos no verificados para determinar se eles devem ter permisso para acessar umsistema ou uma localizao [Gregory e Simon, 2008]. A amostra j registrada no bancode dados do sistema chamada de template.

Para fazer a comparao entre o template e a nova amostra, ambas passam por proces-sos que tornam as imagens mais limpas (chamado de pr-processamento da imagem), como intuito de que possam ser retiradas as caractersticas que sero usadas para a identifi-cao. O processo de retirada de caractersticas feito por algoritmos de reconhecimento,em que as tcnicas utilizadas dependem do tipo biomtrico que est sendo usado, assimcomo os algoritmos de classificao das caractersticas extradas.

Neste trabalho modificado um algoritmo que utiliza uma das tcnicas de reconhe-

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 comparaoentre o algoritmo original e o melhorado por meio de mtricas de desempenho.

1.2 Fundamentao Terica

O reconhecimento de impresses digitais o mais difundido e barato dos sistemasbiomtricos [Berry e Stoney, 2001]. E segundo [Olsen e Lee, 2001] isso se deve ao fatode que praticamente todos os indivduos possuem digitais, alm destas serem nicas etambm por se regenerar, voltando para sua forma original aps pequenos acidentes.

Os Sistemas de Identificao Biomtrica por Impresses Digitais (AFIS, do inglsAutomatic Fingerprint Identification System) utilizam tcnicas de reconhecimento parabuscar e extrair as mincias em cada digital. Mincias (ou caractersticas de Galton) so,essencialmente, as terminaes e bifurcaes das cristas de uma imagem da impressodigital [Boulgouris et al., 2010]. A frequencia e o padro dessas mincias so diferentesem cada ser humano fazendo com que as impresses digitais sejam distintas em cadaindivduo, ou seja, as mincias so responsveis pela capacidade de idenficao de umapessoa pelas digitais.

Antes da extrao das mincias, a imagem da digital passa por uma srie de tcnicasque retiram impurezas e assim, melhoram a qualidade para que as mincias possam serextradas com maior preciso. A tcnica mais utilizada a binarizao, que consisteem transformar a imagem original de 8 bits/pixel em uma de 1 bit/pixel, com o valor 1atribudo s cristas papilares que formam a impresso digital, e o valor 0 para os vales(espao entre as cristas papilares), ou seja, a binarizao consiste em transformar umaimagem em tons de cinza para uma imagem em preto e branco [Coetzee e Botha, 1990].

Um outro exemplo de tcnica de pr-processamento que pode ser utilizada o afi-namento. Tambm conhecido como thinning tem como objetivo remover todos os pixelsredundantes de uma imagem produzindo uma simplificao dos objetos. Assim, pode-mos verificar que o maior problema para os algoritmos de afinamento determinar, comexatido, quais so os pixels redundantes em uma imagem [Corra e Festa, 2005].

Tal tcnica procura tornar os contornos de tamanho de 1 pixel largura, gerando oesqueleto da imagem, sendo assim, til para tornar as cristas das digitais mais limpas(sem rudos e pontos que geram falsas mincias) para o algoritmo de extrao de min-cias. Poucos algoritmos de extrao e reconhecimento o utilizam, assim, nesse projeto foiescolhido um dos algoritmos que no o utiliza, o software NBIS, o qual ser agregado oalgoritmo de afinamento e por fim ser comparado com o original.

O software NBIS foi desenvolvido pelo NIST (National Institute of Standards andTechnology) para utilizao dos departamentos de defesa dos EUA no trabalho de verifi-

2

cao/identificao de indivduos visando a segurana do pas norte-americano. O NBISpossui um cdigo aberto e gratito, que pode ser adquirido no site do NIST 1, juntamentecom seu manual. Outro fato, que o programa est em constante evoluo, e encontra-seatualmente na verso 3.4.

O software NBIS desenvolvido a partir da tcnica de reconhecimento baseada emmincias e para o projeto sero executados os dois subprogramas principais pertecentes aosoftware: 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 impressotemplate 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 projetoque so inseridas em um banco de dados. Para os testes sero utilizados as digitais dosintegrantes do projeto, podendo ser reconhecidos ou no pelos algoritmos, gerando dadospara as mtricas de desempenho.

Para comparar os dois algoritmos sero utilizados um conjunto especfico de mtricasde desempenho para sistemas que tem como objetivo segurana, que so a Taxa de FalsosPositivos 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 emque usurios no registrados so identificados pelo sistema, como um usurio registrado.Enquanto que a Taxa de Falsos Negativos (FRR - False Rejection Rate) mede a frequnciaem 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 possuirbaixas taxas de falsos positivos e negativos e de preferncia, conseguir uma taxa de erroigual.

importante ressaltar, entretanto, que os requisitos de desempenho de um sistemabiomtrico variam de acordo com a aplicao. Em aplicaes forenses, aplicaes querespondem questes de interesse legal, como investigao criminal, a taxa FRR a maiorpreocupao, pois no se deseja descartar um possvel indivduo genuno, mesmo que sejanecessrio manualmente examinar um nmero grande de potenciais casamentos.

Num outro extremo, uma taxa FAR muito baixa deve ser o fator mais importantepara aplicaes de alta segurana, nas quais o objetivo no deixar impostores entraremmesmo que se tenha que incomodar muitos indivduos genunos. Entre esses dois tiposde aplicaes, esto as aplicaes civis ou comerciais, nas quais se deve ter um equilbrioentre a taxa FAR e a taxa FRR. Consequentemente, tais sistemas costumam ter seu limiarajustado prximo ao valor de EER [Maltoni et al., 2003].

1http://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:

a) Identificao Biomtrica: seus conceitos sugerem a utilidade do emprego do softwareoriginal e modificado;

b) Datiloscopia: cujos conhecimentos especficos so necessrios para identificar min-cias que so utilizadas na identificao das impresses digitais;

c) Computao Grfica: referente operao de afinamento no pr-processamento dosoftware NBIS, sendo a mesma a modificao feita no software;

Assim, este trabalho se enquadra nas trs reas citadas devido a utilizao de umsoftware de identificao biomtrica que tem como tipo empregado a impresso digitalestudada pela datiloscopia. Com a modificao do programa NBIS pela a operao deafinamento, a rea de computao grfica necessria j que tal operao uma etapade pr-processamento da imagem.

1.4 Objetivos do Trabalho

O objetivo principal deste trabalho a modificao do software NBIS para a utilizaoda operao de afinamento na etapa de pr-processamento da imagem da impresso digitalde entrada como melhoria no reconhecimento biomtrico, podendo ser comprovada noteste comparativo com o NBIS original e o modificado.

Esse projeto tem como objetivos principais:

O estudo sobre biometria focando a impresso digitais, seus conceitos, tcnicas dereconhecimento e de classificao;

O estudo do algoritmo de reconhecimento e da tcnica de afinamento para imple-mentao da mesma no algoritmo;

A comparao entre o algoritmo de reconhecimento original e sua verso utilizandoa tcnica de afinamento, utilizando mtricas de desempenho.

1.5 Estrutura do Trabalho

Ao apresentar a estrutura da monografia pretende-se guiar o leitor nos captulos quese seguem. Este trabalho desenvolve-se ao longo de seis captulos. No presente captuloso apresentadas a introduo, os objetivos e as justificativas desse trabalho.

4

O captulo 2 aborda uma reviso da literria sobre a Biometria, tendo como objetivofornecer uma viso geral dos principais conceitos envolvidos nesse tema, iniciando comuma introduo e seguindo com as caractersticas, os sitemas biomtricos, e os tiposbiomtricos mais conhecidos.

No terceiro captulo apresenta-se a impresso digital, tipo biomtrico utilizado notrabalho, discutindo suas caractersticas anatmicas seguido de um estudo e um resumohistrico 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 reconhecimentobiomtrico por impresso digital, apresentando suas etapas, dando maior destaque sprincipais 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 utilizadosnesse trabalho, sendo cada etapa dos sub-programas executados descrita individualmente.Depois aborda-se diferentes tcnicas de afinamento, justificando a escolha de uma entretais.

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 dossoftwares, 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 dosresultados obtidos no presente trabalho. Depois so descritas as dificuldades encontradaspara 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 melhordefinio sugere que a biometria refere-se utilizao de caractersticas fsicas (impressesdigitais, ris, retina, entre outras) ou comportamentais (assinatura, voz, entre outras) paraestabelecer 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 maiscrticas como a preveno de atos terroristas. Assim, os sistemas automticos de reconhe-cimento biomtrico se tornaram uma alternativa efetiva para tais casos, principalmentepelo 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.

2.2 Sistemas Biomtricos

De acordo com [Falguera, 2008], os sistemas biomtricos so processos automatizadosde identificao baseados nas caractersticas biomtricas (fsicas ou comportamentais) dosseres humanos.

Um sistema automtico de reconhecimento biomtrico composto de duas fases prin-

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 dedados. 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 instantepara 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 traobiomtrico e o sistema confere o trao biomtrico ou identificao, onde o usurio forneceum trao biomtrico e o sistema pesquisa a base biomtrica e determina a identidade dapessoa [Pontes, 2009]. As etapas de um sistema biomtrico so representadas abaixo naFigura 2.1.

Figura 2.1: Etapas de um sistema biomtrico genrico. Fonte: [Hong, 1998]

Na atualidade muitos notebooks j so equipados com leitores biomtricos para diver-sos tipos biomtricos como por impresso digital. Alm disso, existem comercialmentediversos equipamentos que utilizam biometria de identificao por meio de imagens deris, impresso digital, de face, de retina, da geometria da mo, do reconhecimento de voz,etc [Vigliazzi, 2006].

Esses tipos comentados anteriormente so analisados na seo seguinte.

7

2.3 Tipos Biomtricos

Esta seo apresenta um breve estudo sobre os principais mtodos biomtricos comoreconhecimento 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 emum captulo em particular (Captulo 3, a seguir).

2.3.1 Reconhecimento Facial

Como seres humanos, aprendemos a usar naturalmente imagens faciais para identifi-car as pessoas [Gregory e Simon, 2008], sendo esse mtodo normalmente mais usado porns para reconhecer indivduos e assim tornando-se um mtodo biomtrico de grandeaceitao.

Segundo [Sung e Poggio, 1994], a deteco de rostos a determinao da existnciaou no de um rosto na imagem. Uma vez encontrado esse objeto, sua localizao deve serapontada por meio de um enquadramento ou retornando as suas coordenadas dentro daimagem.

O reconhecimento facial pode ser realizado por meio do clculo de distncia, formas etamanhos de pontos identificadores e delimitadores da face como cada elemento do rosto,por exemplo, olhos, nariz e orelhas.

Alm da grande aceitao, j citada, sua implementao no exige equipamentos so-fisticados (podendo utilizar a webcam dos computadores e notebooks), sendo assim consi-derada de baixo custo [Costa, 2009].

Infelizmente, tal tipo apresenta trs pontos inconvenientes afirmados apresentados por[Sung e Poggio, 1994]: a primeira dessas razes afirma que embora a maioria dos rostosapresente estruturas semelhantes, com as mesmas caractersticas faciais bsicas (olhos,boca, sobrancelhas, nariz, etc) e dispostas aproximadamente nas mesmas configuraesde espao, pode haver um grande nmero de componentes no rgidos e texturas diferentesentre as faces. Esses elementos de variabilidade so resultantes das diferenas bsicas entreos rostos humanos - pessoas podem apresentar o nariz mais adunco que outras, lbios maisou menos carnudos, olhos mais ou menos puxados, etc. Outros fatores relevantes so asflexibilizaes causadas no rosto pelas expresses faciais.

O segundo ponto que dificulta a deteco de faces est relacionado com a presena deadornos, como culos ou bigodes, os quais podem estar presentes ou totalmente ausentesem uma face. Esses adornos podem, quando presentes, ocultar caractersticas faciaisbsicas importantes deteco do rosto por meio do surgimento de sombras ou reflexos.Tal ponto pode ser observado na Figura 2.2 onde mostra-se que a comparao entreimagem template gerada pelo software (imagens a)) prejudicada por conta do culos e

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. Devidoao fato das faces apresentarem estruturas tridimensionais, a mudana na distribuio defontes de luz pode criar ou esconder sombras na face, resultando em uma variabilidademaior 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]

2.3.2 Reconhecimento por ris

O reconhecimento da ris um dos processos de biometria existentes mais precisos. Aris a parte mais visvel e colorida do olho e comea a ser formada desde muito cedo semsofrer quaisquer alteraes, salvando raras doenas como a Iridociclite1. A sua funo controlar a entrada de luz no olho [de Oliveira Carreira, 2009].

A ris possui uma estrutura extremamente complexa tornando-a muita distintiva, ha-vendo diferena entre ris esquerda e direita de um mesmo indivduo. O reconhecimentoda ris baseado em qualidades visveis como anis, estrias, manchas, coroas, etc. Basica-mente, os algoritmos procuram converter essas caractersticas visveis em um cdigo queser o padro armazenado para futura verificao [Negin et al., 2000].

A leitura da ris no afetada nem por culos nem por lentes de contato. Parailuminao da ris, utilizado um iluminador de luz infravermelha. Essa luz no faz partedo espectro visvel e no capturada pelo olho humano, e sim, pelo sensor da cmera[Costa, 2009]. O que torna a qualidade da imagem fraca, sendo uma desvantagem dessasoluo.

Para extrair as caractersticas, localizada dentro da imagem monocromtica, geradapela cmera, a pupila (que centralizada), o padro da ris isolado da pupila e demo-dulado para extrao de sua informao. O processo de comparao calcula uma medidada similaridade por meio da distncia de Hamming normalizada, um mtodo que simples-

1Inflamao aguda ou crnica da ris, caracterizada por descolorao da ris, e pupila contrada.

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.

2.3.3 Reconhecimento por Retina

A retina uma membrana localizada no interior do olho humano. Essa camada formada por clulas fotoreceptoras que possuem a importante funo de receber a imagemque ser levada ao crebro para nos dar a sensao da viso.

A estrutura vascular da retina, como pode ser observada na Figura 2.3, foi propostacomo meio biomtrico para autenticao em 1935. Os padres dos vasos sanguneos podemser obtidos por meio da reflexo da luz causada por eles. Em 1950 experimentos mostraramque os vasos sanguneos da retina se distinguem mesmo entre gmeos, confirmando oreconhecimento pela retina como um meio biomtrico com um alto grau de confiabilidade.

Figura 2.3: Estrutura vascular da retina. Fonte: [Kolb, 2003]

Infelizmente, a retina pode sofrer alteraes em virtude de algumas doenas e anoma-lias como diabetes, catarata, hipermetropia ou miopia entre outras, afetando o escanea-mento da mesma.

Por exemplo, o efeito de opacidade produzido pela catarata na lente do cristalino im-pede que a luz chegue em quantidade suficiente retina para que seja refletida produzindoum resultado ruim para o escaneamento. A miopia faz com que a imagem se forme antesda retina, desta forma a pessoa no enxerga bem objetos distantes e o contrrio ocorrepara a hipermetropia, em que a pessoa apresenta dificuldades em focalizar objetos pr-ximos. Ambas, miopia e hipermetropia, quando em graus elevados, podem prejudicar oescaneamento realizado para o reconhecimento de retina [Kolb, 2003].

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 umacmera. Tais equipamentos requerem pessoal especializado para serem manipulados, almde 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 anecessidade de aplicao de contrastes e dilatao da pupila, alm do indivduo necessitarde retirar os culos (caso os possua) e colocar o olho perto do leitor da retina, focar umdeterminado ponto e permanecer imvel durante 10 a 15 segundos [Newsportal, 2011].

2.3.4 Reconhecimento por Assinatura

Esta tcnica utilizada a muitos sculos como forma de autenticao de documen-tos e transferncias monetrias, e seu uso amplamente aceito pela maioria das pessoas[Jain et al., 2002]. Outra vantagem do reconhecimento por assinatura que o equipa-mento necessrio para coletar as assinaturas possui um custo acessvel. Um problemaenfrentado e de difcil soluo a grande variabilidade que ocorre entre assinaturas deuma mesma pessoa [Huang, 1997], tornando a preciso do mtodo o seu ponto fraco.

H duas classificaes para os mtodos de verificao por assinatura: on-line e off-line:on-line onde so obtidas informaes como presso, tempo e trajetria enquanto o usurioassina no dispositivo de entrada. No mtodo off-line utiliza-se uma imagem esttica daassinatura.

2.3.5 Reconhecimento por Voz

Este procedimento de autenticao fundamenta-se nas tcnicas de processamento devoz onde o usurio normalmente profere uma palavra ou uma frase chave ou l de um con-junto de caracteres que, combinados, fornecem um conjunto de caractersticas suficientespara permitir a autenticao ou a identificao do indivduo.

Os processos que recorrem ao reconhecimento da voz baseiam-se no fato de que ascaractersticas fsicas de cada indivduo proporcionam sua voz propriedades nicas. Noentanto, a informao capturvel no possui dados suficientes para garantir o reconheci-mento em larga escala de indivduos [Jain et al., 2000a].

Assim como o mtodo por assinatura, o reconhecimento por voz apresenta um baixocusto financeiro, sendo o hardware de captura necessrio j presente na maioria dos com-putadores: um microfone. Porm, esse mtodo apresenta baixa preciso devido s grandesvariaes na voz de um indivduo.

11

2.4 Consideraes Finais

Cada mtodo biomtrico possui vantagens e desvantagens, como pode ser visto naTabela 2.1, para a escolha do melhor mtodo necessrio atentar-se s principais carac-tersticas procuradas em um sistema biomtrico:

Rapidez: a reconhecimento deve ser efetivado o mais rpido possvel;

Preciso: o mtodo utilizado para reconhecimento do indivduo deve ser capaz deidentificar o usurio sem equvocos;

Segurana: o reconhecimento tem que ser resistente a fraudes;

Aceitabilidade: o mtodo usado no reconhecimento deve ser o menos intrusivo pos-svel, para que facilmente os indivduos a serem identificados aceitem fornecer seusdados ao sistema.

Tabela 2.1: Comparaes entre os tipos biomtricos. Fonte: [Gregory e Simon, 2008]

Tipos

Biomtricos

Vantagens Desvantagens Aceitabilidade Segurana

Facial tima aceita-o

Mdia a baixapreciso

Alta Mdia

ris Preciso e boaaceitao

Custo de mdioa alto

Alta Alta

Retina Preciso Caro e exigetreinamentopara usurios

Mdia Alta

Assinatura Simples ebaixo custo

Baixa precisoe pouco segura

Alta Baixa

Voz Baixo custo eboa aceitao

Fcil de serfraudada

Alta Baixa

ImpressoDigital

Baixo custo,simples

Pode ocorrerfraudes

Alta Mdia

Outros mtodos de reconhecimento encontrados na literatura como o reconhecimentopela orelha, caminhada, digitao, geometria da mo, DNA, odor e eletrocardiograma nopreenchem todos os requisitos importantes procurados em um bom mtodo de reconheci-mento apresentados acima. A tcnica de reconhecimento por impresso digital apresenta

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 mtodode 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 fatode praticamente todo ser humano possuir impresso digital, ser distinta at mesmo entregmeos idnticos e no existir co-relao entre as impresses dos diferentes dedos de umindivduo, 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 daspolpas dos dedos das mos e dos ps que tambm possuem desenhos digitais.

Neste captulo so expostas as caractersticas anatmicas das digitais, os conceitos e ohistrico da datiloscopia, a cincia que as estuda, alm de falar sobre os sistemas biom-tricos de impresso digital. Depois so apresentadas as principais abordagens utilizadasnos 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-sesobre as tcnicas mais comuns de classificao das impresses digitais.

3.2 Anatomia da Impresso Digital

Impresses digitais so os desenhos formados pelas papilas (elevaes da pele), presen-tes nas polpas dos dedos das mos. A papila uma pequena bolsa de formao neurovas-cular, que pode conter vasos sanguneos ou corpsculos do tato, que se projeta a partir daparte mais profunda da pele, a derme, formando relevos irregulares na camada mais su-perficial, a epiderme, servindo ainda para aumentar a aderncia entre estas duas camadas.Quando esses relevos tm a forma de uma montanha so chamados de cristas papilares

14

(onde encontram-se os poros). Quando os relevos se assemelham a um vale so chamadosde sulcos interpapilares [Pasquali e Arajo, 2011]. A Figura 3.1 mostra um corte lateralda pele, onde possvel identificar as cristas, as papilas e os sulcos interpapilares.

O desenho digital, tem sua imagem transferida para a superfcie suporte atravs dotoque do dedo quando as glndulas sudorparas e sebceas eliminam suor e substnciasgordurosas que se encontram nas camadas subcutneas e so eliminadas pelos poros queficam na superfcie das cristas papilares. Assim, quando se toca uma superfcie, reproduz-se com perfeio os desenhos digitais formados pelas papilas pela transferncia dessassubstncias [Tavares Jnior, 1991], essa reproduo chamada de impresso digital.

Figura 3.1: Corte lateral da pele. Fonte: [Pasquali e Arajo, 2011]

As cristas papilares so formadas durante o perodo fetal, a partir do sexto ms devida, mudando de tamanho e permanecendo do mesmo formato para o resto da vida,exceto quando sofrem alteraes. Elas tm formao cnica e variam em formato, nmero,dimenso, direo e forma.

As alteraes sofridas pelas digitais podem ocorrer devido a fatos no naturais, comono exerccio de algumas profisses, cortes profundos, amputaes ou queimaduras gravesque podem ocasionar desfiguraes permanentes na pele.

Ao observar uma impresso digital, como na Figura 3.2, percebe-se que tal formadapelos seguintes elementos: linhas pretas, linhas brancas, delta, pontos caractersticos,poros e linhas brancas albodactiloscpicas [Tavares Jnior, 1991]:

Linhas pretas correspondem s cristas papilares;

Linhas brancas correspondem aos sulcos interpapilares;

Delta: ngulo ou tringulo formados pelas cristas papilares;

Ncleo: ponto localizado na rea central da digital;

15

Pontos caractersticos que so acidentes encontrados nas cristas papilares e possuema finalidade de estabelecer a identidade das impresses papilares;

Poros so aberturas dos canais sudorparos encontrados na superfcie das cristaspapilares;

Linhas brancas albodactiloscpicas que so formadas pela interrupo de duas oumais cristas papilares. Sendo tais no permanentes, porque podem, por exemplo,aumentar em nmero, diminuir e/ou mudar de forma.

Figura 3.2: Exemplo de impresso digital. Fonte: [Maltoni e Cappelli, 2008]

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 deduas categorias: os aspectos bsicos e aspectos compostos. Onde os aspectos compostosso constitudos a partir de aspectos bsicos. A leitura das mincias na impresso digitaldeve 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 podemser vistas na Figura 3.3. A crista final definida como um ponto onde a crista termina ea crista bifurcada como um ponto onde a crista se divide em duas.

Figura 3.3: Exemplos de aspectos bsicos de mincias. Fonte: [Kehdy, 1968]

Nos aspectos compostos tem-se ilhas, cruzamentos, esporas e cristas curtas que estorepresentados 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 soformadas pela combinao de cristas bifurcadas e finais. E cristas curtas so definidascomo pequenas cristas finais.

Figura 3.4: Exemplos de aspectos compostos de mincias. Fonte: [Kehdy, 1968]

Os aspectos bsicos so as mincias utilizadas pelos sistemas biomtricos, pois ocor-rem com maior frequncia nas impresses digitais como pode ser notado na Tabela3.1, que apresenta a distribuio das mincias, resultado de um teste realizado por[Farina et al., 1999] com 500 diferentes impresses digitais do banco de dados do NISTchamado sdb4.

Tabela 3.1: Distribuio das mincias. Fonte: [Farina et al., 1999]Tipos de Mincias Frequncia Mdia

% total de mincias Mincias por impresso

Pontos 4.3 18

Cristas finais 60.6 258

Bifurcaes 17.9 76

Esporas 4.7 20

Cruzamentos 3.2 14

Pontes 2.5 10

Cristas curtas 6.1 26

Esses elementos apresentados criam possibilidades para a identificao das pessoas pelaimpresso 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 comparaode impresses digitais, impressas em papel ou armazenadas em mdia magntica. Essacomparao envolve a verificao das mincias [Kehdy, 1968]. O nome datiloscopia constitudo de dois elementos gregos, daktylos que significa dedos e skoplin, que temcomo 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 documentosde identidade;

Criminal: a aplicada identificao para fins criminais e expedio de documentosde idoneidade;

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:

Perenidade: indica que o desenho digital dura do sexto ms fetal at a putrefaocadavrica2;

Imutabilidade: indica a no mudana natural dos desenhos digitais desde o nasci-mento at a morte do indivduo;

Variabilidade: afirma que nenhum dedo ter a digital igual a outro;

Classificabilidade: a possibilidade de classificar ou medir quantitativamente o dese-nho digital.

Esses postulados foram descobertos ao longo da histria da datiloscopia, que abordadana prxima subseo.

3.3.1 Histria da Datiloscopia

No h uma data reconhecida internacionalmente como sendo o comeo do uso dasimpresses digitais para o reconhecimento humano, porm a datiloscopia possui uma vastahistria com datas significativas. O histrico dessa cincia dividido em trs perodosdistintos [SIE, 1981]: pr-histrico, emprico e cientfico, cada um desses perodos seroapresentados a seguir.

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

1Uma proposio que se aceita sem demonstrao.2Decomposio 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 substnciacorante, como pode ser visto abaixo na Figura 3.5.

Figura 3.5: Registros arqueolgicos de digitais. Fonte: [Maltoni et al., 2003]

Perodo Emprico

A partir desse perodo possvel datar os acontecimentos [SIE, 1981]:

650: Os chineses utilizavam a impresso digital em divrcios;

782: No Japo, as impresses eram usadas para firmar acordos e apostas;

800: Os indianos analfabetos usavam as digitais para legalizao de papis;

1300: Na China, comeou-se a empregar as impresses digitais nos casos criminais.

Perodo Cientfico

Esse o perodo com a principais descobertas na datiloscopia, pois compreende oestudo cientfico das papilas 3.

1664: O mdico italiano Marcelo Malpighi publicou um trabalho chamado Epstolasobre o rgo do tato, onde relata a existncia de linhas nos desenhos digitais e naspalmas das mos;

1788: Mayer faz uma descrio detalhada da formao anatmica das impressesdigitais, 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 estudocientfico de reconhecimento de impresses digitais [Moenssens, 1971];

3Pequena salincia cnica, na superfcie da pele ou das mucosas, formada de ramificaes nervosas ouvasculares.

19

1823: Joo Purkinje apresentou uma classificao para os desenhos das papilas,agrupando-os em nove tipos fundamentais. Foi a primeira categorizao existentepara impresses digitais;

1856: Jos Engel publicou o Tratado de desenvolvimento da mo humana no qualreduziu para quatro tipos os nove propostou por Purkinje;

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 foidescartado;

1882: Alfonse Bertillon, lanou o sistema antropomtrico, considerado o primeirosistema cientifico de identificao, onde era observado vrias caractersticas do in-divduo como altura, cor dos olhos e a impresso digital;

1888 a 1892: Francis Galton por meio de um estudo extensivo sobre impressesdigitais introduziu o uso das mincias no casamento de impresses digitais. Galtonainda publicou um detalhado modelo estatstico para anlise e identificao de im-presses digitais e encorajou o seu uso pela cincia forense em seu livro chamadoFinger Prints;

1892: O policial argentino Juan Vucetich apresentou seu sistema de identificao deimpresses digitais intitulado de Icnofalangometria que consiste em quatro tiposfundamentais (Arcos, Presilhas Interans e Externas e Verticilos) alm da classifica-o e arquivamento decadactilar (utilizando as impresses dos dez dedos da mo);

1894: Francisco Latzina sugere a mudana do nome Icnofalangometria para Dati-loscopia;

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;

1901: O sistema de Henry foi adotado oficialmente na Inglaterra pela ScotlandYard ;

1903: O Brasil institui o sistema de Vucetich no Rio de Janeiro;

1935: Criados o Laboratrio de Locais de Crime e o Arquivo Datiloscpico Mono-datilar no Servio de Identificao de So Paulo;

20

1960: No incio dos anos 60, o FBI e o Departamento de Polcia de Paris comearama investir no desenvolvimento de AFIS [Maltoni et al., 2003];

2000: O FBI instalou um IAFIS com um banco de 47 milhes de impresses;mdia de 50.000 pesquisas/dia, com um tempo de resposta de 2 horas para pes-quisa criminal e 24 horas para pesquisa civil devido ao tamanho do banco de dados[Jain et al., 2001];

2010: O Brasil implantou em algumas cidades no intuito de teste, a identificaobiomtrica por impresso digital nas eleies.

3.4 Sistema de Identificao Biomtrica por Impresses

Digitais

Os AFIS consistem em vrios estgios de processamento, dentre os quais so citados amelhoria de imagem, o clculo da imagem direcional, a reduo de rudos, a segmentao eo afinamento4 [Jain et al., 1997]. A implantao desse tipo de sistema agiliza o tempo deprocessamento e o manuseio de bancos de dados, eliminando algumas rotinas repetitivasdo trabalho manual dos especialistas.

Os estgios de um AFIS so mostrados na Figura 3.6, onde se tem a aquisio da digitalpor um leitor de impresso digital, o melhoramento da imagem ou pr-processamento, aextrao das mincias e a comparao das impresses que inclui a verificao e anlise deresultados.

Figura 3.6: Estgios do AFIS. Fonte: [Hong, 1998]4Conhecido como thinning e estudado em 4.3.

21

Os leitores biomtricos de impresso digital que do incio as etapas do AFIS podemser de trs tipos, caracterizados pelos sensores utilizados:

ptico: a tcnica mais utilizada, o dedo toca o topo de um prisma de vidro,onde as cristas tocam a superfcie do vidro, mas os sulcos no. Uma luz uniformeilumina a lateral esquerda do prisma, assim, a luz reflete os sulcos e absorve ascristas permitindo a discriminao entre eles;

Ultrassom: as ondas sonoras encontram o dedo e transmitem um eco que indica asinformaes da impresso. Esse mtodo o menos utilizado, pois ainda no possuiuma produo em larga escala, alm de pouca maturao;

Silicone: consiste em um arranjo de pixels em que cada pixel um pequeno sensor.O usurio ento toca diretamente essa superfcie e esse toque convertido em in-formao. Tal tcnica gera digitais de melhor qualidade que as geradas pelo leitorptico, porm possui um custo mais elevado.

A etapa de pr-processamento se faz necessria porque as imagens podem apresentarrudos devido a sujeira no leitor ou falha na impresso digital que devem ser corrigidospara que os mtodos de extrao de mincias no obtenham falsas mincias e o sistemase torne impreciso.

O passo de extrao de mincias responsvel por extrair as informaes de minciasna imagem, e considerada a etapa crucial, que definir o resultado final do sistema deidentificao, e logo deve ser imune a qualquer interferncia na imagem ou erro de extrao.As tcnicas de extrao (ou reconhecimento) de mincias sero abordadas na prximasubseo.

Aps a extrao, o template armazenado no banco de dados, e esse template ser no-vamente utilizado na etapa de comparao, onde ser comparada com uma nova entrada.

3.5 Tcnicas de Reconhecimento

As tcnicas de reconhecimento so parte importante da etapa de extrao de um AFIS,pois por meio delas que se localizam as caractersticas singulares de cada usurio.

Segundo [Maltoni et al., 2003], as abordagens de reconhecimento de impresses digi-tais podem ser divididas da seguinte forma:

Baseada em correlao: duas imagens em escala de cinza de digitais so sobrepostase a correlao entre os pixels computada mediante diferentes deslocamentos erotaes, buscando por meio das diferentes situaes se tal imagens so do mesmoindivduo;

22

Baseada em mincias: consiste em encontrar o alinhamento entre o conjunto demincias do template e da imagem de consulta que resulta no nmero mximo depares de mincias;

Baseada em cristas: compara as impresses digitais em termos das caractersticasextradas das cristas como orientao local, frequncia, forma da crista e informaoda textura [Falguera, 2008];

As tcnicas baseadas em correlo, em mincias e em cristas, so aprofundadas nasprximas sees.

3.5.1 Baseada em Correlao

Nessa tcnica a rotao da imagem representada por Ix,y, onde indica o ngulode rotao em relao origem (geralmente o centro da imagem) e x e y representama deslocao em pixels nas direes x e y, respectivamente. E ento a semelhana entreas duas imagens (T , sendo a imagem template e I a imagem consulta) pode ser medidacomo apresentado na expresso 3.1, onde CC(T, I) = T T I que a medida de semelhana(correlao cruzada) entre as duas imagens.

S(T, I) = maxx,y,

CC(T, Ix,y,) (3.1)

Entre os exemplos de algoritmos de reconhecimento de impresses digitais baseado emcorrelao, tem-se:

Bazen et al. [Bazen et al., 2000] apresentaram um mtodo dessa categoria que usaa tcnica de correlao local nas impresses digitais.

O mtodo de Gonzalez e Woods [Gonzalez e Woods, 1987] que utiliza a correlaocruzada conhecida como uma medida de similariedade de imagens para comparaoentre as digitais de consulta e template.

3.5.2 Baseada em Mincias

O reconhecimento de impresses digitais baseado em mincias o mtodo mais conhe-cido e explorado nos sistemas biomtricos automticos, principalmente por tambm ser omtodo utilizado pelos especialistas forenses e por sua aceitao como prova de identidadeem praticamente todos os pases [Maltoni et al., 2003].

Nessa tcnica as mincias so extradas das duas impresses digitais e armazenadascomo conjuntos de pontos no plano bidimensional. No geral, os algoritmos utilizadosconsideram cada mincia como o trio de dados (x, y, ), chamados de descritores da

23

mincia, onde x e y so as coordenadas de localizao da mincia e , o ngulo damincia.

Assim, os mtodos dessa abordagem so baseados em algoritmos de casamento depontos, que consistem em encontrar uma transformao no plano como deslocamento,rotao e escala, em que o conjunto de pontos do template corresponda ao conjunto depontos da imagem de consulta.

Entre os exemplos de algoritmos de reconhecimento de impresses digitais baseado emmincias, tem-se:

NBIS (NIST Biometrics Image Software) possui um cdigo aberto e gratito, foicriado para utilizao do FBI [NIST, 2011], sendo esse algoritmo de reconhecimentode digitais para fins de teste e comparao com sua verso modificada com a tcnicade afinamento utilizado nesse trabalho;

Algoritmos baseados no mtodo de poda de rvores que procuram a correspon-dncia de pares de pontos buscando em uma rvore de possveis casamentos. Po-rm, para realizar a poda eficientemente, tais algoritmos geralmente impem re-quisitos como nmero igual de pontos entre o template e a imagem de consulta[Maltoni et al., 2003];

A abordagem baseada em relaxao, um algoritmo iterativo que ajusta o nvel deconfiana de cada par de pontos baseada em sua consistncia com os outros paresat que um nmero seguro seja satisfeito. Porm, devido a sua natureza iterativaesse algoritmo inerentemente lento [Ton e Jain, 1989];

Tan e Bhanu [Tan e Bhanu, 2006] empregaram um tradicional (e lento) algoritmogentico que por meio da gerao de cromossomos e novas populaes por seleo,mutao e crossover para encontrar o melhor alinhamento entre os dois conjuntosde mincias;

Cheung et al. [Cheung et al., 2001] usaram a tcnica de programao evolucionriafuzzy, onde a principal tarefa encontrar uma transformao que transforma oconjunto de mincias de consulta no conjunto template por meio de uma funocom conjuntos fuzzy.

3.5.3 Baseada em Cristas

As caractersticas mais utilizadas das cristas para o reconhecimento de impressesso: tamanho e formato da silhueta da impresso digital, posio e singularidades dascristas, tipo, relaes espaciais, nmero e atributos geomtricos das linhas da crista, poros

24

de transpirao, informao de textura global e local, forma da crista e caractersticasfractais.

Cada impresso digital representado por um vetor de caractersticas de tamanho fixo(80 linhas por 8 colunas), chamado Finger Code [Maltoni, 2005], contendo as informaescitadas acima.

Essa tcnica possui uma extrao mais confivel de mincias em imagens de menorqualidade, sendo que o consumo de tempo na extrao de mincias e recursos adicionaispodem ser usados em conjunto com as mincias para aumentar a preciso e robustezdo sistema. Entre os exemplos de algoritmos de reconhecimento de impresses digitaisbaseado em cristas, tem-se:

O trabalho de Marana e Jain [Marana e Jain, 2005], no qual apresentaram um m-todo dessa categoria que faz uso da Transformada de Hough5 para calcular os pixelsdas cristas e de retas que passam pelos pixels das cristas.

O estudo de Jain et al. [Jain et al., 2000b] que propuseram uma tcnica de anlisede textura locais onde a rea de interesse da impresso digital definida com relaoao ponto central da impresso;

O mtodo de Stosz e Alyea [Stosz e Alyea, 1995] que usa os poros de transpiraoe, portanto, requer leitores de alta resoluo.

3.6 Tcnicas de Classificao

A classificao de impresses digitais tem como objetivo atribuir a uma digital, umacategoria especfica de acordo com suas propriedades geomtricas. Os principais prop-sitos de classificar impresses digitais so facilitar o gerenciamento de grandes bancos dedados de impresses digitais e acelerar o processo de identificao (emparelhamento) deimpresses digitais [Jain et al., 1997].

O sistema mais antigo de classificao ainda utilizado na identificao manual osistema de Henry. Ele dividiu as impresses digitais nas cinco classes abaixo, que podemser vistas na Figura 3.7.

5Mtodo padro para deteco de formas que so facilmente parametrizadas (linhas, crculos, elipses,etc.) em imagens digitalizadas.

25

Figura 3.7: As classes de impresses digitais usadas por Henry. Fonte: [Kehdy, 1968]

Arco Plano: a impresso no apresenta delta e as linhas formam-se de um lado etendem a sair pelo outro lado;

Arco Angular: a digital apresenta um formato de tenda nas linhas no centro. Podepossuir um delta, e uma linha ou fragmento dela entre o delta e o ncleo;

Presilha Interna (Direita): possui um delta a direita do observador, e as linhas quese formam a esquerda do observador, curvam-se e tendem a voltar para o mesmolado [Costa, 2001];

Presilha Externa (Esquerda): possui um delta a esquerda do observador, e as linhasque se formam a direita do observador, curvam-se no centro e tendem a voltar parao mesmo lado [Costa, 2001];

Verticilo: apresenta um delta direita e outro esquerda e as linhas nucleares ficamencerradas entre eles, com diferentes configuraes.

Raramente, as impresses digitais no podem ser classificadas em nenhuma dessascategorias e assim so associadas a uma classe chamada acidental. A classificao deHenry eficiente para classificao manual, pois humanos podem facilmente identificarcada classe, mas nenhum ganho maior obtido com o agrupamento do banco de dadosem seis classes. Alm disso, essas classes tem distribuies desiguais [Jain et al., 1997].Segundo Moayer e Fu [Moayer e Fu, 1975] no arquivo do FBI foi averiguado que 65% dasdigitais so presilhas, 30% verticilos e somente 5% so arcos.

Os sistemas de classificao automtica de impresses digitais tentam principalmenteimplementar o esquema de classificao de Henry, adicionando as outras duas classes:mista 6 e espiral 7. H seis abordagens principais que tem sido tomadas para classifica-o automtica de impresses digitais: sinttica, estrutural, redes neurais, estatsticas,matemtica e hibrida [Halici et al., 1999].

6Digital que apresenta caractersticas de mais de uma classe de Henry.7Possui um delta a esquerda e outro a direita do observador apresenta no centro do ncleo uma nica

linha espiral, desenvolvendo-se do centro para a periferia.

26

Abordagem Sinttica: um conjunto de padres aplicado por meio de uma lingua-gem formal para descrio e reconhecimento dos padres. Tais padres se baseiamnos tipos de linhas, descoberta do paralelismo e continuidade das cistas, ncleos edeltas, etc. A representao feita na forma de vetores que podem ser comparadoscom o conjunto de padres personalizado por cada pesquisador, por exemplo em[Moayer e Fu, 1976] e [Blue et al., 1994];

Abordagem Estrutural: as caractersticas baseadas em mincias so extradas erepresentadas por um grafo. Os tipos e as localizaes dos deltas e ncleos, bemcomo, o fluxo da linha entre pares so usados para classificar impresses digitais nasclasses de Henry;

Abordagem por Rede Neural: um sistema de auto-aprendizado utiliza as direesdas cristas e outros aspectos nas imagens de impresses digitais como entrada detreinamento para diferenciar as diversas classes [Wilson et al., 1994];

Abordagem Estatstica: utiliza-se classificadores estatsticos de reconhecimento depadres criados a partir dos atributos especiais da impresso digital. Neste caso, ascaractersticas estatsticas so calculadas como atributos das cristas, ncleos e deltase so usados para a classificao [Rao, 1976]. Tais caractersticas so escolhidas pormeio das principais probabilidades encontradas no ambiente de caractersticas, comopresilhas e verticilos;

Abordagem Matemtica: um modelo matemtico desenvolvido para calcular aorientao da crista local, ncleos e deltas para o propsito de classificao;

Abordagem Hbrida: quando duas ou mais abordagens citadas acima so combina-dos para executar a tarefa de classificao.

3.7 Consideraes Finais

Neste captulo foi descrita a anatomia de uma impresso digital (mincias, vales ecristas) Alm disso, foi apresentado um breve estudo sobre a datiloscopia com foco nohistrico do uso das impresses digitais, desde dos primrdios do homem at os dias dehoje, podendo-se observar como a impresso digital se tornou um mtodo de identificao,sendo agora facilitado pelos AFIS, tambm descritos no captulo. Neste contexto, asprincipais abordagens utilizadas no reconhecimento e classificao de impresses digitaisforam vistas.

Assim, pode-se observar que as propriedades das impresses digitais foram objeto decuriosidade e estudo por muitos anos e se tornaram uma caracterstica biomtrica por

27

serem nicas, imutveis, variveis e classificveis, o que possibilita extrair seus atributoscom o intuito de identificao e verificao. A extrao das mincias s possvel graas astcnicas de reconhecimento por correlao, cristas e mincias, esta ltima sendo abordadasmais profundamente no prximo capitulo, por ser parte fundamental deste trabalho.

28

Captulo 4

Descrio dos Algoritmos NBIS e de

Afinamento

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 discutidosalguns algoritmos de afinamento, j que tanto o software e a tcnica de afinamento sopartes fundamentais do projeto.

4.2 Etapas do software NBIS

O software NBIS possui um cdigo aberto e gratito e foi desenvolvido pelo NIST parautilizao do FBI e DHS no trabalho de verificao/identificao de indivduos visandoa segurana do pas norte-americano. O software desenvolvido a partir da tcnicade reconhecimento baseada em mincias e utiliza-se de dois mdulos principais que soutilizados no reconhecimento de impresses digitais: o Mindtct e o Bozorth3.

4.2.1 O Mdulo Mindtct

O Mindtct responsvel pela deteco das mincias tendo como entrada uma imagemda digital e gerando como sada um arquivo texto com o conjunto de mincias detectadasrepresentadas por suas coordenadas x, y e a sua orientao . As etapas do Mindtctpodem ser vistas na Figura 4.1.

29

Figura 4.1: Etapas do Mindtct. Fonte: [Falguera, 2008]

Aps a obteno da imagem de entrada (Etapa 1 da Figura 4.1.) criada a imagem(ou mapa) direcional que fornece informaes contidas nas impresses digitais como aorientao das cristas e pode ser seguramente calculada em imagens ruidosas, pois seupropsito representar as cristas da impresso digital limpando a imagem da presena derudos, j que, cristas bem formadas e livres de rudos so essenciais para a deteco demincias. O procedimento feito apartir de blocos de pixels que sero assinalados com omesmo fluxo de direo da crista. Por essas razes, a maioria dos mtodos de extrao 1

utilizam a imagem direcional [Ratha et al., 1996] e [Jardini, 2007].No geral, para o processo de gerao da imagem necessrio analisar localmente a

impresso digital, dividindo a imagem em uma grade de blocos. Todos os pixels dentro deum bloco possuem os mesmos resultados, ou seja no mapa direcional, todos os pixels de umbloco sero atribudos com o sentido do fluxo da crista. Para minimizar a descontinuidadeque pode ser gerada por essa abordagem, desejvel compartilhar informaes entre osblocos vizinhos. Dessa forma algumas das imagens que contriburam para os resultadosde um bloco so includas nos resultados do bloco vizinho tambm. Tal correo recebeo nome de suavizao.

Cada direo no mapa representada como um segmento de linha centrado dentro deum bloco composto por 8x8 pixels (chamado de janela). Para cada bloco na imagem, ajanela rotacionada de forma incremental e uma anlise atravs da Transformada Discretade Fourier2 (DFT) realizada.

1Vistos nas sees 3.5.2 e 3.5.3.2 uma representao de uma funo peridica como uma soma de funes peridicas.

30

Ao determinar a direo das cristas de um bloco, cada uma das janelas tem suasorientaes analisadas. Cada linha rotacionada da janela tem as orientaes de seuspixels 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 naFigura 4.2.

Figura 4.2: Formas de onda DFT. Fonte: [Watson et al., 2004]

A frequncia espacial da forma de onda da figura acima representa discretamente ascristas e vales com uma largura de aproximadamente 12 pixels. A segunda forma de ondarepresenta 6 pixels de largura. A terceira representa 3 pixels de largura. Enquanto aquarta representa 1,5 pixels de largura. Dada uma imagem, essas ondas cobrem as cristase vales que variam sua largura de 0,6 mm a 0,075 mm.

Os coeficientes de ressonncia produzidos a partir de cada convoluo dos vetores desoma das orientaes com as quatro diferentes formas de onda discretas so armazenadose analisados. Geralmente, a direo dominante da crista para o bloco determinada pelaorientao com a ressonncia mxima. O resultado da operao pode ser visto na Figura4.3 onde a imagem da esquerda a de entrada e a da direita, a imagem direcional.

31

Figura 4.3: Resultado do processo de mapa direcional. Fonte: [Costa, 2001]

Como pode-se perceber, a determinao do mapa direcional no trivial, e de grandeimportncia pois alm de gerar a orientao da mincia, tambm ajuda na remoode falsas mincias. Por exemplo, se dentro de uma determinada distncia existir duasterminaes e ambas tiverem a mesma direo, considera-se que houve uma desconexoda crista, gerando uma falsa mincia.

Terminado o mapa direcional (Etapa 2 da Figura 4.1.), a prxima etapa (Etapa 3 daFigura 4.1.) o processo de binarizao (tambm conhecido como threshold) que consisteem transformar a imagem original de 8 bits/pixel em uma de 1 bit/pixel, com o valor 1atribudo s cristas papilares que formam a impresso digital, e o valor 0 para os vales(espao entre as cristas papilares), ou seja, a binarizao consiste em transformar umaimagem em tons de cinza para uma imagem em preto e branco [Coetzee e Botha, 1990].

Para a melhor deteco de mincias e cristas a imagem da digital, transformadaem uma imagem preta e branca, onde a cor preta representa as cristas e os vales sorepresentados pela cor branca. Para criar essa imagem binria, cada pixel da imagem emtons de cinza de entrada deve ser analisado para determinar se ele deve ser atribudo umpixel preto ou branco.

Se o pixel analisado est exatamente em cima de um fluxo direcional (criado na imagemdirecional), ele associado a uma crista e se torna um pixel preto, caso contrrio, o pixel definido como branco. Se houver apenas a deteco de um fluxo direcional prximo,ento a intensidade dos pixels vizinhos so analisados dentro de uma grade rotativa comoilustrado na Figura 4.4.

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 pixelde interesse no centro, a grade rotacionada de forma que suas linhas fiquem paralelas aofluxo direcional da crista. Intensidades em tons de cinza do pixel so acumulados ao longode cada linha rodada na grade, formando um vetor de somas da linha. O valor binrio aser atribudo ao pixel central determinado multiplicando a soma da linha central pelonmero de linhas na grade e comparando esse valor com a intensidade acumulada em tonsde cinza dentro da grade inteira. Se a soma da linha central multiplicada inferior aintensidade 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 dasmincias, logo desejvel preservar as informaes de estrutura (cristas e vales) da imagemao mximo possvel, para que as mincias no sejam perdidas e que tambm no sejamgeradas falsas mincias. A Figura 4.5 apresenta o resultado da binarizao desenvolvidapela autora do projeto.

Figura 4.5: Resultado do processo de binarizao.

No estgio de extrao de mincias, pode-se destacar a utilizao das etapas de de-teco de mincias, remoo de falsas mincias e a contagem de mincias vizinhas doprograma Mindtct (Etapas 4, 5 e 6 da Figura 4.1.) e cada uma dessas etapas so aborda-das abaixo:

Na deteco de mincias a imagem binarizada analisada procura de padres depixels que indiquem uma terminao ou uma bifurcao. Os padres de mincias utili-

33

zados so descritos na Figura 4.6. So dois padres representando terminaes e o restodos padres representa diferentes bifurcaes. Esses padres recebem ainda o atributoaparecendo/desaparecendo que serve para representar a direo da crista.

Figura 4.6: Padres usados para a deteco de mincias. Fonte:[de Oliveira, 2006]

Candidatos mincia so detectados e analisados com o objetivo de se encontrarsequncias que se casem com os padres. Os escaneamentos so feitos vertical e horizon-talmente, sendo necessrio rotacionar os padres no sentido horrio para o escaneamentohorizontal.

Aps a deteco, preciso analisar se h falsas mincias no conjunto de minciasencontrado. Para remoo de falsas mincias, uma srie de algoritmos para removermincias ilegtimas como lagos, quebras, ganchos, mincias muito curtas, fragmentos decristas finais e marcas indesejveis e possveis pontos vazios dentro das cristas, minciasdetectadas sobre reas sem deteco da direo das cristas ou localizadas em reas de baixaqualidade so executados. A Figura 4.7 apresenta alguns exemplos de falsas minciascomo gancho (a)), quebra (b)) e lago (c)).

Figura 4.7: Exemplos de falsas mincias. Fonte:[Watson et al., 2004]

O Cdigo 4.1 [Watson et al., 2004] mostra uma parte do algoritmo de remoo deganchos. No geral, os algoritmos analisam a distncias dos pontos extremos (como nalinha 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 pontosultrapassem a distncia e ngulo, sejam do mesmo tipo e a borda da mincia seja aindaa mesma, essa mincia falsa pois no caracteriza um mincia vlida, por no se tratarde uma termino ou bifurcao.

Cdigo 4.1: Parte do algortmo de remoo de ganchos [Watson et al., 2004].

1 i f ( d i s t ance (A,B) 123 .75) then // con fere se o angulo

d i r e c i o n a l e s t a menor que 123.76 p i x e l s .

3 i f ( type (A) !=type (B) ) then // con fere se os t i p o s dos pontos sao

d i f e r en t e s , se sim , ana l i s a as bordas do ponto A

4 pts = traceContours (A,30 p i x e l s ) ;

5 i f ( inPo int s ( pts ,B) ) then // con fere se a borda de A es t a em

comum com o ponto B.

6 remove (A,B) ; // se e s s e s casos se confirmarem a minucia sera

removida

Por fim, a ltima etapa do programa Mindtct, contagem de mincias vizinhas, que dizrespeito identificao e registro das oito mincias mais prximas e o nmero de cristasexistentes entre cada mincia e a sua vizinha. A utilizao das mincias vizinhas dentrode um quadrante especificado um atributo comum utilizado nos AFIS [FBI, 2006].

Dado um ponto de mincia, os vizinhos mais prximos abaixo (na mesma colunado pixel), e direita na imagem so selecionados. Esses vizinhos mais prximos soclassificados em ordem de sua direo, iniciando verticalmente e com a leitura no sentidohorrio. A parte final da etapa de extrao de mincias feita pelo programa Bozorth3que apresentado na prxima subseo.

4.2.2 O Mdulo Bozorth3

A parte final da etapa de extrao de mincias feita pelo programa Bozorth3 quepossui as etapas de construo das tabelas de comparao e da tabela de compatibilidadeentre as impresses digitais e o clculo de pontuao de casamento do template e a digitalde consulta. Tal programa uma verso modificada do algoritmo proposto por AllanS. Bozorth [Watson et al., 2004] e responsvel pelo casamento dos dois conjuntos demincias. Assim, tem como entrada o arquivo texto gerado pelo Mindtct e gera umapontuao de casamento como sada como pode ser visto na Figura 4.8.

35

Figura 4.8: Etapas do Bozorth3. Fonte: [Falguera, 2008]

O primeiro passo para a construo das tabelas computar as medidas relativas decada mincia de uma impresso em relao a todas as outras mincias do mesmo dedo.Essas medidas so armazenadas em uma tabela de comparao de mincias e o queprov a invarincia de rotao e translao (Etapa 1 da Figura 4.8.).

Para o caso de translaes so acumuladas as distncias entre as mincias, que sorealmente invariantes apesar da elasticidade da pele forar com que se trabalhe com umamargem de complacncia. Quanto o problema das rotaes, so extradas medidas dosngulos entre a linha que une duas mincias e a orientao das mesmas, o que torna asmedidas invariantes rotao.

A construo da tabela de compatibilidade se d por meio das tabelas das mincias daimpresso digital template e da impresso digital de consulta. As duas so analisadas procura por entradas compatveis, sendo tais entradas gravadas na tabela de compatibili-dade. Para saber se so compatveis, as distncias das entradas so testadas, percebendose esto dentro de uma tolerncia (Td). Depois so testados se os ngulos formados entreas orientaes das mincias e a linha que as liga est dentro de uma tolerncia (T).

Se a distncia e os ngulos das mincias estiverem dentro das tolerncias aceitveis arelao entre os dois pares de mincias ser gravada na tabela de compatibilidade.

O ltimo passo o clculo da pontuao de casamento. A tabela de compatibilidaderepresenta uma lista de associaes entre dois pares de mincias que potencialmente secorrespondem. Essas associaes so representadas por um um grafo de compatibilidade3.Ento, para determinar quo semelhantes as duas impresses digitais so, o grafo per-corrido a fim de encontrar o caminho com maior nmero de associaes (sendo o caminhomais longo entre essas associaes). A pontuao ser, ento, esse caminho.

Assim, se uma mincia (vista como um vrtice pelo programa) da digital de consulta correspondente uma da template, os dois vrtices so conectados por uma aresta, apontuao de casamento ser dada pelo maior caminho encontrado no grafo percorrendo

3Grafo em que, se dois vrtices so compatveis, ento eles esto unidos por uma aresta.

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 40indica um casamento com boa margem de segurana, porm dependendo da aplicaopodem ser usados menores ou maiores scores. O score de 40 mincias em comum tidocomo padro para muitos AFIS, inclusive utilizado pelo software NBIS.

O padro do Mindctc reconhece as 150 melhores mincias para cada dedo, apesar deuma 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 aremoo de falsas mincias. O Bozorth3 deixa em aberto a definio de quantas minciassero consideradas para o casamento [Watson et al., 2004].

4.3 Afinamento

O afinamento, tambm conhecido como thinning uma tcnica que pode ser usadapara remover pontos isolados no fundo da imagem e ngulos retos ao longo de bordas dosobjetos [Mehtre, 1993]. Um algoritmo de afinamento para ser eficiente deve compactardados, 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 seroremovidos, para que em um segundo momento eles sejam realmente eliminados. Esses doispassos so repetidos at que no existam mais pixels redundantes, sobrando apenas ospixels que pertencem ao esqueleto do objeto. Esses passos so executados respeitandoalgumas propriedades como as regies afinadas precisam ter um pixel de largura, mantera conectividade e a forma original do objeto.

Existem alguns diferentes mtodos de afinamento na literatura como o afinamento deHolt, de Stentiford e de Morfologia Matemtica, nas prximas subsees tais mtodos soapresentados.

4.3.1 Mtodo de Holt

O mtodo de Holt executa os passos j apresentados, seu diferencial que tem comoprincipal caracterstica impedir o efeito chamado serrilhamento (tambm conhecido comostaircase), o qual consiste na formao de degraus durante o processo de afinamento. Talefeito indesejado, pois prejudica a forma do esqueleto da imagem.

Uma das etapas do mtodo de Holt chamada de staircase removal [Holt et al., 1987]

37

e elimina esse problema por meio da execuo de quatro mscaras (Figura 4.9) sobreo esqueleto de imagem. Esse processo elimina o pixel central das mscaras mostradascaso qualquer um dos pixels indicados por X tiver valor zero (0) pois assim, no causarproblemas na forma ou na conectividade do objeto.

Figura 4.9: Mscaras utilizadas na remoo de degraus. Fonte:[Holt et al., 1987]

Tal mtodo possui o problema de no conseguir extrair esqueletos que preservam aforma alongada do objeto, quando o afinamento reduz o objeto bifurcaes orientadas a45 ou 135 [de Souza, 2006].

4.3.2 Mtodo de Stentiford

Como na maioria dos algoritmos de afinamento, o mtodo de Stentiford se baseia naremoo de pixels por camadas. So necessrias vrias iteraes para remoo de cadacamada. Estas iteraes ocorrem at que no haja mais camadas a serem retiradas. Oprocesso de remoo definido por meio de algumas mscaras (apresentadas na Figura4.10) e regras (discutidas aps a figura).

Figura 4.10: Mscaras do afinamento de Stentiford. Fonte: [Stentiford e Mortimer, 1997]

As mscaras mostradas acima percorrem a imagem na seguinte ordem:

M1: esquerda para direita e cima para baixo;

M2: esquerda para direita e baixo para cima;

M3: direita para esquerda e baixo para cima;

M4: direita para esquerda e cima para baixo;

Primeiro a M1 percorre a imagem at encontrar um pixel coincidente, esse marcadopara remoo se no for um ponto final4. A M1 continua a percorrer a imagem encon-

4Um ponto final um pixel preto que tem apenas um outro pixel preto como seu vizinho. Estes pixelsno podem ser apagados.

38

trando todos os pixels coincidentes de imagem e verificando-os. Depois todas as mscaraspercorrem a imagem (mesmo processo apresntado para a M1), os pixels marcados tmseus valores alterados para 0 (remoo). Por fim, se algum ponto foi removido, o algoritmorecomea 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]:

Algumas imagens resultantes apresentam problema de descontinuidade, provavel-mente por alguma falha no processo que verifica o nmero de conectividade dospixels.

Quando h uma interseco de duas linhas, ao ser afinada o que produz um segmentoalongado (chamado de Necking).

Quando tem-se uma unio de duas linhas, e o ngulo entre tais relativamentepequeno, 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 umsegmento que ser considerado como pertencente ao esqueleto (chamado de LineFuzz ).

4.3.3 Mtodo Morfologia Matemtica

O mtodo de afinamento conhecido como Morfologia Matemtica pode ser definido emtermos da transformada hit or miss, ou seja, casamento de mscaras. Essa funo eliminapixels indesejveis na imagem sem alterar sua estrutura. Os algoritmos de afinamentoconsomem tempo, uma vez que a varredura da imagem feita linha a linha, examinandoa vizinhana e verificando quando o pixel pode ou no ser apagado, alm de normalmenteser necessrio 20 a 30 passos para afinar as cristas em uma imagem de impresso digital[Rao, 1976].

Quando um pixel apagado, ou seja, seu valor muda de 1 para 0, a imagem ditatransformada. Um nmero total de pixels, apagados em um passo, constitui um nmerototal de mudanas nesse passo. A taxa de afinamento pode ser definida como nmero totalde mudanas por passo. O afinamento dito completo quando o nmero de mudanasna imagem converge para zero, ou seja, no ocorrem mais mudanas [Isenor, 1986]. Casoo resultado tenha sido alcanado, continuar aplicando o algoritmo de afinamento noinfluenciar no resultado obtido. Tal procedimento pode ser visto no Cdigo 4.2.

Cdigo 4.2: Algortmo de afinamento por morfologia matemtica

1 Entrada : Imagem I ; //Entrada : a imagem da d i g i t a l b ina r i z ada .

39

2 Imagem ITemp1 , ITemp2 ; // Var iave i s a u x i l i a r e s do t i p o imagem .

3 C=conjunto de mascaras ; //As mascaras apresentadas u t i l i z a d a s no

processo .

4

5 I n t e i r o nroAl t e r coe s =1; // Ind ica o t o t a l de pontos modi f i cados

f e i t a s na imagem .

6 Itemp1 = I ; //ITemp1 recebe a imagem de entrada .

7 while ( n roAl t e racoe s 0) //Enquanto houver o que modi f i car na

imagem percorrese cada mascara do conjunto8 for ( cada elemento de C)

9 nroAl t e racoe s = 0 ; // Re in i c ia o t o t a l de pontos modi f i cados .

10 Percorra a ITemp1 p i x e l a p i x e l //Percorrese a imagem daesquerda para a d i r e i t a , de cima para ba ixo .

11 i f C[ e ] = = ITemp1 [ p i x e l Atual ] //Se a par te da imagem sendo

ana l i sada f o r i g u a l a mascara .

12 ITemp2 [ p ixe lAtua l ]=1; //O p i x e l em uma nova imagem recebe 1 .

13 else //Caso contrar io , recebe 0 .

14 ITemp2 [ p ixe lAtua l ] = 0 ;

15 ITemp2 [ p ixe lAtua l ] = ITemp1 [ p ixe lAtua l ] AND Itemp2 [ p ixe lAtua l ] ;

// Rea l i za a operacao and nas duas imagens a u x i l i a r e s .

16 nroAl t e racoe s = nroAl t e racoe s +1; // Incrementa o t o t a l de

pontos modi f i cados .

17 Itemp1 = Itemp2 ; // S u b s t i t u i a Itemp1 pe l a imagem modi f icada .

18 I = Itemp1 ; // S u b s t i t u i a imagem de entrada pe l a modi f icada .

19 return I ;

Um exemplo de mscaras utilizadas so apresentadas na Figura 4.11. Os smbolosativos so representados pelo nmero zero. Quanto aos representados por x so os pi-xels que no interagem com a imagem. Logo, no geral, o processo afina a imagem poruma sequncia de mscaras, que vo sofrendo rotaes e verificando quais pixels podemser apagados, e esse processo deve ser repetido at que no ocorram mais mudanas naimagem.

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 desvantagensem comparao aos outros mtodos estudados no projeto.

Tabela 4.1: Comparativo entre as desvantagens dos mtodos de afinamento apresentados.

Necking

Tailing Line

Fuzz

Gerao de

pixels

desconexos

No gera

apenas 1

pixel de

largura

Mtodo deHolt X X X

Mtodo deStentiford X X X X

MtodoMorfologiaMatemtica

X

A Figura 4.12 apresenta o resultado do processo de afinamento desenvolvido pelaautora.

41

Figura 4.12: Resultado do processo de afinamento.

4.4 Estrutura do software NBIS Modificado

Como o objetivo principal desse trabalho incluir o processo de afinamento ao softwareNBIS, o mdulo Mindtct foi modificado para atingir tal objetivo, j que o mdulo emquesto responsvel por outras tcnicas de processamento da imagem como a criao domapa direcional e a binarizao. Assim, o afinamento foi incluso como etapa do mduloaps a binarizao da imagem como pode ser visto na Figura 4.13.

Figura 4.13: Etapas do Mindtct com o processo de afinamento.

A opo pela etapa de afinamento ser posicionada aps a tcnica de binarizao segueos moldes de outros estudos como [Marana e Jain, 2005] e [Maltoni et al., 2003], ondepode-se observar que o afinamento tem melhores resultados em imagens preto e brancopor 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 criadasao longo do tempo, mostrando que a tcnica vem criando maturidade. E por meio dosestudos dessas tcnicas de afi