Submitted by Geyciane Santos (geyciane_thamires@hotmail.com) on 2015-07-23T13:37:24Z No. of bitstreams: 1 Dissertação - Volnei da Silva Klehm.pdf: 16125840 bytes, checksum: c35ee4884abb69923aca15bc534eb348 (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2015-07-23T15:43:55Z (GMT) No. of bitstreams: 1 Dissertação - Volnei da Silva Klehm.pdf: 16125840 bytes, checksum: c35ee4884abb69923aca15bc534eb348 (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2015-07-23T15:41:48Z (GMT) No. of bitstreams: 1 Dissertação - Volnei da Silva Klehm.pdf: 16125840 bytes, checksum: c35ee4884abb69923aca15bc534eb348 (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2015-07-23T15:46:34Z (GMT) No. of bitstreams: 1 Dissertação - Volnei da Silva Klehm.pdf: 16125840 bytes, checksum: c35ee4884abb69923aca15bc534eb348 (MD5) / Made available in DSpace on 2015-07-23T15:46:34Z (GMT). No. of bitstreams: 1 Dissertação - Volnei da Silva Klehm.pdf: 16125840 bytes, checksum: c35ee4884abb69923aca15bc534eb348 (MD5) Previous issue date: 2013-07-10 / Não informada / Naturally, patterns that we wish to recognize occurs in several manners. As example, considering the ordinary human iris, it is often to this pattern to manifest different aspects. When acquired one iris can present, in relation to the original pattern, rotation, translation, lighting distortions or mixed noise. Thus, in some cases, it is necessary to the recognition method to have versatility enough to identify such unexpected forms of pattern occurrences that we wish to recognize. In our particular case, filters for correlation with broader flexibility than the standard SDF and MACE filters, for example, are necessary. A consolidated way to express the variation of a data set can be obtained using the method of Principal Component Analysis (PCA) [1, 2]. The PCA optimally represents a dataset and this fact makes it interesting for combination among ordinary correlation filter design and one possible approach consists of the modification of the design of correlation filters to use principal components as their own detection target. In this dissertation, it is proposed to modify the design of correlation filters SDF and MACE to use Principal Component Analysis to represent the set of occurrences of the pattern of interest. One benefit of this approach resides in the fact that PCA incorporate the changes in the set data providing as a result, more flexible filters. Thus, filters designed in this way would succeed in detecting patterns with small distortions translations and rotations. To validate the proposed method, a recognition system that uses the default human iris was designed and, for this purpose, one consolidate database is used. / Naturalmente, os padrões os quais desejamos reconhecer, ocorrem nas mais diversas formas. Por exemplo, supondo como padrão a íris humana, é natural que este padrão seja adquirido de algumas maneiras possíveis. Quando adquirida a íris pode estar, em relação ao padrão original, com rotação, translação, com efeitos de iluminação ou misturadas a ruídos. Dessa forma, em alguns casos, é necessário que o método de reconhecimento tenha versatilidade suficiente para identificar tais formas não esperadas da ocorrência do padrão os quais desejamos reconhecer. Em nosso caso particular, por exemplo, precisamos de filtros de correlação com flexibilidade mais ampla que os filtros SDF e MACE. Uma forma consolidada de expressar a variação de um conjunto de dados pode ser obtida utilizando-se o método por Análise de Componentes Principais (PCA) [1, 2]. A PCA representa de forma ótima um conjunto de dados e esse fato a torna interessante para combinação com o projeto de filtros e uma possível abordagem consiste em sua modificação para que as próprias componentes principais sejam usadas como padrões alvo. Nesta dissertação, é proposta a modificação do projeto de filtros de correlação SDF e MACE de modo a se utilizar a Análise de Componentes Principais para representar o conjunto das ocorrências do padrão de interesse. Um dos benefícios desta abordagem, reside no fato da PCA incorporar as variações presentes no conjunto de dados proporcionando, como resultado, filtros mais flexíveis. Assim, filtros projetados desta forma teriam sucesso na detecção de padrões com pequenas distorções, translações e rotações. Para validar o método proposto, projetamos um sistema de reconhecimento que utiliza como padrão a íris humana e, para tal, uma base de dados consolidada é utilizada.

Orientadores: Ricardo da Silva Torres, Hélio Pedrini / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Computação / Made available in DSpace on 2018-08-27T11:52:06Z (GMT). No. of bitstreams: 1 RoccaLayza_VladimirJaime_M.pdf: 7769260 bytes, checksum: a60ae46083facfc74cd79a4ab0c83c23 (MD5) Previous issue date: 2015 / Resumo: Vários sistemas de vigilância baseados no uso de múltiplas câmeras têm sido propostos recentemente. No entanto, a identificação de pessoas em sequências de vídeos obtidas por várias câmeras com vistas não sobrepostas, comumente conhecida como reidentificação de pessoas, é um problema em aberto. As razões para que este problema seja considerado desafiador referem-se principalmente às restrições nas quais o problema deve ser resolvido. Estas restrições são definidas a partir das características do cenário e dos objetos de interesse (as pessoas): primeiro, as características biométricas de pessoas não podem ser utilizadas como características discriminantes; segundo, a aparência das pessoas muda drasticamente em virtude de variações na posição, iluminação e parâmetros de câmera. Tais restrições fazem com que uma mesma pessoa possa ser observada por múltiplas câmeras como uma pessoa diferente para cada uma delas. Nesta pesquisa, busca-se investigar alternativas para a criação de sistemas de vigilância visando à reidentificação de pessoas. Foram empregadas técnicas de recuperação de imagens por conteúdo tais como descritores de imagens tradicionais e propostos recentemente, análise multiescala, e técnicas de rank aggregation. Os experimentos realizados consideram a utilização de quatro bases de dados comumente utilizadas na avaliação de sistemas de reidentificação de pessoas. Os resultados obtidos mostraram que as técnicas de recuperação de imagens por conteúdo são promissoras para a reidentificação de pessoas, obtendo resultados comparáveis aos métodos do estado da arte / Abstract: Several surveillance systems based on the use of multiple cameras have been proposed recently. However, the identification of people in video sequences obtained from several cameras with non-overlapping views, commonly known as the person reidentification problem, is still an open problem. Person reidentification is a challenging problem due to the constraints under which the problem should be solved. These constraints come from the characteristics of the scenario and the objects of interest (people): first, biometric features may not be used as discriminant information; second, appearance is dramatically modified by changes in position, lighting conditions, and camera parameters. Therefore, in these conditions a unique person can be ''seen'' as a distinct person by different cameras. This research is focused on the investigation of alternatives for the creation of surveillance systems aiming at person reidentification. We intend to use content-based image retrieval techniques, such as traditional and recently proposed image descriptors, multiscale analysis, and rank aggregation approaches. Conducted experiments considered the use of four different datasets, commonly used in the evaluation of person reidentification systems. Obtained results show that the content-based image retrieval techniques are promising to reidentify people, producing equivalent results to the state-of-the-art methods / Mestrado / Ciência da Computação / Mestre em Ciência da Computação

Submitted by Johnny Rodrigues (johnnyrodrigues@ufcg.edu.br) on 2017-08-30T18:56:35Z No. of bitstreams: 1 Avaliacao do uso de coeficientes Mel-cepstrais. MELO, Fabrício Gutemberg L. de..pdf: 4400198 bytes, checksum: b66f2ce2f2e815e517d66cddf8d6be28 (MD5) / Made available in DSpace on 2017-08-30T18:56:35Z (GMT). No. of bitstreams: 1 Avaliacao do uso de coeficientes Mel-cepstrais. MELO, Fabrício Gutemberg L. de..pdf: 4400198 bytes, checksum: b66f2ce2f2e815e517d66cddf8d6be28 (MD5) Previous issue date: 2014-12 / CNPq / A identificação de indivíduos por meio de biometria vem sendo bastante usada como mecanismo de segurança para o acesso a sistemas computacionais ou ambientes restritos. Os sistemas biométricos têm sido desenvolvidos para realizar a identificação por impressão digital, iridia ou vocal, por exemplo. Usar a voz como meio para a autenticação individual tem sido cada vez mais possível, devido ao avanço significativo na área de Processamento Digital de Sinais de voz. Esta pesquisa tem como finalidade avaliar a eficiência dos coeficientes mel-cesptrais na representação das características de um locutor em um sistema automático de verificação de locutor. As técnicas utilizadas para a construção do sistema automático de verificação de locutor, visando a uma implementação em hardware, incluem o uso de: (i) coeficientes mel-cepstrais, na composição do vetor de características; (ii) quantização vetorial, na obtenção de padrões; e (iii) uma regra de decisão, baseada na distância Euclidiana. O sistema utilizado para a avaliação da representação das características vocais de um locutor é uma modificação de outro sistema automático de verificação de locutor que utiliza coeficientes LPC para a representação das características vocais de um locutor. Para tanto, fez-se uso das linguagens C++ (fase de treinamento) e SystemVerilog (fase de verificação). Os resultados utilizando coeficientes mel-cepstrais foram de 99,34% na taxa de acerto, 0,17% para taxa de erros e 0,49% na taxa de respostas desconhecidas, comparados, respectivamente, a 96,52% na taxa de acerto, 0,90% para taxa de erros e 2,58% na taxa de desconhecidos para coeficientes LPC. / Biometric identification of individuals has been widely used as a security mechanism for accessing computer systems or restricted environments. Biometric systems have been developed to perform identification through fingerprint, iris, or voice, for example. Using the voice as a biometric identifier has been increasingly possible due to significant advances in digital processing of speech signals area. This research aims to evaluate the efficiency of mel-frequency cepstral coefficients in the representation of the characteristics of a speaker in an automatic speaker verification. The techniques used to construct the automatic speaker verification system aiming at a hardware implementation included the use of: (i) melfrequency cepstral coefficients, like feature vector; (ii) vector quantization, in patterning modelling; and (iii) a decision rule, based on Euclidean distance. The system used for evaluation in the representation of the characteristics of a speaker is a modification of another automatic speaker verification system using linear predictive coding coefficients for the representation of the vocal characteristics of a speaker. It was implemented using C++ for the training phase, and SystemVerilog for the verification phase. The results using mel-frequency cepstral coefficients were 99.34% in the hit rate, 0.17% to error rate and 0.49% to unknown response rate, compared respectively to 96.52% in success rate, 0.90% to error rate and 2.58% to unknown rate using the linear predictive coding coefficients.

Submitted by Irene Nascimento (irene.kessia@ufpe.br) on 2016-11-08T19:13:18Z No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Dissertação_Final.pdf: 15901621 bytes, checksum: e3bd1c1be70941932d970f61be02e4c1 (MD5) / Made available in DSpace on 2016-11-08T19:13:18Z (GMT). No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Dissertação_Final.pdf: 15901621 bytes, checksum: e3bd1c1be70941932d970f61be02e4c1 (MD5) Previous issue date: 2015-02-25 / O processo de identificação de um determinado indivíduo é realizado milhões de vezes, todos os dias, por organizações dos mais diversos setores. Perguntas como "Quem é esse indivíduo?" ou "É essa pessoa quem ela diz ser?" são realizadas frequentemente por organizações financeiras, sistemas de saúde, sistemas de comércio eletrônico, sistemas de telecomunicações e por instituições governamentais. Identificação biométrica diz respeito ao processo de realizar essa identificação a partir de características físicas ou comportamentais. Tais características são comumente referenciadas como características biométricas e alguns exemplos delas são: face, impressão digital, íris, assinatura e voz. Reconhecimento de locutores é uma modalidade biométrica que se propõe a realizar o processo de identificação pessoal a partir das informações presentes unicamente na voz do indivíduo. Este trabalho foca no desenvolvimento de sistemas de verificação de locutores independente de texto. O principal desafio no desenvolvimento desses sistemas provém das chamadas incompatibilidades que podem ocorrer na aquisição dos sinais de voz. As técnicas propostas para suavizá-las são chamadas de técnicas de compensação e três são os domínios onde elas podem operar: no processo de extração de características do sinal, na construção dos modelos dos locutores e no cálculo do score final do sistema. Além de apresentar uma vasta revisão da literatura do desenvolvimento de sistemas de verificação de locutores independentes de texto, esse trabalho também apresenta as principais técnicas de compensação de características, modelos e scores. Na fase de experimentação, uma análise comparativa das principais técnicas propostas na literatura é apresentada. Além disso, duas técnicas de compensação são propostas, uma do domínio de modelagem e outra do domínio dos scores. A técnica de compensação de score proposta é baseada na Distribuição Normal Acumulada e apresentou, em alguns contextos, resultados superiores aos apresentados pelas principais técnicas da literatura. Já a técnica de compensação de modelo é baseada em uma técnica da literatura que combina dois conceitos: treinamento multi-condicional e Teoria dos Dados Ausentes (Missing Data Theory). A formulação apresentada pelos autores é baseada nos chamados Modelos de União a Posteriori (Posterior Union Models), mas não é completamente adequada para verificação de locutores independente de texto. Este trabalho apresenta uma formulação apropriada para esse contexto que combina os dois conceitos utilizados pelos autores com um tipo de modelagem utilizando UBMs (Universal Background Models). A técnica proposta apresentou ganhos de desempenhos quando comparada à técnica-padrão GMM-UBM, baseada em Modelos de Misturas Gaussianas (GMMs). / The personal identification of individuals is a task executed millions of times every day by organizations from diverse fields. Questions such as "Who is this individual?" or "Is this person who he or she claims to be?" are constantly made by organizations in financial services, health care, e-commerce, telecommunication systems and governments. Biometric identification is the process of identifying people using their physiological or behavioral characteristics. These characteristics are generally known as biometrics and examples of these include face, fingerprint, iris, handwriting and speech. Speaker recognition is a biometric modality which makes the personal identification by using speaker-specific information from the speech. This work focuses on the development of text-independent speaker verification systems. In these systems, speech from an individual is used to verify the claimed identity of that individual. Furthermore, the verification must occur independently of the pronounced word or phrase. The main challenge in the development of speaker recognition systems comes from the mismatches which may occur in the acquisition of the speech signals. The techniques proposed to mitigate the mismatch effects are referred as compensation methods. They may operate in three domains: in the feature extraction process, in the estimation of the speaker models and in the computation of the decision score. Besides presenting a wide description of the main techniques used in the development of text-independent speaker verification systems, this work presents the description of the main feature-, model- and score-based compensation methods. In the experiments, this work shows comprehensive comparisons between the conventional techniques and the alternatively compensations methods. Furthermore, two compensation methods are proposed: one operates in the model domain and the other in the score-domain. The scoredomain proposed compensation method is based on the Normal cumulative distribution function and, in some contexts, outperformed the performance of the main score-domain compensation techniques. On the other hand, the model-domain compensation technique proposed in this work is based on a method presented in the literature which combines two concepts: the multi-condition training and the Missing Data Theory. The formulation proposed by the authors is based on the Posterior Union models and is not completely appropriate for the text-independent speaker verification task. This work proposes a more appropriate formulation for this context which combines the concepts used by the authors with a type of modeling using Universal Background Models (UBMs). The proposed method outperformed the usual GMM-UBM modeling technique, based on Gaussian Mixture Models (GMMs).

Orientadores: Alexandre Xavier Falcão, Anderson de Rezende Rocha / Tese (doutorado) - Universidade Estadual de Campinas, Instituto de Computação / Made available in DSpace on 2018-08-23T15:41:33Z (GMT). No. of bitstreams: 1 Chiachia_Giovani_D.pdf: 4376963 bytes, checksum: 8f7d18d591f2a5d943313d89416f96d4 (MD5) Previous issue date: 2013 / Resumo: Os seres humanos são especialistas natos em reconhecimento de faces, com habilidades que excedem em muito as dos métodos automatizados vigentes, especialmente em cenários não controlados, onde não há a necessidade de colaboração por parte do indivíduo sendo reconhecido. No entanto, uma característica marcante do reconhecimento de face humano é que nós somos substancialmente melhores no reconhecimento de faces familiares, provavelmente porque somos capazes de consolidar uma grande quantidade de experiência prévia com a aparência de certo indivíduo e de fazer uso efetivo dessa experiência para nos ajudar no reconhecimento futuro. De fato, pesquisadores em psicologia têm até mesmo sugeridos que a representação interna que fazemos das faces pode ser parcialmente adaptada ou otimizada para rostos familiares. Enquanto isso, a situação análoga no reconhecimento facial automatizado | onde um grande número de exemplos de treinamento de um indivíduo está disponível | tem sido muito pouco explorada, apesar da crescente relevância dessa abordagem na era das mídias sociais. Inspirados nessas observações, nesta tese propomos uma abordagem em que a representação da face de cada pessoa é explicitamente adaptada e realçada com o intuito de reconhecê-la melhor. Apresentamos uma coleção de métodos de aprendizado que endereça e progressivamente justifica tal abordagem. Ao aprender e operar com representações específicas para face de cada pessoa, nós somos capazes de consistentemente melhorar o poder de reconhecimento dos nossos algoritmos. Em particular, nós obtemos resultados no estado da arte na base de dados PubFig83, uma desafiadora coleção de imagens instituída e tornada pública com o objetivo de promover o estudo do reconhecimento de faces familiares. Nós sugerimos que o aprendizado de representações específicas para face de cada pessoa introduz uma forma intermediária de regularização ao problema de aprendizado, permitindo que os classificadores generalizem melhor através do uso de menos |, porém mais relevantes | características faciais / Abstract: Humans are natural face recognition experts, far outperforming current automated face recognition algorithms, especially in naturalistic, \in-the-wild" settings. However, a striking feature of human face recognition is that we are dramatically better at recognizing highly familiar faces, presumably because we can leverage large amounts of past experience with the appearance of an individual to aid future recognition. Researchers in psychology have even suggested that face representations might be partially tailored or optimized for familiar faces. Meanwhile, the analogous situation in automated face recognition, where a large number of training examples of an individual are available, has been largely underexplored, in spite of the increasing relevance of this setting in the age of social media. Inspired by these observations, we propose to explicitly learn enhanced face representations on a per-individual basis, and we present a collection of methods enabling this approach and progressively justifying our claim. By learning and operating within person-specific representations of faces, we are able to consistently improve performance on both the constrained and the unconstrained face recognition scenarios. In particular, we achieve state-of-the-art performance on the challenging PubFig83 familiar face recognition benchmark. We suggest that such person-specific representations introduce an intermediate form of regularization to the problem, allowing the classifiers to generalize better through the use of fewer | but more relevant | face features / Doutorado / Ciência da Computação / Doutor em Ciência da Computação

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / The handwritten signature is a form of personal identification widely accepted, both socially and legally, used for centuries to authenticate documents such as bank checks, letters, contracts and any type of service that requires proof of authorship. When signing, an individual inserts a large amount of information to transform the movement of his hand into an identifying element. Writing speed, trajectory traversed, pen inclination, applied pressure, all these data are articulated (in the form of latent variables) to result in a static figure in the signed document. This dissertation investigates the problem of trajectory extraction of the pen that generates this signature from the resulting static image. For this, the work was divided in three main steps that are: (i) compute the skeleton of the offline signature; (ii) extract its characteristics using a concept addressed in this work called UCSS, and, with the help of previously recorded online signatures, (iii) estimate the path that the pen traveled over the skeleton. In each of these steps, a review of relevant work on the themes was done prior to begin implementation. Three experiments were carried out during this work, the first one was done with the objective of comparing the results obtained with the developed algorithm and the results obtained in a reference work, the other two were realized during the production of an article destined to the publication attached to this job. / A assinatura manuscrita é uma forma de identificação pessoal amplamente aceita, tanto social como juridicamente, utilizada há séculos para autenticar documentos como cheques bancários, cartas, contratos e todo tipo de serviço que necessite prova de autoria. Ao assinar, um indivíduo insere uma grande quantidade de informação para transformar o movimento de sua mão em um elemento identificador. Velocidade de escrita, trajetória percorrida, inclinação da caneta, pressão aplicada, todos esses dados são articulados (na forma de variáveis latentes) para resultar em uma figura estática no documento assinado. Essa dissertação investiga o problema de extração de trajetória da caneta que gera essa assinatura a partir da imagem estática resultante. Para isso, o trabalho foi divido em três passos principais que são: (i) computar o esqueleto da assinatura offline; (ii) extrair suas características utilizando um conceito abordado neste trabalho chamado UCSS, e, com o auxílio de assinaturas online registradas previamente; (iii) estimar o caminho que a caneta percorreu sobre o esqueleto. Em cada um desses passos, foi feita uma revisão de trabalhos relevantes sobre os temas para só então iniciar as implementações. Foram realizados três experimentos durante este trabalho, o primeiro foi feito com o objetivo de comparar os resultados obtidos com o algoritmo desenvolvido e os resultados obtidos em um trabalho de referência, os outros dois foram realizados durante a produção de um artigo destinado a publicação anexado a este trabalho.

Orientador: Anderson de Rezende Rocha / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Computação / Made available in DSpace on 2018-08-23T22:22:57Z (GMT). No. of bitstreams: 1 Pinto_AllandaSilva_M.pdf: 47523880 bytes, checksum: 072eb0490c26631b80cdcc47d55a4817 (MD5) Previous issue date: 2013 / Resumo: O resumo poderá ser visualizado no texto completo da tese digital / Abstract: The complete abstract is available with the full electronic document / Mestrado / Ciência da Computação / Mestre em Ciência da Computação

Com a popularização do uso da biometria, determinar a identidade de um indivíduo é uma atividade cada vez mais comum em diversos contextos: controle de acesso físico e lógico, controle de fronteiras, identificações criminais e forenses, pagamentos. Sendo assim, existe uma demanda crescente por Sistemas Automáticos de Identificação Biométrica (ABIS) cada vez mais rápidos, com elevada acurácia e que possam operar com um grande volume de dados. Este trabalho apresenta uma abordagem de implementação de uma central de confrontos para um ABIS de grande escala utilizando um framework de computação em memória. Foram realizados experimentos em uma base de dados real com mais de 50 milhões de impressões digitais em um cluster com até 16 nós. Os resultados mostraram a escalabilidade da solução proposta e a capacidade de operar em grandes bases de dados. / With the popularization of biometrics, personal identification is an increasingly common activity in several contexts: physical and logical access control, border control, criminal and forensic identification, payments. Thus, there is a growing demand for faster and accurate Automatic Biometric Identification Systems (ABIS) capable to handle a large volume of biometric data. This work presents an approach to implement a scalable cluster-based matching platform for a large-scale ABIS using an in-memory computing framework. We have conducted some experiments that involved a database with more than 50 million captured fingerprints, in a cluster up to 16 nodes. The results have shown the scalability of the proposed solution and the capability to handle a large biometric database.