Orientador : Prof. Dr. Alessandro Zimmer / Dissertação (mestrado) - Universidade Federal do Paraná, Setor de Tecnologia, Programa de Pós-Graduação em Engenharia Elétrica. Defesa: Curitiba, 18/08/2017 / Inclui referências : f. 73-77 / Resumo: Este trabalho apresenta um sistema multibiométrico capaz de trabalhar com imagens da palma de mão tiradas sem contato com uma superfície. Ato o qual dificulta consideravelmente o processamento, pois as variações de uma imagem da mesma pessoa podem ser significativas. Uma solução para a redução dessa variação foi proposta e aplicada. O Sistema implementado abstrai todas as etapas do processamento biométrico bem como fornece para o usuário um método para cada etapa em separado: preparação das imagens, passando pela extração das características, processamento (aplicação de filtros), normalização e fusão. As biometrias utilizadas para a identificação compreendem características da geometria da mão bem como características de textura das veias das palmas. Para os dados da geometria, um algoritmo para detecção das pontas dos dedos e também dos vales foi proposto e a partir daí foi possível extrair outras características geométricas. As características de textura das veias palmares foram extraídas a partir de uma região de interesse com base no ponto de centro de massa da mão. O descritor de textura escolhido foi o Histogram of Gradients. De posse de todos os dados biométricos, a fusão foi feita em nível de características. Para a classificação optou-se pelas Máquinas de Vetores de Suporte. A base de dados escolhida para o desenvolvimento do projeto foi a CASIA Multi-Spectral Palmprint Image Database V1.0. Foram utilizadas as imagens do espectro de 940nm por permitirem a visualização das veias da mão. O resultado obtido para a biometria da geometria da mão foi uma EER (Equal Error Rate) de 4,77%, para a biometria das veias da palma a EER foi de 3,11% e alterando o valor de limiar alcançou-se uma FAR de 0,50% e uma FRR(False Rejection Rate) de 4,82%. Para a fusão das duas biometrias o resultado final foi uma EER de 2,33% com uma FAR(False Aception Rate) de 1,30% e uma FRR de 4,27%. Palavras-chaves: biometria, geometria da mão, veias palmares, biometria multimodal, sistema biométrico, máquina de vetores de suporte, histogram of gradients. / Abstract: This project was developed aiming the implementation of a multibiometric system capable to handle hand palm images acquired using a touchless approach. This considerable increases the difficult of the image processing task due to the fact that the images from the same person may vary significantly. solution for this was proposed and applied. The application developed abstracted was the steps from the image processing as well provides the user a method for each of these steps: initial image preparation, through the feature extraction, processing and fusion, ending with the classification, are all accessible in only one place, thus making the researcher's task a lot easier and faster. The biometric features used for identification include hand geometry features as well palm vein textures. For the hand geometry data, an algorithm for finger tips and hand valleys was proposed and from there was possible to extract a handful of other features related to the geometry of the hand. The hand palm veins' texture features were extracted from a rectangle generated based on the hand's center of mass. The texture descriptor chosen was the Histogram of Gradients. In possession with all the biometric data, the fusion was done on feature level. Support Vector Machine technique was used for the classification. The database chosen for the development of this project was the CASIA Multi-Spectral Palmprint Image Database V1.0. The images used corresponds to the 940nm spectrum due to allowing the visualization of the hand palm's veins. The achieved result for the hand geometry was an EER of 4,77%, for the palm veins an EER of 3,11% and changing the threshold value a FAR of 0,50% and a FRR of 4,82% were achieved. For the fusion of both biometrics systems the final result was an EER of 2,33% with a FAR of 1,30% and a FRR of 4,27%. Keywords: biometry, hand geometry, palm veins, multimodal biometry, biometric system, support vector machines, histogram of gradients.
| Identifer | oai:union.ndltd.org:IBICT/oai:dspace.c3sl.ufpr.br:1884/52588 |
| Date | January 2017 |
| Creators | Christo, Luiz Eduardo de |
| Contributors | Universidade Federal do Paraná. Setor de Tecnologia. Programa de Pós-Graduação em Engenharia Elétrica, Zimmer, Alessandro |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Format | 77 f. : il., gráfs., tabs., application/pdf |
| Source | reponame:Repositório Institucional da UFPR, instname:Universidade Federal do Paraná, instacron:UFPR |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | Disponível em formato digital |
Page generated in 0.0026 seconds