Orientador: Aparecido Nilceu Marana / Banca: Adilson Gonzaga / Banca: Humberto Ferasoli Filho / Resumo: Diversos métodos biométricos baseados em características físicas do corpo humano como impressão digital, face, íris e retina têm sido propostos para identificação humana. No entanto, para a identificação post-mortem, tais características biométricas podem não estar disponíveis. Nestes casos, partes do esqueleto do corpo humano podem ser utilizadas para identificação, tais como dentes, tórax, vértebras, ombros e os sinus frontais. Investigações anteriores mostraram, por meio de técnicas manuais para extração de características, que os padrões dos sinus frontais são altamente variáveis entre indivíduos distintos e únicos para cada indivíduo. Esta dissertação de mestrado tem por objetivo propor um método computacional para o reconhecimento de sinus frontais para identificação humana post-mortem em aplicações forenses. Para tanto, foram avaliados métodos de segmentação de imagens de radiografias anteroposteriores de sinus frontais. O método baseado na Transformada Imagem-Floresta demonstrou ser eficiente para segmentação dos sinus frontais das imagens de radiografias, exigindo mínima intervenção humana. Foram também investigadas e implementadas técnicas para extração de descritores geométricos e descritores baseados nas formas dos sinus frontais. Experimentos realizados em um banco de imagens contendo 90 radiografias anteroposteriores de 29 indivíduos mostraram que a técnica de extração de características baseada nos descritores de contexto da forma foi a mais eficaz, propiciando taxas de erro igual (EER) e de recuperações corretas (CRR) de 3,73% e 95,5%, respectivamente. Os resultados obtidos nos experimentos corroboram os encontrados na literatura sobre a individualidade dos sinus frontais e sua viabilidade em termos de precisão e usabilidade para a identificação humana post-mortem. Palavras-chave: Biometria, identificação... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: Several methods based on Biometrics such as fingerprint, face, iris, and retina have been proposed for person identification. However, for postmortem identification such biometric measurements may not be available. In such cases, parts of the human skeleton can be used for identification, such as teeth, thorax, vertebrae, shoulders, and frontal sinus. Previous investigations showed, by means of manual features extraction techniques, that frontal sinus patterns are highly variable for distinctive individuals and unique for each one. The objective of this master thesis is to propose a computational method for frontal sinus recognition for postmortem human identification in forensic applications. In order to achieve this, methods for frontal sinus segmentation from anteroposterior radiographs were evaluated. The method based on Image-Foresting Transform has shown itself efficient in frontal sinus segmentation from radiograph images, demanding minimal human intervention. After the segmentation, techniques for extracting frontal sinus geometrical and shape-based descriptors were investigated and implemented. Experiments over a database containing 90 anteroposterior radiograph images from 29 individuals have shown that the features extraction techniques based on shape context descriptors were the most efficient, providing equal error (EER) and correct retrievals (CRR) rates of 3.73% and 95,5%, respectively. The results obtained in our experiments confirm the outcomes described in literature about the individuality of the frontal sinus and its feasibility in terms of precision and usability for postmortem human identification. Keywords: Biometrics, forensics human... (Complete abstract click electronic access below) / Mestre
Identifer | oai:union.ndltd.org:UNESP/oai:www.athena.biblioteca.unesp.br:UEP01-000589458 |
Date | January 2008 |
Creators | Falguera, Juan Rogelio. |
Contributors | Universidade Estadual Paulista "Júlio de Mesquita Filho" Instituto de Biociências, Letras e Ciências Exatas. |
Publisher | São José do Rio Preto : [s.n.], |
Source Sets | Universidade Estadual Paulista |
Language | Portuguese |
Detected Language | Portuguese |
Type | text |
Format | 92 f. : |
Relation | Sistema requerido: Adobe Acrobat Reader |
Page generated in 0.1492 seconds