Reconhecimento de íris fake utilizando descritores de momentos de Zernike e classificadores de formas

Loading...
Thumbnail Image

Co-advisor(s)

Committee members

Pinagé, Frederico da Silva
Araújo, Gabriel Matos

Journal Title

Journal ISSN

Volume Title

Publisher

Universidade Federal do Amazonas

Access rights

DOI

Resumo (Portuguese)

Sistemas biométricos têm atraído o interesse de pesquisa, devido aos crescentes aperfeiçoamentos de métodos de fraude na autenticação de acesso a estes sistemas. Como uma sugestão de solução à falha de segurança de acesso a estes sistemas, nesta dissertação, desenvolveu-se um sistema de detecção de íris sintéticas utilizando momentos de Zernike como descritor de formas não alinhadas ou circulares. A contribuição deste trabalho está em investigar o desempenho dos momentos de Zernike quando combinados com classificadores de redes neurais artificiais para detecção de imagens de íris sintéticas. Nos experimentos, foram utilizadas bases de dados criadas a partir das combinações realizadas de outras bases de dados disponíveis em estudos na literatura relacionada. Os momentos de Zernike são aplicados localmente como descritores de formas, fornecendo bons resultados quando se utilizam classificadores de redes neurais mais complexos. A avaliação de desempenho do sistema proposto foi realizada para momentos de Zernike combinados com os três tipos diferentes de classificadores: Multilayer Perceptron, Convolutional Neural Network e Residual neural network. Para a combinação Zernike com MLP, teve-se a acurácia de 79%, enquanto que para o caso de combinação de Zernike com CNN e Zernike com ResNet na classificação, obteve-se, respectivamente, valores de 90% e 93% de acurácia.

Abstract

Biometric systems have attracted research interest due to the increasing improvements in fraud prevention for access authentication to these systems. As a suggested solution to the security holes in accessing these systems, this dissertation developed a synthetic iris detection system using Zernike moments as a descriptor for non-aligned or circular shapes. The contribution of this work is to investigate the performance of Zernike moments when combined with artificial neural network classifiers for detecting synthetic iris images. In the experiments, databases were created from combinations of other databases available in studies on the referenced literature. Zernike moments are applied locally as shape descriptors, providing good results when using more complex neural network classifiers. The performance evaluation of the proposed system was performed for Zernike moments combined with three different types of classifiers: Multilayer Perceptron, Convolutional Neural Network and Residual neural network. For the combination of Zernike with MLP, the accuracy was 79%, while for the combination of Zernike with CNN and Zernike with ResNet in the classification, the accuracy values were 90% and 93%, respectively.

Description

Controlled term

Computação - Matemática; Sistemas de reconhecimento de padrões

Sustainable Development Goals (SDG)

Citation

COLARES, Geórgio Sá. Reconhecimento de íris fake utilizando descritores de momentos de Zernike e classificadores de formas. 2024. 76 f. Dissertação (Mestrado em Engenharia Elétrica) - Universidade Federal do Amazonas, Manaus (AM), 2024.

Endorsement

Review

Supplemented By

Referenced By

Creative Commons license

Except where otherwise noted, this item's license is described as Acesso Aberto