Comparação entre técnicas de aprendizado de máquina no processo de identificação biométrica através de imagens da orelha.

Abstract

Os métodos tradicionais de identificação pessoal baseados em conhecimento (por exemplo, senhas) e baseados em cartões (por exemplo, cartões de identidade) podem ser facilmente esquecidos, clonados, roubados ou perdidos. Com isso, a biometria que é uma ciência que estuda a mensuração dos seres vivos, tem sido amplamente utilizada como sendo um mecanismo de segurança para identificação. Os recentes avanços na tecnologia e a vulnerabiladade dos sistemas de autenticação tradicional têm fomentado diversas pesquisas nesta área, dando origem à sistemas inovadores e eficientes para identificação biométrica. Nos últimos anos, a orelha humana obteve um significativo interesse pelo motivo desta apresentar algumas vantagens quando comparadas a outras medidas biométricas.A forma da orelha, por exemplo, é menor do que a face o que permite menor custo de computação e, portanto, o torna adequada para aplicações em tempo real. Além disso, diferente de outros, a orelha não muda de acordo com a vida humana e a captura de imagens à distância destas pode ser feita facilmente com uma câmera comum. Portanto, neste trabalho são propostos métodos para identificação através de imagens de orelhas, sendo que alguns métodos utilizam o extrator de características locais Histograma de Gradientes Orientados (HOG) combinado com classificadores convencionais encontrados na literatura (K-Vizinhos Mais Próximos (K-NN), Análise Discriminante Linear (LDA) e Máquinas de Vetores de Suporte (SVM)), e outros utilizam diferentes arquiteturas de Redes Neurais Convolucionais também presentes na literatura (Alexnet, Squeezenet e Googlenet), com o intuito de realizar uma comparação entre os mesmos. Para a realização dos experimentos foi utilizada a base de dados IIT Delhi Ear disponibilizada pelo Indian Institute of Technology Delhi e a base AMI Ear disponibilizada pela Universidad de Las Palmas de Gran Canaria (ULPGC). A primeira base contém dois conjuntos de imagens de orelha que são formados por 125 pessoas que estão na faixa etária de 14 a 58 anos na qual cada pessoa tem pelo menos três imagens de orelha. A segunda é constituída de 700 imagens que envolve 100 pessoas diferentes com idade entre 19 e 65 anos, sendo seis imagens da orelha direita e uma da orelha esquerda. Os resultados mostram que o HOG combinado com o SVM para a base de dados IIT Delhi Ear supera as demais abordagens, perfazendo uma taxa média de acurácia de 93,78\%, ao contrário do que acontece para a base de dados AMI Ear, sendo a melhor abordagem o método que utiliza a arquitetura de Rede Neural Convolucional Alexnet, alcançando uma taxa média de acurácia de 95,40\%.