REDES NEURAIS ARTIFICIAIS: uma aplica

1
REDES NEURAIS ARTIFICIAIS uma aplicação do tipo
perceptron multilayer na identificação de
impressões digitais

• Acadêmico José Mário Pereira Dantas
• Orientador Prof. M.Sc. Valmir Saraiva
• Banca Prof. M.Sc. Laura Costa Sarkis
• Prof. M.Sc. Haroldo Alexandre de
  Araújo
• Semestre 2003-II

2
Organização do trabalho

• Introdução
• Datiloscopia
• Redes Neurais Artificiais
• Estudo de Caso
• Resultados Obtidos
• Conclusão e Trabalhos Futuros

3
Introdução

• As RNAs são concebidas para trabalharem segundo
  processos parecidos com os de um sistema nervoso,
  com esquemas de aprendizagem obtidos através de
  modelos matemáticos que possuem funções de
  entrada, processamento e saída. As RNA têm sua
  funcionalidade comprovada e são extensivamente
  utilizadas em várias aplicações que requerem
  decisões a partir de dados confusos,
  principalmente as de classificação (Tafner, 1995
  Apud GUMZ, 2002).

4
Motivação

• Grande número de aplicações que necessitam de
  confiabilidade e velocidade de identificação das
  informações.

5
Objetivos

• Geral realizar um estudo acerca dos
  procedimentos para o desenvolvimento de uma rede
  neural artificial para identificação de
  indivíduos através de imagens de suas impressões
  digitais.

6
Objetivos

• Específicos
• Estudar a datiloscopia
• Construir uma arquitetura de rede neural
  artificial, com base na imagem da impressão
  digital
• Realizar o treinamento da rede neural artificial
  construída
• Implementar e testar essa arquitetura na
  identificação das impressões digitais.

7
Datiloscopia

• Conceito é a ciência que estuda as impressões
  digitais com a finalidade de realizar
  identificação (BARSA, 1994, p.175).

8
Datiloscopia

• Área de aplicação
• Forense
• Governamental
• Comercial.

9
Datiloscopia

• Vantagens
• extremamente eficiente
• de baixo custo
• de aplicação potencialmente universal.

10
Processo de identificação de Impressões Digitais
Manual

• Verificação da Classificação
• Análise de minúcias
• Comparação com outras n impressões Digitais

11
Classificação (Sistema Henry)

• Arco Plano
• Arco Angular
• Presilha Interna
• Presilha Externa
• Verticilo

12
Tipos de Minúcias
Crista Final
Crista Bifurcada
13
Comparação de Minúcias

• A comparação busca
• Coincidência de tipos Minúcias
• Coincidência de Posições.

14
Datiloscopia e Redes Neurais Artificiais

• A datiloscopia fornece conceitos que devem ser
  utilizadas no processo de identificação de
  impressões digitais através de RNAs.
• Para este trabalho o conceito mais importante é o
  de região nuclear, onde existe o maior número de
  minúcias.

15
Redes Neurais Artificiais

• O que são?
• As Redes Neurais Artificiais são métodos de
  Inteligência Artificial que possuem a capacidade
  de se adaptar e de aprender a realizar uma certa
  tarefa, ou comportamento, através de um conjunto
  de treinamentos. (OSÓRIO, 2000, p.2).

16
Características do Modelo Neural

• São construídos, não programados
• Geram seu próprio conhecimento, ou seja,
  aprendem
• Oferecem soluções aproximadas, não exatas
• Generalizam o conhecimento apreendido.

17
Áreas de aplicação

• Automação Industrial
• Automação Comercial
• Segurança de Acesso Verificação do Operador
• Mercado Financeiro.

18
Redes Neurais Artificiais

• Vantagens
• Robustez
• Generalização
• Paralelismo
• Tolerância ao ruído.

19
Funcionamento de uma RNA

• n número de sinais de entrada
• wi peso do sinal de entrada xi
• ? limiar ou threshold do neurônio (ou
  simplesmente valor de ativação).

20
Funcionamento de uma RNA (cont.)

• Perceptron com uma camada intermediária

21
Treinamento de RNAs

• Algoritmo Back-propagation

22
Identificação de Impressões Digitais através de
RNA

• Pré-processamento das imagens das impressões
  digitais
• Entrada e processamento pela RNA
• Verificação dos resultados
• Localização no Banco de Dados.

23
Estudo de Caso

• Implementação de uma aplicação de Redes Neurais
  Artificiais do tipo Perceptron Multlayer com o
  objetivo de realizar a identificação de pessoas
  por meio de impressões digitais.

24
Arquitetura da RNA
25
Recursos utilizados

• Software Borland Delphi 7.0, SFINGE, Paradox,
  Windows XP
• Componentes Especiais TMLP, Imaging ToolKit for
  Delphi
• Hardware computador com processador Pentium 4
  com 2.5Ghz de velocidade e 448 mb de memória RAM.
• Humanos apenas uma pessoa teve participação
  neste trabalho.

26
Resultados Obtidos

• A rede neural foi treinada com 70 amostras de
  impressões digitais de 10 pseudopessoas
• O treinamento foi executado em 100 épocas, sua
  duração foi de 15 minutos e 23 segundos e taxa de
  erro geral foi de 0,01545637
• Tempo de carga do arquivo de conhecimento foi de
  cerca de 9 segundos
• O teste com as 70 amostras de impressões digitais
  do treinamento levou cerca de 13 segundos
• Probabilidade média de acerto geral foi de 93
  durante o teste

27
Resultados Obtidos (Cont.)

• O teste com a segunda amostra de impressões
  digitais também foi satisfatório, levou o mesmo
  tempo do teste anterior e a rede neural também
  classificou corretamente as 70 amostras de
  impressões digitais, sendo que a probabilidade
  média de acerto geral foi de 86
• Também foram feitos 10 testes com amostras de
  impressões digitais separadamente, a fim de
  quantificar o tempo médio de identificação de uma
  pseudopessoa, neste teste conseguiu-se um tempo
  aproximado de 108,8677 ms.

28
Conclusão

• O objetivo principal deste trabalho foi
  alcançado, uma vez que, foi feito um estudo da
  datiloscopia, construída uma arquitetura de Rede
  Neural Artificial com base na imagem da impressão
  digital, realizado o treinamento da Rede Neural
  Artificial construída, implementado e testado
  essa arquitetura na identificação das impressões
  digitais.

29
Trabalhos Futuros

• Classificar as impressões digitais conforme
  explicado no capitulo 3 e utilizá-las como padrão
  de entrada para diminuir a taxa de erro.
• Estudo de métodos para extração de minúcias,
  sejam matemáticos, estatísticos ou estruturais
• Reconhecimento automático de núcleo e delta
• Reconhecido o núcleo ou delta, deverá ser feita,
  se necessário, rotação ou translação da imagem da
  impressão digital no momento de sua obtenção para
  que esta fique na posição ideal para
  identificação.

30
Trabalhos Futuros (Cont.)

• Estudo de novos modelos de redes neurais a fim de
  atender com maior eficácia as necessidades
  propostas inicialmente neste trabalho, assim como
  sua implementação.
• Combinar redes neurais artificiais com outros
  métodos de identificação, como os vistos em
  Mesquita da Conta (2003).
• Sugere-se ainda o treinamento com um número maior
  de impressões digitais e com impressões digitais
  mais ruidosas.