UNIVERSIDADE FEDERAL DE GOIS UFG

CAMPUS CATALO CaC

DEPARTAMENTO DE CINCIA DA COMPUTAO DCC

Bacharelado em Cincia da Computao

Projeto Final de Curso

Utilizao da Tcnica de Afinamento como Melhoria na

Extrao de Mincias de Impresses Digitais

Autor: Cassiana da Silva Bonato

Orientador: Ndia Flix Felipe da Silva

Catalo - 2011
 Cassiana da Silva Bonato

Utilizao da Tcnica de Afinamento como Melhoria na Extrao de

Mincias de Impresses Digitais

Monografia apresentada ao Curso de

Bacharelado em Cincia da Computao da
Universidade Federal de Gois Campus Catalo
como requisito parcial para obteno do ttulo de
Bacharel em Cincia da Computao

rea de Concentrao: Processamento de Imagens

Orientador: Ndia Flix Felipe da Silva

Catalo - 2011
da S. Bonato, Cassiana

Utilizao da Tcnica de Afinamento como Melhoria na Extrao de

Mincias de Impresses Digitais/Ndia Flix Felipe da Silva- Catalo -
2011

Nmero de paginas: 58

Projeto Final de Curso (Bacharelado) Universidade Federal de Gois, Campus

Catalo, Curso de Bacharelado em Cincia da Computao, 2011.

Palavras-Chave: 1. Biometria. 2. Processamento de Imagens. 3. Computao

Grfica
 Cassiana da Silva Bonato

Utilizao da Tcnica de Afinamento como Melhoria na Extrao de

Mincias de Impresses Digitais

Monografia apresentada e aprovada em de

Pela Banca Examinadora constituda pelos professores.

Ndia Flix Felipe da Silva Presidente da Banca

Mnica Sakuray Pais

Thiago Jabur Bittar

 Dedico essa monografia aos meus pais que sempre me prepararam, apoiaram e
incentivaram as minhas escolhas e me ensinaram a transformar as dificuldades em fora
para seguir em frente.
 AGRADECIMENTOS

Primeiramente agradeo a Deus, a quem eu primeiro recorri em momentos de descre-

dito e desnimo.
Aos meus pais que sempre acreditaram em mim, pela compreenso e apoio nos mo-
mentos bons e ruins, e principalmente por por seus ensinamentos que levarei por toda a
vida.
minha orientadora Profa . Ms. Ndia pela pacincia, apoio e por acreditar no projeto.
Ao Prof. Dr. Roberto Finzi por me apresentar a biometria.
Ao Prof. Ms. Thiago Jabur pelo tempo disponibilizado quando precisei de uma outra
opinio.
Ao meu namorado Jayme pela sua ajuda com o LATEX e tambm pela pacincia com
a minha ausncia, principalmente mental, durante a elaborao da monografia.
Aos meus colegas e amigos que me ajudaram nessa caminhada, sendo estudando (Adri-
ano, Bruno, Paulo), programando (Ariane, Cleriston, Vincius), ou simplesmente nos mo-
mentos de descontrao (Amanda, Carla, Lorena, Pedro, Rafael) to necessrios ao longo
desses quatro anos.
E a todos que contriburam direta ou indiretamente na conquista deste objetivo.
 "Saber muito no lhe torna inteligente. A inteligncia se traduz na forma que voc
recolhe, julga, maneja e, sobretudo, onde e como aplica esta informao."
Carl Sagan.
 RESUMO
Bonato, C. Utilizao da Tcnica de Afinamento como Melhoria na Extra-
o de Mincias de Impresses Digitais. Curso de Cincia da Computao, Campus
Catalo, UFG, Catalo, Brasil, 2011, 58p.

A biometria a cincia que estuda a mensurao dos seres vivos. Por meio dessa
cincia possvel por caractersticas fsicas (como impresses digitais, retina) ou compor-
tamentais (assinatura, voz) a identificao humana. A impresso digital, o tipo escolhido
de caracteristica para esse projeto, composto por cristas, linhas distribudas pelo dedo
com uma orientao e um espaamento caracterstico, e por mincias que representam
os vrios modos pelos quais uma crista pode se tornar descontnua, sendo essa ltima a
caracterstica que gera a unicidade do tipo biomtrico. Apesar de muitos estudos explora-
rem tal tipo, no se pode consider-lo um tema totalmente resolvido. Nenhum sistema de
reconhecimento de impresses digitais proposto at hoje infalvel, ou seja, nenhum ga-
rante taxas de erro nulas. Assim, para superar essas limitaes, utiliza-se alguns mtodos
que ajudam na melhoria da acurcia do sistema, como tcnicas que melhoram a qualidade
da imagem da impresso digital para uma extrao de mincias mais exata. Esse tra-
balho estuda a tcnica de processamento de imagem chamada afinamento. Como forma
de mensurar a eficincia e eficcia de tal mtodo proposto neste trabalho implementar
o algoritmo de afinamento e test-lo , incorporando-o ao software NBIS, um programa
criado pelo NIST que faz o reconhecimento biomtrico por digitais, e por fim compara o
software original com o modificado com o objetivo de aumentar a acurcia do sistema.

Palavras-Chaves: Biometria, Processamento de Imagens, Computao Grfica

i
Sumrio

1 Introduo 1
1.1 Descrio do Problema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Fundamentao Terica . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3 rea de Atuao e Escopo do Trabalho . . . . . . . . . . . . . . . . . . . . 4
1.4 Objetivos do Trabalho . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.5 Estrutura do Trabalho . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

2 Biometria 6
2.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.2 Sistemas Biomtricos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.3 Tipos Biomtricos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.3.1 Reconhecimento Facial . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.3.2 Reconhecimento por ris . . . . . . . . . . . . . . . . . . . . . . . . 9
2.3.3 Reconhecimento por Retina . . . . . . . . . . . . . . . . . . . . . . 10
2.3.4 Reconhecimento por Assinatura . . . . . . . . . . . . . . . . . . . . 11
2.3.5 Reconhecimento por Voz . . . . . . . . . . . . . . . . . . . . . . . . 11
2.4 Consideraes Finais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

3 Impresso Digital 14
3.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
3.2 Anatomia da Impresso Digital . . . . . . . . . . . . . . . . . . . . . . . . 14
3.3 Datiloscopia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
3.3.1 Histria da Datiloscopia . . . . . . . . . . . . . . . . . . . . . . . . 18
3.4 Sistema de Identificao Biomtrica por Impresses Digitais . . . . . . . . 21
3.5 Tcnicas de Reconhecimento . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.5.1 Baseada em Correlao . . . . . . . . . . . . . . . . . . . . . . . . . 23
3.5.2 Baseada em Mincias . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3.5.3 Baseada em Cristas . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.6 Tcnicas de Classificao . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.7 Consideraes Finais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27

ii
4 Descrio dos Algoritmos NBIS e de Afinamento 29
4.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
4.2 Etapas do software NBIS . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
4.2.1 O Mdulo Mindtct . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
4.2.2 O Mdulo Bozorth3 . . . . . . . . . . . . . . . . . . . . . . . . . . 35
4.3 Afinamento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
4.3.1 Mtodo de Holt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
4.3.2 Mtodo de Stentiford . . . . . . . . . . . . . . . . . . . . . . . . . . 38
4.3.3 Mtodo Morfologia Matemtica . . . . . . . . . . . . . . . . . . . . 39
4.4 Estrutura do software NBIS Modificado . . . . . . . . . . . . . . . . . . . . 42
4.5 Consideraes Finais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43

5 Comparao e Resultados 44
5.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
5.2 Materiais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
5.3 Metodologia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
5.3.1 Medidas de Desempenho . . . . . . . . . . . . . . . . . . . . . . . . 45
5.4 Resultados Experimentais . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
5.4.1 FAR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
5.4.2 FRR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
5.4.3 ERR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
5.5 Consideraes Finais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49

6 Concluso 51
6.1 Concluses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
6.2 Trabalhos Futuros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
6.3 Dificuldades Encontradas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53

Referncias 54

iii
Lista de Figuras

2.1 Etapas de um sistema biomtrico genrico. Fonte: [Hong, 1998] . . . . . . 7

2.2 Imagens usadas no reconhecimento: a) geradas por software utilizando
pontos para o reconhecimento; b) variaes que podem prejudicar a iden-
tificao. Fonte: [Jiang et al., 2000] . . . . . . . . . . . . . . . . . . . . . . 9
2.3 Estrutura vascular da retina. Fonte: [Kolb, 2003] . . . . . . . . . . . . . . 10

3.1 Corte lateral da pele. Fonte: [Pasquali e Arajo, 2011] . . . . . . . . . . . 15

3.2 Exemplo de impresso digital. Fonte: [Maltoni e Cappelli, 2008] . . . . . . 16
3.3 Exemplos de aspectos bsicos de mincias. Fonte: [Kehdy, 1968] . . . . . . 16
3.4 Exemplos de aspectos compostos de mincias. Fonte: [Kehdy, 1968] . . . . 17
3.5 Registros arqueolgicos de digitais. Fonte: [Maltoni et al., 2003] . . . . . . 19
3.6 Estgios do AFIS. Fonte: [Hong, 1998] . . . . . . . . . . . . . . . . . . . . 21
3.7 As classes de impresses digitais usadas por Henry. Fonte: [Kehdy, 1968] . 26

4.1 Etapas do Mindtct. Fonte: [Falguera, 2008] . . . . . . . . . . . . . . . . . . 30

4.2 Formas de onda DFT. Fonte: [Watson et al., 2004] . . . . . . . . . . . . . . 31
4.3 Resultado do processo de mapa direcional. Fonte: [Costa, 2001] . . . . . . 32
4.4 Estrutura da grade rotativa de binarizao. Fonte: [Watson et al., 2004] . . 33
4.5 Resultado do processo de binarizao. . . . . . . . . . . . . . . . . . . . . . 33
4.6 Padres usados para a deteco de mincias. Fonte:[de Oliveira, 2006] . . . 34
4.7 Exemplos de falsas mincias. Fonte:[Watson et al., 2004] . . . . . . . . . . 34
4.8 Etapas do Bozorth3. Fonte: [Falguera, 2008] . . . . . . . . . . . . . . . . . 36
4.9 Mscaras utilizadas na remoo de degraus. Fonte:[Holt et al., 1987] . . . . 38
4.10 Mscaras do afinamento de Stentiford. Fonte: [Stentiford e Mortimer, 1997] 38
4.11 Mscaras utilizadas no processo de afinamento. Fonte:[Casado, 2008] . . . 41
4.12 Resultado do processo de afinamento. . . . . . . . . . . . . . . . . . . . . . 42
4.13 Etapas do Mindtct com o processo de afinamento. . . . . . . . . . . . . . . 42

5.1 Exemplo de imagem capturada pelo leitor. . . . . . . . . . . . . . . . . . . 45

5.2 Distribuies das pontuaes de casamentos autnticos e impostores Fonte:
[Maltoni e Cappelli, 2008] . . . . . . . . . . . . . . . . . . . . . . . . . . . 47

iv
5.3 Grfico comparativo de FAR do software NBIS e sua verso modificada. . . 48
5.4 Grfico comparativo de FRR do software NBIS e sua verso modificada. . 48
5.5 Grfico com os valores de ERR do software NBIS. . . . . . . . . . . . . . . 49
5.6 Grfico com os valores de ERR do software NBIS modificado. . . . . . . . 49

v
Lista de Tabelas

2.1 Comparaes entre os tipos biomtricos. Fonte: [Gregory e Simon, 2008] . 12

3.1 Distribuio das mincias. Fonte: [Farina et al., 1999] . . . . . . . . . . . . 17

4.1 Comparativo entre as desvantagens dos mtodos de afinamento apresentados. 41

5.1 Caractersticas do leitor Fingerkey Hamster DX. Fonte: [Nitgen, 2005] . . . 44

vi
Lista de Algoritmos

4.1 Parte do algortmo de remoo de ganchos [Watson et al., 2004]. . . . . . . 35

4.2 Algortmo de afinamento por morfologia matemtica . . . . . . . . . . . . 39

vii
Lista de Siglas

AFIS Sistemas Automticos de Identificao de Impresses Digi-

tais, do ingls Automatic Fingerprint Identification System

CA Correta Aceitao

CR Correta Rejeio

DFT Transformada Discreta de Fourier, do ingls Discrete Fourier

Transform

DHS Departamento de Segurana Interna, do ingls Department

of Homeland Security

DNA cido Desoxirribonucleico, do ingls Deoxyribonucleic Acid

DPI Pontos por Polegada, do ingls Dots per inch

ERR Taxa de Erro Igual, do ingls Equal Error Rate

EUA Estados Unidos da Amrica

FA Falsa Aceitao

FAR Taxa de Falsa Aceitao ou Taxa de Falsos Positivos, do

ingls False Acceptance Rate

FBI Federal Bureau Investigation

FR Falsa Rejeio

FRR Taxa de Falsa Rejeio ou Taxa de Falsos Negativos, do in-

gls False Rejection Rate

IAFIS Sistema Integrado Automtico de Identificao de Impres-

ses Digitais ,do ingls Integrated Automatic Fingerprint Iden-
tification System

viii
ID Impresso Digital

NBIS NIST Biometrics Image Software

NIST National Institute of Standards and Technology

SDK Kit de Desenvolvimento de Software, do ingls Software De-

velopment Kit

USB Universal Serial Bus

ix
Captulo 1

Introduo

1.1 Descrio do Problema

A biometria a cincia de determinar a identidade de um indivduo com base em
atributos fsicos, qumicos ou comportamentais da pessoa [Jain et al., 2008]. Esses atri-
butos citados acima geram tipos biomtricos como o reconhecimento por ris, voz, escrita
e impresso digital, sendo esse ltimo o tipo a ser estudado para o trabalho.
A relevncia da biometria na sociedade moderna tem sido reforada pela necessidade
em grande escala de sistemas de gerenciamento de identidade, cuja funcionalidade depende
da preciso de determinar a identidade de um indivduo no contexto de vrias aplicaes
diferentes [Jain et al., 2008].
Inmeros mtodos de reconhecimento biomtrico vm sendo largamente explorados
principalmente pelo fato de que os identificadores biomtricos no podem ser perdidos,
esquecidos, compartilhados ou roubados, como ocorre facilmente com as senhas ou cartes
de acesso [Falguera, 2008].
O objetivo da biometria trabalhar com usurios, medindo, registrando e armaze-
nando o atributo biomtrico, e depois comparar a amostra armazenada com os dados de
indivduos no verificados para determinar se eles devem ter permisso para acessar um
sistema ou uma localizao [Gregory e Simon, 2008]. A amostra j registrada no banco
de dados do sistema chamada de template.
Para fazer a comparao entre o template e a nova amostra, ambas passam por proces-
sos que tornam as imagens mais limpas (chamado de pr-processamento da imagem), com
o intuito de que possam ser retiradas as caractersticas que sero usadas para a identifi-
cao. O processo de retirada de caractersticas feito por algoritmos de reconhecimento,
em que as tcnicas utilizadas dependem do tipo biomtrico que est sendo usado, assim
como os algoritmos de classificao das caractersticas extradas.
Neste trabalho modificado um algoritmo que utiliza uma das tcnicas de reconhe-

1
cimento para impresso digital (o software NBIS ) visando melhor-lo na etapa de pr-
processamento, por meio da operao de afinamento e por fim, exibir uma comparao
entre o algoritmo original e o melhorado por meio de mtricas de desempenho.

1.2 Fundamentao Terica

O reconhecimento de impresses digitais o mais difundido e barato dos sistemas
biomtricos [Berry e Stoney, 2001]. E segundo [Olsen e Lee, 2001] isso se deve ao fato
de que praticamente todos os indivduos possuem digitais, alm destas serem nicas e
tambm por se regenerar, voltando para sua forma original aps pequenos acidentes.
Os Sistemas de Identificao Biomtrica por Impresses Digitais (AFIS, do ingls
Automatic Fingerprint Identification System) utilizam tcnicas de reconhecimento para
buscar e extrair as mincias em cada digital. Mincias (ou caractersticas de Galton) so,
essencialmente, as terminaes e bifurcaes das cristas de uma imagem da impresso
digital [Boulgouris et al., 2010]. A frequencia e o padro dessas mincias so diferentes
em cada ser humano fazendo com que as impresses digitais sejam distintas em cada
indivduo, ou seja, as mincias so responsveis pela capacidade de idenficao de uma
pessoa pelas digitais.
Antes da extrao das mincias, a imagem da digital passa por uma srie de tcnicas
que retiram impurezas e assim, melhoram a qualidade para que as mincias possam ser
extradas com maior preciso. A tcnica mais utilizada a binarizao, que consiste
em transformar a imagem original de 8 bits/pixel em uma de 1 bit/pixel, com o valor 1
atribudo s cristas papilares que formam a impresso digital, e o valor 0 para os vales
(espao entre as cristas papilares), ou seja, a binarizao consiste em transformar uma
imagem em tons de cinza para uma imagem em preto e branco [Coetzee e Botha, 1990].
Um outro exemplo de tcnica de pr-processamento que pode ser utilizada o afi-
namento. Tambm conhecido como thinning tem como objetivo remover todos os pixels
redundantes de uma imagem produzindo uma simplificao dos objetos. Assim, pode-
mos verificar que o maior problema para os algoritmos de afinamento determinar, com
exatido, quais so os pixels redundantes em uma imagem [Corra e Festa, 2005].
Tal tcnica procura tornar os contornos de tamanho de 1 pixel largura, gerando o
esqueleto da imagem, sendo assim, til para tornar as cristas das digitais mais limpas
(sem rudos e pontos que geram falsas mincias) para o algoritmo de extrao de min-
cias. Poucos algoritmos de extrao e reconhecimento o utilizam, assim, nesse projeto foi
escolhido um dos algoritmos que no o utiliza, o software NBIS, o qual ser agregado o
algoritmo de afinamento e por fim ser comparado com o original.
O software NBIS foi desenvolvido pelo NIST (National Institute of Standards and
Technology) para utilizao dos departamentos de defesa dos EUA no trabalho de verifi-

2
cao/identificao de indivduos visando a segurana do pas norte-americano. O NBIS
possui um cdigo aberto e gratito, que pode ser adquirido no site do NIST 1 , juntamente
com seu manual. Outro fato, que o programa est em constante evoluo, e encontra-se
atualmente na verso 3.4.
O software NBIS desenvolvido a partir da tcnica de reconhecimento baseada em
mincias e para o projeto sero executados os dois subprogramas principais pertecentes ao
software: o Minditct e o Bozorth3, onde o Mindict responsvel pela deteco das min-
cias e o Bozorth3 pelo casamento dos dois conjuntos de mincias (mincias da impresso
template e da impresso de consulta).
Quanto a comparao entre os algoritmos (NBIS original e NBIS com afinamento),
utilizada uma base de dados com as impresses digitais das integrantes do projeto
que so inseridas em um banco de dados. Para os testes sero utilizados as digitais dos
integrantes do projeto, podendo ser reconhecidos ou no pelos algoritmos, gerando dados
para as mtricas de desempenho.
Para comparar os dois algoritmos sero utilizados um conjunto especfico de mtricas
de desempenho para sistemas que tem como objetivo segurana, que so a Taxa de Falsos
Positivos e a Taxa de Falsos Negativos, que juntos formam a Taxa de Erro Igual.
A Taxa de Falsos Positivos (FAR - False Acceptance Rate) mede a frequncia em
que usurios no registrados so identificados pelo sistema, como um usurio registrado.
Enquanto que a Taxa de Falsos Negativos (FRR - False Rejection Rate) mede a frequncia
em que usurios registrados no so identificados pelo sistema. A Taxa de Erro Igual (EER
- Equal Error Rate) quando FAR e FRR so iguais. O objetivo das tcnicas possuir
baixas taxas de falsos positivos e negativos e de preferncia, conseguir uma taxa de erro
igual.
importante ressaltar, entretanto, que os requisitos de desempenho de um sistema
biomtrico variam de acordo com a aplicao. Em aplicaes forenses, aplicaes que
respondem questes de interesse legal, como investigao criminal, a taxa FRR a maior
preocupao, pois no se deseja descartar um possvel indivduo genuno, mesmo que seja
necessrio manualmente examinar um nmero grande de potenciais casamentos.
Num outro extremo, uma taxa FAR muito baixa deve ser o fator mais importante
para aplicaes de alta segurana, nas quais o objetivo no deixar impostores entrarem
mesmo que se tenha que incomodar muitos indivduos genunos. Entre esses dois tipos
de aplicaes, esto as aplicaes civis ou comerciais, nas quais se deve ter um equilbrio
entre a taxa FAR e a taxa FRR. Consequentemente, tais sistemas costumam ter seu limiar
ajustado prximo ao valor de EER [Maltoni et al., 2003].
1
http://www.itl.nist.gov/iad/894.03/nigos/nbis.html

3
1.3 rea de Atuao e Escopo do Trabalho
As reas relacionadas com o trabalho proposto so:

a) Identificao Biomtrica: seus conceitos sugerem a utilidade do emprego do software

original e modificado;

b) Datiloscopia: cujos conhecimentos especficos so necessrios para identificar min-

cias que so utilizadas na identificao das impresses digitais;

c) Computao Grfica: referente operao de afinamento no pr-processamento do

software NBIS, sendo a mesma a modificao feita no software;

Assim, este trabalho se enquadra nas trs reas citadas devido a utilizao de um
software de identificao biomtrica que tem como tipo empregado a impresso digital
estudada pela datiloscopia. Com a modificao do programa NBIS pela a operao de
afinamento, a rea de computao grfica necessria j que tal operao uma etapa
de pr-processamento da imagem.

1.4 Objetivos do Trabalho

O objetivo principal deste trabalho a modificao do software NBIS para a utilizao
da operao de afinamento na etapa de pr-processamento da imagem da impresso digital
de entrada como melhoria no reconhecimento biomtrico, podendo ser comprovada no
teste comparativo com o NBIS original e o modificado.
Esse projeto tem como objetivos principais:

O estudo sobre biometria focando a impresso digitais, seus conceitos, tcnicas de

reconhecimento e de classificao;

O estudo do algoritmo de reconhecimento e da tcnica de afinamento para imple-

mentao da mesma no algoritmo;

A comparao entre o algoritmo de reconhecimento original e sua verso utilizando

a tcnica de afinamento, utilizando mtricas de desempenho.

1.5 Estrutura do Trabalho

Ao apresentar a estrutura da monografia pretende-se guiar o leitor nos captulos que
se seguem. Este trabalho desenvolve-se ao longo de seis captulos. No presente captulo
so apresentadas a introduo, os objetivos e as justificativas desse trabalho.

4
 O captulo 2 aborda uma reviso da literria sobre a Biometria, tendo como objetivo
fornecer uma viso geral dos principais conceitos envolvidos nesse tema, iniciando com
uma introduo e seguindo com as caractersticas, os sitemas biomtricos, e os tipos
biomtricos mais conhecidos.
No terceiro captulo apresenta-se a impresso digital, tipo biomtrico utilizado no
trabalho, discutindo suas caractersticas anatmicas seguido de um estudo e um resumo
histrico sobre a cincia que permite a identificao humana por meio do uso das impres-
ses digitais, a datiloscopia. A seguir, discorre-se sobre os sistemas de reconhecimento
biomtrico por impresso digital, apresentando suas etapas, dando maior destaque s
principais abordagens utilizadas nos mtodos de reconhecimento de impresses digitais.
E por fim, apresenta as tcnicas de classificao das impresses digitais.
O quarto captulo descreve o software NBIS, por meio de seus sub-programas utilizados
nesse trabalho, sendo cada etapa dos sub-programas executados descrita individualmente.
Depois aborda-se diferentes tcnicas de afinamento, justificando a escolha de uma entre
tais.
No captulo 5 so feitas as comparaes dos resultados do NBIS original com o modi-
ficado, inicialmente apresentando os materiais e metodologia utilizados na execuo dos
softwares, bem como as medidas de desempenho usadas na comparao.
Por fim, no sexto captulo so abordadas as concluses da autora sobre o projeto e
tambm apresentado os trabalhos futuros que podem ser desenvolvidos a partir dos
resultados obtidos no presente trabalho. Depois so descritas as dificuldades encontradas
para a realizao do projeto.

5
Captulo 2

Biometria

2.1 Introduo
Segundo o dicionrio Aurlio, o significado da palavra biometria a cincia que es-
tuda a mensurao dos seres vivos, j que a palavra composta de dois elementos gre-
gos: bios, que significa vida e metron que tem como significado medida. O trabalho de
[Boulgouris et al., 2010] define a biometria como a cincia que procura identificar indiv-
duos baseando-se em caractersticas nicas. Para a tecnologia da informao uma melhor
definio sugere que a biometria refere-se utilizao de caractersticas fsicas (impresses
digitais, ris, retina, entre outras) ou comportamentais (assinatura, voz, entre outras) para
estabelecer a identidade de uma pessoa [Commision, 2011].
Atualmente existe uma gama de situaes em que a identificao de pessoas neces-
sria, desde do acesso locais de trabalho e sistemas de informaes at situaes mais
crticas como a preveno de atos terroristas. Assim, os sistemas automticos de reconhe-
cimento biomtrico se tornaram uma alternativa efetiva para tais casos, principalmente
pelo fato de que os identificadores biomtricos no podem ser esquecidos, compartilhados,
perdidos ou roubados, como ocorre facilmente com os mtodos mais tradicionais de reco-
nhecimento como o baseado em posse (cartes) e o baseado em conhecimento (senhas).
Logo, este captulo apresenta mais conceitos sobre os sistemas biomtricos, bem como,
discorre sobre alguns dos principais tipos biomtricos existentes.

2.2 Sistemas Biomtricos

De acordo com [Falguera, 2008], os sistemas biomtricos so processos automatizados
de identificao baseados nas caractersticas biomtricas (fsicas ou comportamentais) dos
seres humanos.
Um sistema automtico de reconhecimento biomtrico composto de duas fases prin-

6
cipais: registro e reconhecimento ou identificao [Jain et al., 2004]. Na fase de registro,
o sistema faz a captura da caracterstica biomtrica do indivduo, por meio do leitor bi-
omtrico e a converte para o formato digital com o objetivo de armazen-la no banco de
dados. A representao de uma caracterstica biomtrica adquirida no passo de registro
denominada template. J na fase de reconhecimento ou identificao, o sistema nova-
mente faz a captura e converte a caracterstica biomtrica apresentada naquele instante
para o formato digital, para depois compar-la com os templates j armazenados.
A fase de reconhecimento de um sistema biomtrico pode ser feita por meio de: ve-
rificao/autenticao, em que o usurio fornece um nmero de identificao e um trao
biomtrico e o sistema confere o trao biomtrico ou identificao, onde o usurio fornece
um trao biomtrico e o sistema pesquisa a base biomtrica e determina a identidade da
pessoa [Pontes, 2009]. As etapas de um sistema biomtrico so representadas abaixo na
Figura 2.1.

Figura 2.1: Etapas de um sistema biomtrico genrico. Fonte: [Hong, 1998]

Na atualidade muitos notebooks j so equipados com leitores biomtricos para diver-

sos tipos biomtricos como por impresso digital. Alm disso, existem comercialmente
diversos equipamentos que utilizam biometria de identificao por meio de imagens de
ris, impresso digital, de face, de retina, da geometria da mo, do reconhecimento de voz,
etc [Vigliazzi, 2006].
Esses tipos comentados anteriormente so analisados na seo seguinte.

7
2.3 Tipos Biomtricos
Esta seo apresenta um breve estudo sobre os principais mtodos biomtricos como
reconhecimento facial, por ris, por retina, geometria da mo, por assinatura e por voz,
com exceo da impresso digital que por ser o tipo de estudo do projeto abordado em
um captulo em particular (Captulo 3, a seguir).

2.3.1 Reconhecimento Facial

Como seres humanos, aprendemos a usar naturalmente imagens faciais para identifi-
car as pessoas [Gregory e Simon, 2008], sendo esse mtodo normalmente mais usado por
ns para reconhecer indivduos e assim tornando-se um mtodo biomtrico de grande
aceitao.
Segundo [Sung e Poggio, 1994], a deteco de rostos a determinao da existncia
ou no de um rosto na imagem. Uma vez encontrado esse objeto, sua localizao deve ser
apontada por meio de um enquadramento ou retornando as suas coordenadas dentro da
imagem.
O reconhecimento facial pode ser realizado por meio do clculo de distncia, formas e
tamanhos de pontos identificadores e delimitadores da face como cada elemento do rosto,
por exemplo, olhos, nariz e orelhas.
Alm da grande aceitao, j citada, sua implementao no exige equipamentos so-
fisticados (podendo utilizar a webcam dos computadores e notebooks), sendo assim consi-
derada de baixo custo [Costa, 2009].
Infelizmente, tal tipo apresenta trs pontos inconvenientes afirmados apresentados por
[Sung e Poggio, 1994]: a primeira dessas razes afirma que embora a maioria dos rostos
apresente estruturas semelhantes, com as mesmas caractersticas faciais bsicas (olhos,
boca, sobrancelhas, nariz, etc) e dispostas aproximadamente nas mesmas configuraes
de espao, pode haver um grande nmero de componentes no rgidos e texturas diferentes
entre as faces. Esses elementos de variabilidade so resultantes das diferenas bsicas entre
os rostos humanos - pessoas podem apresentar o nariz mais adunco que outras, lbios mais
ou menos carnudos, olhos mais ou menos puxados, etc. Outros fatores relevantes so as
flexibilizaes causadas no rosto pelas expresses faciais.
O segundo ponto que dificulta a deteco de faces est relacionado com a presena de
adornos, como culos ou bigodes, os quais podem estar presentes ou totalmente ausentes
em uma face. Esses adornos podem, quando presentes, ocultar caractersticas faciais
bsicas importantes deteco do rosto por meio do surgimento de sombras ou reflexos.
Tal ponto pode ser observado na Figura 2.2 onde mostra-se que a comparao entre
imagem template gerada pelo software (imagens a)) prejudicada por conta do culos e

8
da barba (imagens b)), assim bem provvel que o usurio no seja reconhecido.
A terceira dificuldade na deteco de faces a no previsibilidade das condies da
imagem em ambientes sem restries de iluminao, cores e objetos de fundo. Devido
ao fato das faces apresentarem estruturas tridimensionais, a mudana na distribuio de
fontes de luz pode criar ou esconder sombras na face, resultando em uma variabilidade
maior que as manipulveis em imagens bidimensionais.

Figura 2.2: Imagens usadas no reconhecimento: a) geradas por software utilizando pon-
tos para o reconhecimento; b) variaes que podem prejudicar a identificao. Fonte:
[Jiang et al., 2000]

2.3.2 Reconhecimento por ris

O reconhecimento da ris um dos processos de biometria existentes mais precisos. A
ris a parte mais visvel e colorida do olho e comea a ser formada desde muito cedo sem
sofrer quaisquer alteraes, salvando raras doenas como a Iridociclite1 . A sua funo
controlar a entrada de luz no olho [de Oliveira Carreira, 2009].
A ris possui uma estrutura extremamente complexa tornando-a muita distintiva, ha-
vendo diferena entre ris esquerda e direita de um mesmo indivduo. O reconhecimento
da ris baseado em qualidades visveis como anis, estrias, manchas, coroas, etc. Basica-
mente, os algoritmos procuram converter essas caractersticas visveis em um cdigo que
ser o padro armazenado para futura verificao [Negin et al., 2000].
A leitura da ris no afetada nem por culos nem por lentes de contato. Para
iluminao da ris, utilizado um iluminador de luz infravermelha. Essa luz no faz parte
do espectro visvel e no capturada pelo olho humano, e sim, pelo sensor da cmera
[Costa, 2009]. O que torna a qualidade da imagem fraca, sendo uma desvantagem dessa
soluo.
Para extrair as caractersticas, localizada dentro da imagem monocromtica, gerada
pela cmera, a pupila (que centralizada), o padro da ris isolado da pupila e demo-
dulado para extrao de sua informao. O processo de comparao calcula uma medida
da similaridade por meio da distncia de Hamming normalizada, um mtodo que simples-
1
Inflamao aguda ou crnica da ris, caracterizada por descolorao da ris, e pupila contrada.

9
mente calcula a quantidade da divergncia de bits entre as codificaes. [Romano, 2010].
Por conta de sua preciso e aceitabilidade o reconhecimento pela ris vem se tor-
nando cada vez mais usado nos sistemas de automao biomtricos, sendo, segundo
[Daugman, 1999], o mtodo de reconhecimento por ris denominado IrisCode o mais uti-
lizado.

2.3.3 Reconhecimento por Retina

A retina uma membrana localizada no interior do olho humano. Essa camada
formada por clulas fotoreceptoras que possuem a importante funo de receber a imagem
que ser levada ao crebro para nos dar a sensao da viso.
A estrutura vascular da retina, como pode ser observada na Figura 2.3, foi proposta
como meio biomtrico para autenticao em 1935. Os padres dos vasos sanguneos podem
ser obtidos por meio da reflexo da luz causada por eles. Em 1950 experimentos mostraram
que os vasos sanguneos da retina se distinguem mesmo entre gmeos, confirmando o
reconhecimento pela retina como um meio biomtrico com um alto grau de confiabilidade.

Figura 2.3: Estrutura vascular da retina. Fonte: [Kolb, 2003]

Infelizmente, a retina pode sofrer alteraes em virtude de algumas doenas e anoma-

lias como diabetes, catarata, hipermetropia ou miopia entre outras, afetando o escanea-
mento da mesma.
Por exemplo, o efeito de opacidade produzido pela catarata na lente do cristalino im-
pede que a luz chegue em quantidade suficiente retina para que seja refletida produzindo
um resultado ruim para o escaneamento. A miopia faz com que a imagem se forme antes
da retina, desta forma a pessoa no enxerga bem objetos distantes e o contrrio ocorre
para a hipermetropia, em que a pessoa apresenta dificuldades em focalizar objetos pr-
ximos. Ambas, miopia e hipermetropia, quando em graus elevados, podem prejudicar o
escaneamento realizado para o reconhecimento de retina [Kolb, 2003].

10
 No processo de identificao a imagem formada pelos vasos sanguneos avaliada,
medindo os padres de vasos sanguneos usando um laser de baixa intensidade e uma
cmera. Tais equipamentos requerem pessoal especializado para serem manipulados, alm
de terem um custo elevado.
Outra desvantagem que no h como realizar esse tipo de autenticao sem a co-
laborao do indivduo, j que o procedimento demasiadamente incmodo devido a
necessidade de aplicao de contrastes e dilatao da pupila, alm do indivduo necessitar
de retirar os culos (caso os possua) e colocar o olho perto do leitor da retina, focar um
determinado ponto e permanecer imvel durante 10 a 15 segundos [Newsportal, 2011].

2.3.4 Reconhecimento por Assinatura

Esta tcnica utilizada a muitos sculos como forma de autenticao de documen-
tos e transferncias monetrias, e seu uso amplamente aceito pela maioria das pessoas
[Jain et al., 2002]. Outra vantagem do reconhecimento por assinatura que o equipa-
mento necessrio para coletar as assinaturas possui um custo acessvel. Um problema
enfrentado e de difcil soluo a grande variabilidade que ocorre entre assinaturas de
uma mesma pessoa [Huang, 1997], tornando a preciso do mtodo o seu ponto fraco.
H duas classificaes para os mtodos de verificao por assinatura: on-line e off-line:
on-line onde so obtidas informaes como presso, tempo e trajetria enquanto o usurio
assina no dispositivo de entrada. No mtodo off-line utiliza-se uma imagem esttica da
assinatura.

2.3.5 Reconhecimento por Voz

Este procedimento de autenticao fundamenta-se nas tcnicas de processamento de
voz onde o usurio normalmente profere uma palavra ou uma frase chave ou l de um con-
junto de caracteres que, combinados, fornecem um conjunto de caractersticas suficientes
para permitir a autenticao ou a identificao do indivduo.
Os processos que recorrem ao reconhecimento da voz baseiam-se no fato de que as
caractersticas fsicas de cada indivduo proporcionam sua voz propriedades nicas. No
entanto, a informao capturvel no possui dados suficientes para garantir o reconheci-
mento em larga escala de indivduos [Jain et al., 2000a].
Assim como o mtodo por assinatura, o reconhecimento por voz apresenta um baixo
custo financeiro, sendo o hardware de captura necessrio j presente na maioria dos com-
putadores: um microfone. Porm, esse mtodo apresenta baixa preciso devido s grandes
variaes na voz de um indivduo.

11
2.4 Consideraes Finais
Cada mtodo biomtrico possui vantagens e desvantagens, como pode ser visto na
Tabela 2.1, para a escolha do melhor mtodo necessrio atentar-se s principais carac-
tersticas procuradas em um sistema biomtrico:

Rapidez: a reconhecimento deve ser efetivado o mais rpido possvel;

Preciso: o mtodo utilizado para reconhecimento do indivduo deve ser capaz de

identificar o usurio sem equvocos;

Segurana: o reconhecimento tem que ser resistente a fraudes;

Aceitabilidade: o mtodo usado no reconhecimento deve ser o menos intrusivo pos-

svel, para que facilmente os indivduos a serem identificados aceitem fornecer seus
dados ao sistema.

Tabela 2.1: Comparaes entre os tipos biomtricos. Fonte: [Gregory e Simon, 2008]

Tipos Vantagens Desvantagens Aceitabilidade Segurana

Biomtricos

Facial tima aceita- Mdia a baixa Alta Mdia

o preciso
ris Preciso e boa Custo de mdio Alta Alta
aceitao a alto
Retina Preciso Caro e exige Mdia Alta
treinamento
para usurios
Assinatura Simples e Baixa preciso Alta Baixa
baixo custo e pouco segura
Voz Baixo custo e Fcil de ser Alta Baixa
boa aceitao fraudada
Impresso Baixo custo, Pode ocorrer Alta Mdia
Digital simples fraudes

Outros mtodos de reconhecimento encontrados na literatura como o reconhecimento

pela orelha, caminhada, digitao, geometria da mo, DNA, odor e eletrocardiograma no
preenchem todos os requisitos importantes procurados em um bom mtodo de reconheci-
mento apresentados acima. A tcnica de reconhecimento por impresso digital apresenta

12
uma grande aceitabilidade comprovada, por satisfazer as caractersticas de rapidez, preci-
so e segurana, alm de ser o tipo mais estudado ao longo dos anos, por ser um mtodo
de reconhecimento de pessoas usado a mais de um sculo pelos forenses. Tal mtodo
aprofundado no Captulo 3.

13
Captulo 3

Impresso Digital

3.1 Introduo
A impresso digital o identificador biomtrico mais comumente utilizado pelo fato
de praticamente todo ser humano possuir impresso digital, ser distinta at mesmo entre
gmeos idnticos e no existir co-relao entre as impresses dos diferentes dedos de um
indivduo, alm de, mesmo diante de mudanas temporrias (como cicatrizes e cortes),
ela se regenera, voltando para sua forma original. Ou seja, possui alta unicidade e per-
manncia, alm de grande aceitabilidade dos usurios e baixo custo [Maltoni et al., 2003],
[Bonato e Finzi Neto, 2011] e [Pankanti et al., 2000].
As digitais, ou desenhos digitais, so desenhos formados por dobras cutneas das
polpas dos dedos das mos e dos ps que tambm possuem desenhos digitais.
Neste captulo so expostas as caractersticas anatmicas das digitais, os conceitos e o
histrico da datiloscopia, a cincia que as estuda, alm de falar sobre os sistemas biom-
tricos de impresso digital. Depois so apresentadas as principais abordagens utilizadas
nos mtodos de reconhecimento de impresses digitais, aprofundando-se nos mtodos ba-
seados em mincias e em cristas, objetos de estudo deste trabalho. E por fim, discorre-se
sobre as tcnicas mais comuns de classificao das impresses digitais.

3.2 Anatomia da Impresso Digital

Impresses digitais so os desenhos formados pelas papilas (elevaes da pele), presen-
tes nas polpas dos dedos das mos. A papila uma pequena bolsa de formao neurovas-
cular, que pode conter vasos sanguneos ou corpsculos do tato, que se projeta a partir da
parte mais profunda da pele, a derme, formando relevos irregulares na camada mais su-
perficial, a epiderme, servindo ainda para aumentar a aderncia entre estas duas camadas.
Quando esses relevos tm a forma de uma montanha so chamados de cristas papilares

14
(onde encontram-se os poros). Quando os relevos se assemelham a um vale so chamados
de sulcos interpapilares [Pasquali e Arajo, 2011]. A Figura 3.1 mostra um corte lateral
da pele, onde possvel identificar as cristas, as papilas e os sulcos interpapilares.
O desenho digital, tem sua imagem transferida para a superfcie suporte atravs do
toque do dedo quando as glndulas sudorparas e sebceas eliminam suor e substncias
gordurosas que se encontram nas camadas subcutneas e so eliminadas pelos poros que
ficam na superfcie das cristas papilares. Assim, quando se toca uma superfcie, reproduz-
se com perfeio os desenhos digitais formados pelas papilas pela transferncia dessas
substncias [Tavares Jnior, 1991], essa reproduo chamada de impresso digital.

Figura 3.1: Corte lateral da pele. Fonte: [Pasquali e Arajo, 2011]

As cristas papilares so formadas durante o perodo fetal, a partir do sexto ms de

vida, mudando de tamanho e permanecendo do mesmo formato para o resto da vida,
exceto quando sofrem alteraes. Elas tm formao cnica e variam em formato, nmero,
dimenso, direo e forma.
As alteraes sofridas pelas digitais podem ocorrer devido a fatos no naturais, como
no exerccio de algumas profisses, cortes profundos, amputaes ou queimaduras graves
que podem ocasionar desfiguraes permanentes na pele.
Ao observar uma impresso digital, como na Figura 3.2, percebe-se que tal formada
pelos seguintes elementos: linhas pretas, linhas brancas, delta, pontos caractersticos,
poros e linhas brancas albodactiloscpicas [Tavares Jnior, 1991]:

Linhas pretas correspondem s cristas papilares;

Linhas brancas correspondem aos sulcos interpapilares;

Delta: ngulo ou tringulo formados pelas cristas papilares;

Ncleo: ponto localizado na rea central da digital;

15
 Pontos caractersticos que so acidentes encontrados nas cristas papilares e possuem
a finalidade de estabelecer a identidade das impresses papilares;

Poros so aberturas dos canais sudorparos encontrados na superfcie das cristas

papilares;

Linhas brancas albodactiloscpicas que so formadas pela interrupo de duas ou

mais cristas papilares. Sendo tais no permanentes, porque podem, por exemplo,
aumentar em nmero, diminuir e/ou mudar de forma.

Figura 3.2: Exemplo de impresso digital. Fonte: [Maltoni e Cappelli, 2008]

Alm desses elementos, outras estruturas importantes encontradas nas impresses digi-
tais so as mincias. Segundo [Maltoni e Cappelli, 2008], mincia, no contexto de impres-
ses digitais, se refere aos vrios modos pelos quais uma crista pode se tornar descontnua.
De acordo com [Costa, 2001] as mincias so resumidamente classificadas dentro de
duas categorias: os aspectos bsicos e aspectos compostos. Onde os aspectos compostos
so constitudos a partir de aspectos bsicos. A leitura das mincias na impresso digital
deve ser feita da esquerda para a direita [Tavares Jnior, 1991], ou seja, no sentido horrio.
Tem-se como exemplo de aspectos bsicos a crista final e a crista bifurcada que podem
ser vistas na Figura 3.3. A crista final definida como um ponto onde a crista termina e
a crista bifurcada como um ponto onde a crista se divide em duas.

Figura 3.3: Exemplos de aspectos bsicos de mincias. Fonte: [Kehdy, 1968]

Nos aspectos compostos tem-se ilhas, cruzamentos, esporas e cristas curtas que esto
representados na Figura 3.4. As ilhas ou lagos so formados por duas bifurcaes conec-
tadas, que se contornam e retornam ao rumo de origem. Os cruzamentos ou pontes so

16
definidos como duas ou mais bifurcaes com um caminho conectando-as. Esporas so
formadas pela combinao de cristas bifurcadas e finais. E cristas curtas so definidas
como pequenas cristas finais.

Figura 3.4: Exemplos de aspectos compostos de mincias. Fonte: [Kehdy, 1968]

Os aspectos bsicos so as mincias utilizadas pelos sistemas biomtricos, pois ocor-

rem com maior frequncia nas impresses digitais como pode ser notado na Tabela
3.1, que apresenta a distribuio das mincias, resultado de um teste realizado por
[Farina et al., 1999] com 500 diferentes impresses digitais do banco de dados do NIST
chamado sdb4.

Tabela 3.1: Distribuio das mincias. Fonte: [Farina et al., 1999]

Tipos de Mincias Frequncia Mdia
% total de mincias Mincias por impresso
Pontos 4.3 18
Cristas finais 60.6 258
Bifurcaes 17.9 76
Esporas 4.7 20
Cruzamentos 3.2 14
Pontes 2.5 10
Cristas curtas 6.1 26

Esses elementos apresentados criam possibilidades para a identificao das pessoas pela
impresso digital, objeto de estudo da datiloscopia, que abordada na prxima seo.

3.3 Datiloscopia
A datiloscopia uma cincia que permite a identificao de pessoas pela comparao
de impresses digitais, impressas em papel ou armazenadas em mdia magntica. Essa
comparao envolve a verificao das mincias [Kehdy, 1968]. O nome datiloscopia
constitudo de dois elementos gregos, daktylos que significa dedos e skoplin, que tem
como significado examinar, portanto estudo dos dedos, ou seja, das impresses digitais.
A datiloscopia divide-se em trs ramos:

17
 Civil: a aplicada identificao para fins civis, isto , expedio de documentos
de identidade;

Criminal: a aplicada identificao para fins criminais e expedio de documentos

de idoneidade;

Clnica: estuda as perturbaes que ocorrem nos desenhos digitais, como consequn-
cia dos exerccios de certas profisses ou de estados patolgicos.

Segundo Tavares Jnior [Tavares Jnior, 1991] existem quatro postulados1 da datilos-
copia. So elas:

Perenidade: indica que o desenho digital dura do sexto ms fetal at a putrefao

cadavrica2 ;

Imutabilidade: indica a no mudana natural dos desenhos digitais desde o nasci-

mento at a morte do indivduo;

Variabilidade: afirma que nenhum dedo ter a digital igual a outro;

Classificabilidade: a possibilidade de classificar ou medir quantitativamente o dese-

nho digital.

Esses postulados foram descobertos ao longo da histria da datiloscopia, que abordada

na prxima subseo.

3.3.1 Histria da Datiloscopia

No h uma data reconhecida internacionalmente como sendo o comeo do uso das
impresses digitais para o reconhecimento humano, porm a datiloscopia possui uma vasta
histria com datas significativas. O histrico dessa cincia dividido em trs perodos
distintos [SIE, 1981]: pr-histrico, emprico e cientfico, cada um desses perodos sero
apresentados a seguir.

Perodo Pr-Histrico

Sabe-se que o homem primitivo tinha por hbito marcar os seus objetos e sua ca-
verna. Estas eram marcadas com o desenho de uma das mos e, geralmente, a esquerda,
levando a crer que era gravado por ele prprio, utilizando a mo direita. No geral, o pro-
cesso empregado era o decalque sobre a argila, reproduzindo as cristas e sulcos papilares
1
Uma proposio que se aceita sem demonstrao.
2
Decomposio das matrias orgnicas nitrogenadas pela ao de microrganismos com formao de
gases ftidos em cadveres.

18
da palma da mo e das extremidades digitais, previamente impregnadas de substncia
corante, como pode ser visto abaixo na Figura 3.5.

Figura 3.5: Registros arqueolgicos de digitais. Fonte: [Maltoni et al., 2003]

Perodo Emprico

A partir desse perodo possvel datar os acontecimentos [SIE, 1981]:

650: Os chineses utilizavam a impresso digital em divrcios;

782: No Japo, as impresses eram usadas para firmar acordos e apostas;

800: Os indianos analfabetos usavam as digitais para legalizao de papis;

1300: Na China, comeou-se a empregar as impresses digitais nos casos criminais.

Perodo Cientfico

Esse o perodo com a principais descobertas na datiloscopia, pois compreende o

estudo cientfico das papilas 3 .

1664: O mdico italiano Marcelo Malpighi publicou um trabalho chamado Epstola

sobre o rgo do tato, onde relata a existncia de linhas nos desenhos digitais e nas
palmas das mos;

1788: Mayer faz uma descrio detalhada da formao anatmica das impresses
digitais, na qual um grande nmero de caractersticas das cristas foi identificado;

1809: Thomas Bewick comeou a utilizar sua impresso digital como marca re-
gistrada, o que foi considerado como um dos mais importantes marcos no estudo
cientfico de reconhecimento de impresses digitais [Moenssens, 1971];
3
Pequena salincia cnica, na superfcie da pele ou das mucosas, formada de ramificaes nervosas ou
vasculares.

19
 1823: Joo Purkinje apresentou uma classificao para os desenhos das papilas,
agrupando-os em nove tipos fundamentais. Foi a primeira categorizao existente
para impresses digitais;

1856: Jos Engel publicou o Tratado de desenvolvimento da mo humana no qual

reduziu para quatro tipos os nove propostou por Purkinje;

1858 a 1878: Willian James Herschel e Henry Faulds fizeram separadamente pro-
postas cientficas sobre a perenidade e individualidade, respectivamente, de impres-
ses digitais baseada em observaes empricas [Lee e Gaensslen, 2001]. Faulds for-
neceu este conceito para a Polcia Metropolitana de Londres, mas o mesmo foi
descartado;

1882: Alfonse Bertillon, lanou o sistema antropomtrico, considerado o primeiro

sistema cientifico de identificao, onde era observado vrias caractersticas do in-
divduo como altura, cor dos olhos e a impresso digital;

1888 a 1892: Francis Galton por meio de um estudo extensivo sobre impresses
digitais introduziu o uso das mincias no casamento de impresses digitais. Galton
ainda publicou um detalhado modelo estatstico para anlise e identificao de im-
presses digitais e encorajou o seu uso pela cincia forense em seu livro chamado
Finger Prints;

1892: O policial argentino Juan Vucetich apresentou seu sistema de identificao de

impresses digitais intitulado de Icnofalangometria que consiste em quatro tipos
fundamentais (Arcos, Presilhas Interans e Externas e Verticilos) alm da classifica-
o e arquivamento decadactilar (utilizando as impresses dos dez dedos da mo);

1894: Francisco Latzina sugere a mudana do nome Icnofalangometria para Dati-

loscopia;

1900: Edward Henry em seu livro denominado Classification and Uses of Fin-
gerprints exps seu novo sistema de identificao, adotando quatro tipos funda-
mentais, que sero melhor abordados mais a frente no trabalho: Arcos, Presilhas,
Verticilos e Compostos, que so a combinao dos trs tipos anteriores;

1901: O sistema de Henry foi adotado oficialmente na Inglaterra pela Scotland

Yard ;

1903: O Brasil institui o sistema de Vucetich no Rio de Janeiro;

1935: Criados o Laboratrio de Locais de Crime e o Arquivo Datiloscpico Mono-

datilar no Servio de Identificao de So Paulo;

20
 1960: No incio dos anos 60, o FBI e o Departamento de Polcia de Paris comearam
a investir no desenvolvimento de AFIS [Maltoni et al., 2003];

2000: O FBI instalou um IAFIS com um banco de 47 milhes de impresses;

mdia de 50.000 pesquisas/dia, com um tempo de resposta de 2 horas para pes-
quisa criminal e 24 horas para pesquisa civil devido ao tamanho do banco de dados
[Jain et al., 2001];

2010: O Brasil implantou em algumas cidades no intuito de teste, a identificao

biomtrica por impresso digital nas eleies.

3.4 Sistema de Identificao Biomtrica por Impresses

Digitais
Os AFIS consistem em vrios estgios de processamento, dentre os quais so citados a
melhoria de imagem, o clculo da imagem direcional, a reduo de rudos, a segmentao e
o afinamento4 [Jain et al., 1997]. A implantao desse tipo de sistema agiliza o tempo de
processamento e o manuseio de bancos de dados, eliminando algumas rotinas repetitivas
do trabalho manual dos especialistas.
Os estgios de um AFIS so mostrados na Figura 3.6, onde se tem a aquisio da digital
por um leitor de impresso digital, o melhoramento da imagem ou pr-processamento, a
extrao das mincias e a comparao das impresses que inclui a verificao e anlise de
resultados.

Figura 3.6: Estgios do AFIS. Fonte: [Hong, 1998]

4
Conhecido como thinning e estudado em 4.3.

21
 Os leitores biomtricos de impresso digital que do incio as etapas do AFIS podem
ser de trs tipos, caracterizados pelos sensores utilizados:

ptico: a tcnica mais utilizada, o dedo toca o topo de um prisma de vidro,

onde as cristas tocam a superfcie do vidro, mas os sulcos no. Uma luz uniforme
ilumina a lateral esquerda do prisma, assim, a luz reflete os sulcos e absorve as
cristas permitindo a discriminao entre eles;

Ultrassom: as ondas sonoras encontram o dedo e transmitem um eco que indica as

informaes da impresso. Esse mtodo o menos utilizado, pois ainda no possui
uma produo em larga escala, alm de pouca maturao;

Silicone: consiste em um arranjo de pixels em que cada pixel um pequeno sensor.

O usurio ento toca diretamente essa superfcie e esse toque convertido em in-
formao. Tal tcnica gera digitais de melhor qualidade que as geradas pelo leitor
ptico, porm possui um custo mais elevado.

A etapa de pr-processamento se faz necessria porque as imagens podem apresentar

rudos devido a sujeira no leitor ou falha na impresso digital que devem ser corrigidos
para que os mtodos de extrao de mincias no obtenham falsas mincias e o sistema
se torne impreciso.
O passo de extrao de mincias responsvel por extrair as informaes de mincias
na imagem, e considerada a etapa crucial, que definir o resultado final do sistema de
identificao, e logo deve ser imune a qualquer interferncia na imagem ou erro de extrao.
As tcnicas de extrao (ou reconhecimento) de mincias sero abordadas na prxima
subseo.
Aps a extrao, o template armazenado no banco de dados, e esse template ser no-
vamente utilizado na etapa de comparao, onde ser comparada com uma nova entrada.

3.5 Tcnicas de Reconhecimento

As tcnicas de reconhecimento so parte importante da etapa de extrao de um AFIS,
pois por meio delas que se localizam as caractersticas singulares de cada usurio.
Segundo [Maltoni et al., 2003], as abordagens de reconhecimento de impresses digi-
tais podem ser divididas da seguinte forma:

Baseada em correlao: duas imagens em escala de cinza de digitais so sobrepostas

e a correlao entre os pixels computada mediante diferentes deslocamentos e
rotaes, buscando por meio das diferentes situaes se tal imagens so do mesmo
indivduo;

22
 Baseada em mincias: consiste em encontrar o alinhamento entre o conjunto de
mincias do template e da imagem de consulta que resulta no nmero mximo de
pares de mincias;

Baseada em cristas: compara as impresses digitais em termos das caractersticas

extradas das cristas como orientao local, frequncia, forma da crista e informao
da textura [Falguera, 2008];

As tcnicas baseadas em correlo, em mincias e em cristas, so aprofundadas nas

prximas sees.

3.5.1 Baseada em Correlao

Nessa tcnica a rotao da imagem representada por I x,y, onde indica o ngulo
de rotao em relao origem (geralmente o centro da imagem) e x e y representam
a deslocao em pixels nas direes x e y, respectivamente. E ento a semelhana entre
as duas imagens (T , sendo a imagem template e I a imagem consulta) pode ser medida
como apresentado na expresso 3.1, onde CC(T, I) = T T I que a medida de semelhana
(correlao cruzada) entre as duas imagens.

S(T, I) = max CC(T, I x,y, ) (3.1)

x,y,

Entre os exemplos de algoritmos de reconhecimento de impresses digitais baseado em

correlao, tem-se:

Bazen et al. [Bazen et al., 2000] apresentaram um mtodo dessa categoria que usa
a tcnica de correlao local nas impresses digitais.

O mtodo de Gonzalez e Woods [Gonzalez e Woods, 1987] que utiliza a correlao

cruzada conhecida como uma medida de similariedade de imagens para comparao
entre as digitais de consulta e template.

3.5.2 Baseada em Mincias

O reconhecimento de impresses digitais baseado em mincias o mtodo mais conhe-
cido e explorado nos sistemas biomtricos automticos, principalmente por tambm ser o
mtodo utilizado pelos especialistas forenses e por sua aceitao como prova de identidade
em praticamente todos os pases [Maltoni et al., 2003].
Nessa tcnica as mincias so extradas das duas impresses digitais e armazenadas
como conjuntos de pontos no plano bidimensional. No geral, os algoritmos utilizados
consideram cada mincia como o trio de dados (x, y, ), chamados de descritores da

23
mincia, onde x e y so as coordenadas de localizao da mincia e , o ngulo da
mincia.
Assim, os mtodos dessa abordagem so baseados em algoritmos de casamento de
pontos, que consistem em encontrar uma transformao no plano como deslocamento,
rotao e escala, em que o conjunto de pontos do template corresponda ao conjunto de
pontos da imagem de consulta.
Entre os exemplos de algoritmos de reconhecimento de impresses digitais baseado em
mincias, tem-se:

NBIS (NIST Biometrics Image Software) possui um cdigo aberto e gratito, foi
criado para utilizao do FBI [NIST, 2011], sendo esse algoritmo de reconhecimento
de digitais para fins de teste e comparao com sua verso modificada com a tcnica
de afinamento utilizado nesse trabalho;

Algoritmos baseados no mtodo de poda de rvores que procuram a correspon-

dncia de pares de pontos buscando em uma rvore de possveis casamentos. Po-
rm, para realizar a poda eficientemente, tais algoritmos geralmente impem re-
quisitos como nmero igual de pontos entre o template e a imagem de consulta
[Maltoni et al., 2003];

A abordagem baseada em relaxao, um algoritmo iterativo que ajusta o nvel de

confiana de cada par de pontos baseada em sua consistncia com os outros pares
at que um nmero seguro seja satisfeito. Porm, devido a sua natureza iterativa
esse algoritmo inerentemente lento [Ton e Jain, 1989];

Tan e Bhanu [Tan e Bhanu, 2006] empregaram um tradicional (e lento) algoritmo

gentico que por meio da gerao de cromossomos e novas populaes por seleo,
mutao e crossover para encontrar o melhor alinhamento entre os dois conjuntos
de mincias;

Cheung et al. [Cheung et al., 2001] usaram a tcnica de programao evolucionria

fuzzy, onde a principal tarefa encontrar uma transformao que transforma o
conjunto de mincias de consulta no conjunto template por meio de uma funo
com conjuntos fuzzy.

3.5.3 Baseada em Cristas

As caractersticas mais utilizadas das cristas para o reconhecimento de impresses
so: tamanho e formato da silhueta da impresso digital, posio e singularidades das
cristas, tipo, relaes espaciais, nmero e atributos geomtricos das linhas da crista, poros

24
de transpirao, informao de textura global e local, forma da crista e caractersticas
fractais.
Cada impresso digital representado por um vetor de caractersticas de tamanho fixo
(80 linhas por 8 colunas), chamado Finger Code [Maltoni, 2005], contendo as informaes
citadas acima.
Essa tcnica possui uma extrao mais confivel de mincias em imagens de menor
qualidade, sendo que o consumo de tempo na extrao de mincias e recursos adicionais
podem ser usados em conjunto com as mincias para aumentar a preciso e robustez
do sistema. Entre os exemplos de algoritmos de reconhecimento de impresses digitais
baseado em cristas, tem-se:

O trabalho de Marana e Jain [Marana e Jain, 2005], no qual apresentaram um m-

todo dessa categoria que faz uso da Transformada de Hough5 para calcular os pixels
das cristas e de retas que passam pelos pixels das cristas.

O estudo de Jain et al. [Jain et al., 2000b] que propuseram uma tcnica de anlise
de textura locais onde a rea de interesse da impresso digital definida com relao
ao ponto central da impresso;

O mtodo de Stosz e Alyea [Stosz e Alyea, 1995] que usa os poros de transpirao
e, portanto, requer leitores de alta resoluo.

3.6 Tcnicas de Classificao

A classificao de impresses digitais tem como objetivo atribuir a uma digital, uma
categoria especfica de acordo com suas propriedades geomtricas. Os principais prop-
sitos de classificar impresses digitais so facilitar o gerenciamento de grandes bancos de
dados de impresses digitais e acelerar o processo de identificao (emparelhamento) de
impresses digitais [Jain et al., 1997].
O sistema mais antigo de classificao ainda utilizado na identificao manual o
sistema de Henry. Ele dividiu as impresses digitais nas cinco classes abaixo, que podem
ser vistas na Figura 3.7.
5
Mtodo padro para deteco de formas que so facilmente parametrizadas (linhas, crculos, elipses,
etc.) em imagens digitalizadas.

25
 Figura 3.7: As classes de impresses digitais usadas por Henry. Fonte: [Kehdy, 1968]

Arco Plano: a impresso no apresenta delta e as linhas formam-se de um lado e

tendem a sair pelo outro lado;

Arco Angular: a digital apresenta um formato de tenda nas linhas no centro. Pode
possuir um delta, e uma linha ou fragmento dela entre o delta e o ncleo;

Presilha Interna (Direita): possui um delta a direita do observador, e as linhas que

se formam a esquerda do observador, curvam-se e tendem a voltar para o mesmo
lado [Costa, 2001];

Presilha Externa (Esquerda): possui um delta a esquerda do observador, e as linhas

que se formam a direita do observador, curvam-se no centro e tendem a voltar para
o mesmo lado [Costa, 2001];

Verticilo: apresenta um delta direita e outro esquerda e as linhas nucleares ficam

encerradas entre eles, com diferentes configuraes.

Raramente, as impresses digitais no podem ser classificadas em nenhuma dessas

categorias e assim so associadas a uma classe chamada acidental. A classificao de
Henry eficiente para classificao manual, pois humanos podem facilmente identificar
cada classe, mas nenhum ganho maior obtido com o agrupamento do banco de dados
em seis classes. Alm disso, essas classes tem distribuies desiguais [Jain et al., 1997].
Segundo Moayer e Fu [Moayer e Fu, 1975] no arquivo do FBI foi averiguado que 65% das
digitais so presilhas, 30% verticilos e somente 5% so arcos.
Os sistemas de classificao automtica de impresses digitais tentam principalmente
implementar o esquema de classificao de Henry, adicionando as outras duas classes:
6
mista e espiral 7 . H seis abordagens principais que tem sido tomadas para classifica-
o automtica de impresses digitais: sinttica, estrutural, redes neurais, estatsticas,
matemtica e hibrida [Halici et al., 1999].
6
Digital que apresenta caractersticas de mais de uma classe de Henry.
7
Possui um delta a esquerda e outro a direita do observador apresenta no centro do ncleo uma nica
linha espiral, desenvolvendo-se do centro para a periferia.

26
 Abordagem Sinttica: um conjunto de padres aplicado por meio de uma lingua-
gem formal para descrio e reconhecimento dos padres. Tais padres se baseiam
nos tipos de linhas, descoberta do paralelismo e continuidade das cistas, ncleos e
deltas, etc. A representao feita na forma de vetores que podem ser comparados
com o conjunto de padres personalizado por cada pesquisador, por exemplo em
[Moayer e Fu, 1976] e [Blue et al., 1994];

Abordagem Estrutural: as caractersticas baseadas em mincias so extradas e

representadas por um grafo. Os tipos e as localizaes dos deltas e ncleos, bem
como, o fluxo da linha entre pares so usados para classificar impresses digitais nas
classes de Henry;

Abordagem por Rede Neural: um sistema de auto-aprendizado utiliza as direes

das cristas e outros aspectos nas imagens de impresses digitais como entrada de
treinamento para diferenciar as diversas classes [Wilson et al., 1994];

Abordagem Estatstica: utiliza-se classificadores estatsticos de reconhecimento de

padres criados a partir dos atributos especiais da impresso digital. Neste caso, as
caractersticas estatsticas so calculadas como atributos das cristas, ncleos e deltas
e so usados para a classificao [Rao, 1976]. Tais caractersticas so escolhidas por
meio das principais probabilidades encontradas no ambiente de caractersticas, como
presilhas e verticilos;

Abordagem Matemtica: um modelo matemtico desenvolvido para calcular a

orientao da crista local, ncleos e deltas para o propsito de classificao;

Abordagem Hbrida: quando duas ou mais abordagens citadas acima so combina-

dos para executar a tarefa de classificao.

3.7 Consideraes Finais

Neste captulo foi descrita a anatomia de uma impresso digital (mincias, vales e
cristas) Alm disso, foi apresentado um breve estudo sobre a datiloscopia com foco no
histrico do uso das impresses digitais, desde dos primrdios do homem at os dias de
hoje, podendo-se observar como a impresso digital se tornou um mtodo de identificao,
sendo agora facilitado pelos AFIS, tambm descritos no captulo. Neste contexto, as
principais abordagens utilizadas no reconhecimento e classificao de impresses digitais
foram vistas.
Assim, pode-se observar que as propriedades das impresses digitais foram objeto de
curiosidade e estudo por muitos anos e se tornaram uma caracterstica biomtrica por

27
serem nicas, imutveis, variveis e classificveis, o que possibilita extrair seus atributos
com o intuito de identificao e verificao. A extrao das mincias s possvel graas as
tcnicas de reconhecimento por correlao, cristas e mincias, esta ltima sendo abordadas
mais profundamente no prximo capitulo, por ser parte fundamental deste trabalho.

28
Captulo 4

Descrio dos Algoritmos NBIS e de

Afinamento

4.1 Introduo
Este captulo apresenta as etapas dos algoritmos pertencentes ao software NBIS, dis-
correndo sobre o funcionamento de cada etapa. Alm disso, nesse captulo so discutidos
alguns algoritmos de afinamento, j que tanto o software e a tcnica de afinamento so
partes fundamentais do projeto.

4.2 Etapas do software NBIS

O software NBIS possui um cdigo aberto e gratito e foi desenvolvido pelo NIST para
utilizao do FBI e DHS no trabalho de verificao/identificao de indivduos visando
a segurana do pas norte-americano. O software desenvolvido a partir da tcnica
de reconhecimento baseada em mincias e utiliza-se de dois mdulos principais que so
utilizados no reconhecimento de impresses digitais: o Mindtct e o Bozorth3.

4.2.1 O Mdulo Mindtct

O Mindtct responsvel pela deteco das mincias tendo como entrada uma imagem
da digital e gerando como sada um arquivo texto com o conjunto de mincias detectadas
representadas por suas coordenadas x, y e a sua orientao . As etapas do Mindtct
podem ser vistas na Figura 4.1.

29
 Figura 4.1: Etapas do Mindtct. Fonte: [Falguera, 2008]

Aps a obteno da imagem de entrada (Etapa 1 da Figura 4.1.) criada a imagem

(ou mapa) direcional que fornece informaes contidas nas impresses digitais como a
orientao das cristas e pode ser seguramente calculada em imagens ruidosas, pois seu
propsito representar as cristas da impresso digital limpando a imagem da presena de
rudos, j que, cristas bem formadas e livres de rudos so essenciais para a deteco de
mincias. O procedimento feito apartir de blocos de pixels que sero assinalados com o
1
mesmo fluxo de direo da crista. Por essas razes, a maioria dos mtodos de extrao
utilizam a imagem direcional [Ratha et al., 1996] e [Jardini, 2007].
No geral, para o processo de gerao da imagem necessrio analisar localmente a
impresso digital, dividindo a imagem em uma grade de blocos. Todos os pixels dentro de
um bloco possuem os mesmos resultados, ou seja no mapa direcional, todos os pixels de um
bloco sero atribudos com o sentido do fluxo da crista. Para minimizar a descontinuidade
que pode ser gerada por essa abordagem, desejvel compartilhar informaes entre os
blocos vizinhos. Dessa forma algumas das imagens que contriburam para os resultados
de um bloco so includas nos resultados do bloco vizinho tambm. Tal correo recebe
o nome de suavizao.
Cada direo no mapa representada como um segmento de linha centrado dentro de
um bloco composto por 8x8 pixels (chamado de janela). Para cada bloco na imagem, a
janela rotacionada de forma incremental e uma anlise atravs da Transformada Discreta
de Fourier2 (DFT) realizada.
1
Vistos nas sees 3.5.2 e 3.5.3.
2
uma representao de uma funo peridica como uma soma de funes peridicas.

30
 Ao determinar a direo das cristas de um bloco, cada uma das janelas tem suas
orientaes analisadas. Cada linha rotacionada da janela tem as orientaes de seus
pixels somados juntos, formando um vetor de 24 somas pixel /linha. Cada vetor de somas
adicionado com quatro formas de onda com frequncias cada vez maiores, ilustradas na
Figura 4.2.

Figura 4.2: Formas de onda DFT. Fonte: [Watson et al., 2004]

A frequncia espacial da forma de onda da figura acima representa discretamente as

cristas e vales com uma largura de aproximadamente 12 pixels. A segunda forma de onda
representa 6 pixels de largura. A terceira representa 3 pixels de largura. Enquanto a
quarta representa 1,5 pixels de largura. Dada uma imagem, essas ondas cobrem as cristas
e vales que variam sua largura de 0,6 mm a 0,075 mm.
Os coeficientes de ressonncia produzidos a partir de cada convoluo dos vetores de
soma das orientaes com as quatro diferentes formas de onda discretas so armazenados
e analisados. Geralmente, a direo dominante da crista para o bloco determinada pela
orientao com a ressonncia mxima. O resultado da operao pode ser visto na Figura
4.3 onde a imagem da esquerda a de entrada e a da direita, a imagem direcional.

31
 Figura 4.3: Resultado do processo de mapa direcional. Fonte: [Costa, 2001]

Como pode-se perceber, a determinao do mapa direcional no trivial, e de grande

importncia pois alm de gerar a orientao da mincia, tambm ajuda na remoo
de falsas mincias. Por exemplo, se dentro de uma determinada distncia existir duas
terminaes e ambas tiverem a mesma direo, considera-se que houve uma desconexo
da crista, gerando uma falsa mincia.
Terminado o mapa direcional (Etapa 2 da Figura 4.1.), a prxima etapa (Etapa 3 da
Figura 4.1.) o processo de binarizao (tambm conhecido como threshold ) que consiste
em transformar a imagem original de 8 bits/pixel em uma de 1 bit/pixel, com o valor 1
atribudo s cristas papilares que formam a impresso digital, e o valor 0 para os vales
(espao entre as cristas papilares), ou seja, a binarizao consiste em transformar uma
imagem em tons de cinza para uma imagem em preto e branco [Coetzee e Botha, 1990].
Para a melhor deteco de mincias e cristas a imagem da digital, transformada
em uma imagem preta e branca, onde a cor preta representa as cristas e os vales so
representados pela cor branca. Para criar essa imagem binria, cada pixel da imagem em
tons de cinza de entrada deve ser analisado para determinar se ele deve ser atribudo um
pixel preto ou branco.
Se o pixel analisado est exatamente em cima de um fluxo direcional (criado na imagem
direcional), ele associado a uma crista e se torna um pixel preto, caso contrrio, o pixel
definido como branco. Se houver apenas a deteco de um fluxo direcional prximo,
ento a intensidade dos pixels vizinhos so analisados dentro de uma grade rotativa como
ilustrado na Figura 4.4.

32
 Figura 4.4: Estrutura da grade rotativa de binarizao. Fonte: [Watson et al., 2004]

Essa grade tem como estrutura 7 pixels de largura e 9 pixels de altura. Com o pixel
de interesse no centro, a grade rotacionada de forma que suas linhas fiquem paralelas ao
fluxo direcional da crista. Intensidades em tons de cinza do pixel so acumulados ao longo
de cada linha rodada na grade, formando um vetor de somas da linha. O valor binrio a
ser atribudo ao pixel central determinado multiplicando a soma da linha central pelo
nmero de linhas na grade e comparando esse valor com a intensidade acumulada em tons
de cinza dentro da grade inteira. Se a soma da linha central multiplicada inferior a
intensidade total da grade, ento o pixel central definido como preto, caso contrrio, ele
definido como branco.
A etapa de binarizao fundamental para o xito da deteco das cristas e das
mincias, logo desejvel preservar as informaes de estrutura (cristas e vales) da imagem
ao mximo possvel, para que as mincias no sejam perdidas e que tambm no sejam
geradas falsas mincias. A Figura 4.5 apresenta o resultado da binarizao desenvolvida
pela autora do projeto.

Figura 4.5: Resultado do processo de binarizao.

No estgio de extrao de mincias, pode-se destacar a utilizao das etapas de de-

teco de mincias, remoo de falsas mincias e a contagem de mincias vizinhas do
programa Mindtct (Etapas 4, 5 e 6 da Figura 4.1.) e cada uma dessas etapas so aborda-
das abaixo:
Na deteco de mincias a imagem binarizada analisada procura de padres de
pixels que indiquem uma terminao ou uma bifurcao. Os padres de mincias utili-

33
zados so descritos na Figura 4.6. So dois padres representando terminaes e o resto
dos padres representa diferentes bifurcaes. Esses padres recebem ainda o atributo
aparecendo/desaparecendo que serve para representar a direo da crista.

Figura 4.6: Padres usados para a deteco de mincias. Fonte:[de Oliveira, 2006]

Candidatos mincia so detectados e analisados com o objetivo de se encontrar

sequncias que se casem com os padres. Os escaneamentos so feitos vertical e horizon-
talmente, sendo necessrio rotacionar os padres no sentido horrio para o escaneamento
horizontal.
Aps a deteco, preciso analisar se h falsas mincias no conjunto de mincias
encontrado. Para remoo de falsas mincias, uma srie de algoritmos para remover
mincias ilegtimas como lagos, quebras, ganchos, mincias muito curtas, fragmentos de
cristas finais e marcas indesejveis e possveis pontos vazios dentro das cristas, mincias
detectadas sobre reas sem deteco da direo das cristas ou localizadas em reas de baixa
qualidade so executados. A Figura 4.7 apresenta alguns exemplos de falsas mincias
como gancho (a)), quebra (b)) e lago (c)).

Figura 4.7: Exemplos de falsas mincias. Fonte:[Watson et al., 2004]

O Cdigo 4.1 [Watson et al., 2004] mostra uma parte do algoritmo de remoo de
ganchos. No geral, os algoritmos analisam a distncias dos pontos extremos (como na
linha 1), a largura (em pixels) da mincia, alm de realizar operaes como rotao

34
 e translao, anlise das bordas(linha 4) e direo da crista (linha 2), caso os pontos
ultrapassem a distncia e ngulo, sejam do mesmo tipo e a borda da mincia seja ainda
a mesma, essa mincia falsa pois no caracteriza um mincia vlida, por no se tratar
de uma termino ou bifurcao.

Cdigo 4.1: Parte do algortmo de remoo de ganchos [Watson et al., 2004].

1 i f ( d i s t a n c e (A, B)<= 16 p i x e l s ) then // c o n f e r e s e a d i s t a n c i a e n t r e os
p o n t o s e s t a menor que 17 p i x e l s .
2 i f ( d i r e c t i o n A n g l e (A, B) => 1 2 3 . 7 5 ) then // c o n f e r e s e o a n g u l o
d i r e c i o n a l e s t a menor que 1 2 3 . 7 6 p i x e l s .
3 i f ( type (A) != type (B) ) then // c o n f e r e s e os t i p o s dos p o n t o s sao
d i f e r e n t e s , s e sim , a n a l i s a as b o r d a s do ponto A
4 p t s = t r a c e C o n t o u r s (A, 3 0 p i x e l s ) ;
5 i f ( i n P o i n t s ( pts , B) ) then // c o n f e r e s e a borda de A e s t a em
comum com o ponto B.
6 remove (A, B) ; // s e e s s e s c a s o s s e confirmarem a minucia s e r a
removida

Por fim, a ltima etapa do programa Mindtct, contagem de mincias vizinhas, que diz
respeito identificao e registro das oito mincias mais prximas e o nmero de cristas
existentes entre cada mincia e a sua vizinha. A utilizao das mincias vizinhas dentro
de um quadrante especificado um atributo comum utilizado nos AFIS [FBI, 2006].
Dado um ponto de mincia, os vizinhos mais prximos abaixo (na mesma coluna
do pixel ), e direita na imagem so selecionados. Esses vizinhos mais prximos so
classificados em ordem de sua direo, iniciando verticalmente e com a leitura no sentido
horrio. A parte final da etapa de extrao de mincias feita pelo programa Bozorth3
que apresentado na prxima subseo.

4.2.2 O Mdulo Bozorth3

A parte final da etapa de extrao de mincias feita pelo programa Bozorth3 que
possui as etapas de construo das tabelas de comparao e da tabela de compatibilidade
entre as impresses digitais e o clculo de pontuao de casamento do template e a digital
de consulta. Tal programa uma verso modificada do algoritmo proposto por Allan
S. Bozorth [Watson et al., 2004] e responsvel pelo casamento dos dois conjuntos de
mincias. Assim, tem como entrada o arquivo texto gerado pelo Mindtct e gera uma
pontuao de casamento como sada como pode ser visto na Figura 4.8.

35
 Figura 4.8: Etapas do Bozorth3. Fonte: [Falguera, 2008]

O primeiro passo para a construo das tabelas computar as medidas relativas de

cada mincia de uma impresso em relao a todas as outras mincias do mesmo dedo.
Essas medidas so armazenadas em uma tabela de comparao de mincias e o que
prov a invarincia de rotao e translao (Etapa 1 da Figura 4.8.).
Para o caso de translaes so acumuladas as distncias entre as mincias, que so
realmente invariantes apesar da elasticidade da pele forar com que se trabalhe com uma
margem de complacncia. Quanto o problema das rotaes, so extradas medidas dos
ngulos entre a linha que une duas mincias e a orientao das mesmas, o que torna as
medidas invariantes rotao.
A construo da tabela de compatibilidade se d por meio das tabelas das mincias da
impresso digital template e da impresso digital de consulta. As duas so analisadas
procura por entradas compatveis, sendo tais entradas gravadas na tabela de compatibili-
dade. Para saber se so compatveis, as distncias das entradas so testadas, percebendo
se esto dentro de uma tolerncia (T d). Depois so testados se os ngulos formados entre
as orientaes das mincias e a linha que as liga est dentro de uma tolerncia (T ).
Se a distncia e os ngulos das mincias estiverem dentro das tolerncias aceitveis a
relao entre os dois pares de mincias ser gravada na tabela de compatibilidade.
O ltimo passo o clculo da pontuao de casamento. A tabela de compatibilidade
representa uma lista de associaes entre dois pares de mincias que potencialmente se
correspondem. Essas associaes so representadas por um um grafo de compatibilidade3 .
Ento, para determinar quo semelhantes as duas impresses digitais so, o grafo per-
corrido a fim de encontrar o caminho com maior nmero de associaes (sendo o caminho
mais longo entre essas associaes). A pontuao ser, ento, esse caminho.
Assim, se uma mincia (vista como um vrtice pelo programa) da digital de consulta
correspondente uma da template, os dois vrtices so conectados por uma aresta, a
pontuao de casamento ser dada pelo maior caminho encontrado no grafo percorrendo
3
Grafo em que, se dois vrtices so compatveis, ento eles esto unidos por uma aresta.

36
as arestas feitas a partir dos vrtices correspondentes.
Logo, a pontuao deve ser alta se as duas impresses forem do mesmo dedo e baixa
se no forem. Dificilmente, a tabela consegue representar todas as mincias compatveis.
Assim, no geral, se o score (tambm chamado de pontuao e limiar) maior que 40
indica um casamento com boa margem de segurana, porm dependendo da aplicao
podem ser usados menores ou maiores scores. O score de 40 mincias em comum tido
como padro para muitos AFIS, inclusive utilizado pelo software NBIS.
O padro do Mindctc reconhece as 150 melhores mincias para cada dedo, apesar de
uma digital ter normalmente menos do que 80 mincias (ou seja, o padro de 40 mincias
a correspondencia de pelo menos 50% da mincias do dedo). Por isso se torna necessrio a
remoo de falsas mincias. O Bozorth3 deixa em aberto a definio de quantas mincias
sero consideradas para o casamento [Watson et al., 2004].

4.3 Afinamento
O afinamento, tambm conhecido como thinning uma tcnica que pode ser usada
para remover pontos isolados no fundo da imagem e ngulos retos ao longo de bordas dos
objetos [Mehtre, 1993]. Um algoritmo de afinamento para ser eficiente deve compactar
dados, manter as propriedades significativas dos padres e eliminar rudos sem introdu-
zir distores. Alm disso, o algoritmo deve ser simples e rpido, o que um desafio
[Gonzalez e Woods, 1987] e [de Souza, 2006].
No geral, o algoritmo de thinning primeiro percorre o objeto marcando pixels que sero
removidos, para que em um segundo momento eles sejam realmente eliminados. Esses dois
passos so repetidos at que no existam mais pixels redundantes, sobrando apenas os
pixels que pertencem ao esqueleto do objeto. Esses passos so executados respeitando
algumas propriedades como as regies afinadas precisam ter um pixel de largura, manter
a conectividade e a forma original do objeto.
Existem alguns diferentes mtodos de afinamento na literatura como o afinamento de
Holt, de Stentiford e de Morfologia Matemtica, nas prximas subsees tais mtodos so
apresentados.

4.3.1 Mtodo de Holt

O mtodo de Holt executa os passos j apresentados, seu diferencial que tem como
principal caracterstica impedir o efeito chamado serrilhamento (tambm conhecido como
staircase), o qual consiste na formao de degraus durante o processo de afinamento. Tal
efeito indesejado, pois prejudica a forma do esqueleto da imagem.
Uma das etapas do mtodo de Holt chamada de staircase removal [Holt et al., 1987]

37
e elimina esse problema por meio da execuo de quatro mscaras (Figura 4.9) sobre
o esqueleto de imagem. Esse processo elimina o pixel central das mscaras mostradas
caso qualquer um dos pixels indicados por X tiver valor zero (0) pois assim, no causar
problemas na forma ou na conectividade do objeto.

Figura 4.9: Mscaras utilizadas na remoo de degraus. Fonte:[Holt et al., 1987]

Tal mtodo possui o problema de no conseguir extrair esqueletos que preservam a

forma alongada do objeto, quando o afinamento reduz o objeto bifurcaes orientadas a
45 ou 135 [de Souza, 2006].

4.3.2 Mtodo de Stentiford

Como na maioria dos algoritmos de afinamento, o mtodo de Stentiford se baseia na
remoo de pixels por camadas. So necessrias vrias iteraes para remoo de cada
camada. Estas iteraes ocorrem at que no haja mais camadas a serem retiradas. O
processo de remoo definido por meio de algumas mscaras (apresentadas na Figura
4.10) e regras (discutidas aps a figura).

Figura 4.10: Mscaras do afinamento de Stentiford. Fonte: [Stentiford e Mortimer, 1997]

As mscaras mostradas acima percorrem a imagem na seguinte ordem:

M1: esquerda para direita e cima para baixo;

M2: esquerda para direita e baixo para cima;

M3: direita para esquerda e baixo para cima;

M4: direita para esquerda e cima para baixo;

Primeiro a M1 percorre a imagem at encontrar um pixel coincidente, esse marcado

para remoo se no for um ponto final4 . A M1 continua a percorrer a imagem encon-
4
Um ponto final um pixel preto que tem apenas um outro pixel preto como seu vizinho. Estes pixels
no podem ser apagados.

38
 trando todos os pixels coincidentes de imagem e verificando-os. Depois todas as mscaras
percorrem a imagem (mesmo processo apresntado para a M1), os pixels marcados tm
seus valores alterados para 0 (remoo). Por fim, se algum ponto foi removido, o algoritmo
recomea com a imagem resultante. Se no, o algoritmo termina.
Infelizmente, o mtodo de Stentiford apresenta alguns problemas na gerao da ima-
gem afinada segundo [Corra e Festa, 2005]:

Algumas imagens resultantes apresentam problema de descontinuidade, provavel-

mente por alguma falha no processo que verifica o nmero de conectividade dos
pixels.

Quando h uma interseco de duas linhas, ao ser afinada o que produz um segmento
alongado (chamado de Necking).

Quando tem-se uma unio de duas linhas, e o ngulo entre tais relativamente
pequeno, surge um segmento no correspondente a nenhuma parte da imagem (co-
nhecido como Tailing).

Qualquer pixel que esteja na borda do objeto que est sendo afinado, pode criar um
segmento que ser considerado como pertencente ao esqueleto (chamado de Line
Fuzz ).

4.3.3 Mtodo Morfologia Matemtica

O mtodo de afinamento conhecido como Morfologia Matemtica pode ser definido em
termos da transformada hit or miss, ou seja, casamento de mscaras. Essa funo elimina
pixels indesejveis na imagem sem alterar sua estrutura. Os algoritmos de afinamento
consomem tempo, uma vez que a varredura da imagem feita linha a linha, examinando
a vizinhana e verificando quando o pixel pode ou no ser apagado, alm de normalmente
ser necessrio 20 a 30 passos para afinar as cristas em uma imagem de impresso digital
[Rao, 1976].
Quando um pixel apagado, ou seja, seu valor muda de 1 para 0, a imagem dita
transformada. Um nmero total de pixels, apagados em um passo, constitui um nmero
total de mudanas nesse passo. A taxa de afinamento pode ser definida como nmero total
de mudanas por passo. O afinamento dito completo quando o nmero de mudanas
na imagem converge para zero, ou seja, no ocorrem mais mudanas [Isenor, 1986]. Caso
o resultado tenha sido alcanado, continuar aplicando o algoritmo de afinamento no
influenciar no resultado obtido. Tal procedimento pode ser visto no Cdigo 4.2.

Cdigo 4.2: Algortmo de afinamento por morfologia matemtica

1 Entrada : Imagem I ; // Entrada : a imagem da d i g i t a l b i n a r i z a d a .

39
2 Imagem ITemp1 , ITemp2 ; // V a r i a v e i s a u x i l i a r e s do t i p o imagem .
3 C=c o n j u n t o de mascaras ; //As mascaras a p r e s e n t a d a s u t i l i z a d a s no
processo .
4
5 I n t e i r o n r o A l t e r c o e s =1; // I n d i c a o t o t a l de p o n t o s m o d i f i c a d o s
f e i t a s na imagem .
6 Itemp1 = I ; //ITemp1 r e c e b e a imagem de e n t r a d a .
7 while ( n r o A l t e r a c o e s <> 0 ) // Enquanto h o u v e r o que m o d i f i c a r na
imagem p e r c o r r e s e cada mascara do c o n j u n t o
8 fo r ( cada e l e m e n t o de C)
9 n r o A l t e r a c o e s = 0 ; // R e i n i c i a o t o t a l de p o n t o s m o d i f i c a d o s .
10 P e r c o r r a a ITemp1 p i x e l a p i x e l // Percorre s e a imagem da
e s q u e r d a para a d i r e i t a , de cima para b a i x o .
11 i f C[ e ] = = ITemp1 [ p i x e l Atual ] // Se a p a r t e da imagem sendo
a n a l i s a d a f o r i g u a l a mascara .
12 ITemp2 [ p i x e l A t u a l ] = 1 ; //O p i x e l em uma nova imagem r e c e b e 1 .
13 e l s e // Caso c o n t r a r i o , r e c e b e 0 .
14 ITemp2 [ p i x e l A t u a l ] = 0;
15 ITemp2 [ p i x e l A t u a l ] = ITemp1 [ p i x e l A t u a l ] AND Itemp2 [ p i x e l A t u a l ] ;
// R e a l i z a a o p e r a c a o and nas duas imagens a u x i l i a r e s .
16 n r o A l t e r a c o e s = n r o A l t e r a c o e s +1; // Incrementa o t o t a l de
pontos modificados .
17 Itemp1 = Itemp2 ; // S u b s t i t u i a Itemp1 p e l a imagem m o d i f i c a d a .
18 I = Itemp1 ; // S u b s t i t u i a imagem de e n t r a d a p e l a m o d i f i c a d a .
19 return I ;

Um exemplo de mscaras utilizadas so apresentadas na Figura 4.11. Os smbolos

ativos so representados pelo nmero zero. Quanto aos representados por x so os pi-
xels que no interagem com a imagem. Logo, no geral, o processo afina a imagem por
uma sequncia de mscaras, que vo sofrendo rotaes e verificando quais pixels podem
ser apagados, e esse processo deve ser repetido at que no ocorram mais mudanas na
imagem.

40
 Figura 4.11: Mscaras utilizadas no processo de afinamento. Fonte:[Casado, 2008]

O afinamento pelo mtodo Morfologia Matemtica foi o escolhido para ser implemen-
tado neste porjeto, pois como pode ser visto na Tabela 4.1, apresenta menos desvantagens
em comparao aos outros mtodos estudados no projeto.

Tabela 4.1: Comparativo entre as desvantagens dos mtodos de afinamento apresentados.

Tailing Line Gerao de No gera

Necking Fuzz pixels apenas 1
desconexos pixel de
largura

Mtodo de
Holt X X X

Mtodo de
Stentiford X X X X

Mtodo
Morfologia X
Matemtica

A Figura 4.12 apresenta o resultado do processo de afinamento desenvolvido pela

autora.

41
 Figura 4.12: Resultado do processo de afinamento.

4.4 Estrutura do software NBIS Modificado

Como o objetivo principal desse trabalho incluir o processo de afinamento ao software
NBIS, o mdulo Mindtct foi modificado para atingir tal objetivo, j que o mdulo em
questo responsvel por outras tcnicas de processamento da imagem como a criao do
mapa direcional e a binarizao. Assim, o afinamento foi incluso como etapa do mdulo
aps a binarizao da imagem como pode ser visto na Figura 4.13.

Figura 4.13: Etapas do Mindtct com o processo de afinamento.

A opo pela etapa de afinamento ser posicionada aps a tcnica de binarizao segue
os moldes de outros estudos como [Marana e Jain, 2005] e [Maltoni et al., 2003], onde
pode-se observar que o afinamento tem melhores resultados em imagens preto e branco
por simplificar a comparao com as mscaras de afinamento.

42
4.5 Consideraes Finais
Esse captulo apresentou por meio de uma reviso literria, o mtodo de reconheci-
mento por mincias o software NBIS, e tambm diferentes tcnicas de afinamento criadas
ao longo do tempo, mostrando que a tcnica vem criando maturidade. E por meio dos
estudos dessas tcnicas de afinamento, o mtodo por morfologia matemtica foi o esco-
lhido para a utilizao no projeto, por ser o mtodo de afinamento melhor recomendado
dos apresentados segundo os trabalhos de [Corra e Festa, 2005] e [Guilherme, 2007] e
tambm por possuir menos desvantagens, como pde ser visto na Tabela 4.1. A partir de
tais apresentaes possvel estudar e entender os resultados das comparaes que so
apresentados no prximo captulo.

43
Captulo 5

Comparao e Resultados

5.1 Introduo
Esse captulo apresenta os hardwares e softwares utilizados para execuo do software
de reconhecimento estudado no captulo anterior, alm da metodologia e as medidas de
desempenho usada na comparao do NBIS original com o modificado, aprofundando-se
no estudo das medidas como as taxas de erro. Por fim, so apresentados os resultados da
execuo e comparao entre os softwares.

5.2 Materiais
Para a anlise individual do desempenho dos mtodos estudados, foi utilizado o leitor
Fingerkey Hamster DX da Nitgen
R
, disponibilizado pelo Departamento de Cincia da
Computao da Universidade Federal de Gois - Campus Catalo. A Tabela 5.1 mostra
as caractersticas desse leitor.

Tabela 5.1: Caractersticas do leitor Fingerkey Hamster DX. Fonte: [Nitgen, 2005]
Tipo ptico
rea de captura e leitura Prisma de vidro
Captura Qualquer ngulo (360 )
Interface USB
Resoluo 500 DPI
rea de captura 16 x 18 milmetros
Tempo de captura 300 milissegundos
Tamanho da Imagem 248 x 292 pixels

A Figura 5.1 apresenta um exemplo de imagem de uma impresso digital capturada

pelo leitor.

44
 Figura 5.1: Exemplo de imagem capturada pelo leitor.

Todas as aplicaes foram executadas em uma mquina com processador Intel Core
i3 de 2.40 GHz, 4Gb de memria RAM, onde o software NBIS foi executado no sistema
operacional Linux Ubuntu 10.4 e o compilador gcc. Como o NBIS feito na linguagem
C, a tcnica de afinamento tambm foi implementada nessa linguagem.

5.3 Metodologia
A metodologia utilizada para a comparao do NBIS original e modificado pode ser
dividida em duas fases:
A primeira fase o registro de 20 impresses digitais, sendo tais impresses da autora
e da orientadora do projeto, em ambos os softwares, onde tais vo realizar suas etapas
para extrao de caractersticas e armazen-las para uma comparao posterior.
A segunda fase a utilizao das medidas de desempenho (abordados na prxima
subseo) para reconhecimento do usurio que poder gerar sua impresso de consulta
em trs diferentes ngulos (0o , -45o e 45o ) e assim observar as taxas de aceitao, rejeio,
falsos-positivos e falsos-negativos de cada mtodo.

5.3.1 Medidas de Desempenho

O desempenho nos sistemas biomtricos, independente do tipo escolhido, deve ser
considerado de acordo com sua finalidade. A principal medida de desempenho para esse
tipo de sistemas a identificao do proprietrio de uma assinatura biomtrica. Ou seja,
a medida do desempenho igual porcentagem de consultas em que a resposta correta
possa ser encontrada no pequeno conjunto retornado do banco de dados como resposta
[Jardini, 2007].
O desempenho de um sistema de verificao caracterizado tradicionalmente por duas
estatsticas de erro: taxa de falsa aceitao (FAR) e taxa de falsa rejeio (FRR). Estas
duas taxas so avaliadas em conjunto criando a taxa de erro igual (ERR) e so melhor
explicadas nas prxima subseo.

45
Taxas de Erro

O sistema biomtrico tem a importante deciso de classificar um indivduo como au-

tntico ou impostor e regulado por um limiar (chamado tambm de threshold ) que
a pontuao do casamento de mincias. Dessa forma, se a pontuao de casamento for
maior ou igual a esse limiar (limiar = 40), o indivduo considerado autntico, se no
considerado impostor. Entretanto, para cada deciso existem duas possveis sadas,
totalizando quatro possibilidades [Koerich, 2009]:

1) O indivduo verdadeiro aceito (Correta Aceitao - CA);

2) O indivduo verdadeiro rejeitado (Falsa Rejeio - FR);

3) O impostor rejeitado (Correta Rejeio - CR);

4) O impostor aceito ( Falsa Aceitao - FA);

A partir dos valores apresentados acima pode-se calcular duas taxas de erro: a Taxa
de Falsa Aceitao (FAR) e a Taxa de Falsa Rejeio (FRR).
A FAR trata-se da probabilidade de se aceitar um usurio impostor, ou seja, a possibi-
lidade de duas imagens de indivduos diferentes serem consideradas semelhantes. Tambm
conhecida como taxa de falsos - positivos pode ser calculada por meio da expresso 5.1:

FA
F AR = (5.1)
F A + CR
O FRR trata-se da probabilidade de duas imagens do mesmo indivduo serem consi-
deradas diferentes, ou seja, a possibilidade de se rejeitar um usurio autntico. Tal taxa
tambm chamada de falsos - negativos e calculada pela expresso 5.2:

FR
F RR = (5.2)
F R + CR
Pode-se observar que essas taxas podem ser expressas a partir dos casamentos autn-
ticos e dos casamentos impostores feitos pela aplicao.
Em um sistema biomtrico ideal, ambas as taxas deveriam ter valor zero. Infelizmente,
esses sistemas no so perfeitos, assim, para cada aplicao deve-se determinar quais as
necessidades do usurio. Baseando-se no grfico das distribuies, pode-se mudar o valor
do limiar ( ) para reduzir a taxa de falsa aceitao (FAR), tornando o sistema mais seguro,
porm aumentando a taxa de falsa rejeio (FRR) incomodando usurios autnticos. Por
outro lado, movendo o limiar para o lado oposto, o sistema torna-se menos seguro, mas
permite maior variabilidade entre os templates do mesmo indivduo.
Uma medida nica pode ser adotada para caracterizar o nvel de segurana do sistema
biomtrico. Essa medida chamada da Taxa de Erro Igual (EER) que denota a taxa

46
de erro a um dado limiar ( ) em que a taxa de falsa aceitao e a taxa de falsa rejeio
assumem o mesmo valor: F AR( ) = F RR( ) [Nanni e Lumini, 2007]. A Figura 5.2
mostra um exemplo das curvas F RR( ) e F AR( ), onde o ponto correspondente ao valor
de EER destacado.

Figura 5.2: Distribuies das pontuaes de casamentos autnticos e impostores Fonte:

[Maltoni e Cappelli, 2008]

Normalmente as aplicaes comerciais ajustam seu limiar prximo ao valor de ERR,

pois essas presam o equilbrio entre conforto e segurana dos usurios.

5.4 Resultados Experimentais

Nas subsees seguintes so apresentados os grficos gerados no software comercial
Microsoft Excel com os resultados dos testes aplicados no software NBIS original e em
sua verso modificada com o acrscimo do processo de afinamento. A partir desses grficos
das taxas de erro (FRR, FAR e ERR) pode-se fazer uma melhor anlise da contribuio
do afinamento para o NBIS.

5.4.1 FAR
A partir da metodologia explicada na seo 5.3 gerou-se o grfico com os valores FAR
para o softwre NBIS e para a sua verso modificada, apresentado na Figura 5.3. Pode-
se observar que o software utilizando o padro de score de 40 mincias em comum1 , o
programa no aceitou nenhuma impresso digital que no foi registrada e tambm pode-se
notar que em ambos os programas os valores foram idnticos.
1
Visto na seo 4.2.2.

47
 Figura 5.3: Grfico comparativo de FAR do software NBIS e sua verso modificada.

5.4.2 FRR
A Taxa de Falsa Rejeio da verso original do softwre NBIS e o software NBIS
modificado com a operao de afinamento pode ser vista na Figura 5.4, pode-se notar que
nos valores FRR houve divergncia entre as verses e que quanto maior a exigncia de
score no casamento das mincias, maior a taxa de falsos negativos.

Figura 5.4: Grfico comparativo de FRR do software NBIS e sua verso modificada.

5.4.3 ERR
Em relao a Taxa de Erro Igual, observa-se na Figura 5.5 que ela encontrada com
o limiar no valor 16 ( = 16) para o software NBIS, pois em tal ponto ambas as taxas
(FAR e FRR) tem como valor 0,17.

48
 Figura 5.5: Grfico com os valores de ERR do software NBIS.

Na Figura 5.6 apresentada a ERR do NBIS com a modificao do afinamento, onde

pode-se notar que a taxa encontrada no limiar com valor 20 ( = 20) e ambas as taxas
so valoradas em 0,1.

Figura 5.6: Grfico com os valores de ERR do software NBIS modificado.

5.5 Consideraes Finais

Nesse captulo foi apresentado os materiais utilizados para a execuo e a metodologia
para a gerao das taxas de erros do NBIS e da verso modificada com o processo de
afinamento. Alm disso, foram apresentados os resultados das taxas de erro.
Por meio dos grficos apresentados, percebe-se que o programa modificado possui taxas
menores de falsa rejeio, o que demonstra que a utilizao do processo de afinamento
ajuda a limpar a imagem para a extrao de mincias, tornando o sistema mais eficaz,
pois assim o programa conseguiu um aumento no casamento de mincias entre template

49
e imagem de consulta, j que no NBIS houve uma mdia de 50,05 mincias de score,
enquanto o programa modificado possui de mdia, 60,6 mincias.
Quanto aos valores de falsa aceitao, os dois softwares tiveram o mesmo desempenho,
onde se pode concluir que o software criado pelo NIST possui uma alta segurana, pois
o sistema s aceita um usurio inexistente quando o limiar usado muito baixo ( = 20)
para os padres utilizados em sistemas de reconhecimento.
Pode-se notar tambm que o programa com a operao de afinamento a ERR en-
contrada no limiar valorado como 20, um limiar mais alto que o encontrado no NBIS
( = 16), tendo como taxa igual 0,1, taxa tambm menor que a encontrada no software
original de 0,17. Assim, observa-se que o NBIS modificado possui uma melhor segurana
e comodidade pois aceita menos impostores e rejeita menos usurios cadastrados.

50
Captulo 6

Concluso

6.1 Concluses
Por meio da biometria, criou-se um novo modo de reconhecimento de pessoas, que no
se utiliza de senhas que podem ser esquecidas ou objetos que podem ser roubados, pois o
reconhecimento feito apartir de caractersticas pertencentes ao usurio.
Uma das caractersticas mais pesquisadas e aplicadas na biometria (sendo o tipo estu-
dado no projeto) a impresso digital, que tem grande parte de sua maturidade graas a
sua utilizao forense, j que os pontos (mincias) que garantem a unicidade das digitais
so as mesmos em ambas as reas.
Por meio da automao o trabalho feito pelos forenses se tornou mais rpido, pois
elimina algumas rotinas repetitivas do trabalho manual dos especialistas como o manuseio
de bancos de dados. A extrao dos pontos nicos na automao feito por tcnicas que
buscam tais pontos e salvam suas caractersticas como coordenadas, orientao e textura
da crista. Antes da digital passar pela tcnica de extrao escolhida, assim como em
outros tipos biomtricos, operaes de processamento da imagem que contribuem para a
diminuio de rudos na imagem da impresso digital so executadas, tendo como objetivo
garantir uma imagem limpa, para evitar mincias falsas.
Esse projeto teve como proposta modificar o software NBIS, sistema de reconheci-
mento biomtrico por impresso digital desenvolvido pela NIST, adicionando a operao
de afinamento na etapa de processamento da imagem que tem como objetivo afinar os
contornos da imagem para a largura de 1 pixel. Esse NBIS modificado foi comparado com
o completamente desenvolvido pela NIST, afim de demonstrar se tal modificao melhora
a eficincia do sistema.
Para comprovar e comparar a eficincia de ambos os programas, foram utilizados
as mtricas de desempenho comuns em sistemas de segurana como a Taxa de Falsos-
Positivos (FAR), a Taxa de Falsos-Negativos (FRR) e por fim a Taxa de Erro Igual

51
(ERR), que buscam mostrar a segurana (menor nmero de impostores sendo aceitos) e
comodidade (menor nmero de usurios efetivos sendo rejeitados) do sistema.
A avalio pode ser vista por meio dos grficos comparativos de tais taxas, onde a FAR
encontrada em ambos os programas so muito semelhantes, se diferenciando apenas em
limiares muito baixos (apartir de 18), onde o software modificado aceitou menos impos-
tores. importante ressaltar que limiares desses valores so impraticveis nos sistemas
biomtricos e o prrio NBIS utiliza como limiar padro o valor 40, onde pode-se notar
que ambos tiveram os mesmos resultados, 100% de rejeio pessoas no registradas,
mostrando que o programa do NIST preza a segurana com eficincia, pois em limiares
padres no comete o erro de deixar pessoas no cadastradas terem acesso a locais ou
informaes.
Quanto na FRR, os valores encontrados possuem maiores divergencias entre as duas
verses, a operao de afinamento diminuiu as taxas de falsa rejeio principalmente no
intervalo dos limiares cujo valor est na faixa de 20 a 40, isso se d ao fato, como j foi
dito, do aumento de 10 mincias de score encontradas em mdia, pois com o afinamento,
os contornos so melhores definidos, j que possuem apenas um nico pixel de largura,
evitando confuses nas coordenadas das mincias.
Na ERR o valor do limiar onde o FRR e FAR do programa NBIS de 16, com a
probabilidade de 0,17. Esse resultado maior que o encontrado na sua verso modificada
em que o limiar 20 e a probabilidade de 0,1. Assim, pode-se dizer que a modificao
foi benfica em todas as taxas no geral, pois todas apresataram reduo de erros, porm
se forem analisados apenas limiares utilizveis, a diferena entre os dois programas
encontrada apenas na taxa de falsa-rejeio, o que torna a utilizao da verso modificada
vantajosa em sistemas que buscam comodidade ao usurio, no qual ele no necessite
repetir o procedimento de identificao novamente por conta de uma falsa rejeio. Em
termos de segurana, ambos no aceitaram nenhuma pessoa no cadastrada (em limiares
utilizveis), ento pode-se concluir que so equivalentes nesse aspecto.
Por fim, pode-se concluir que o afinamento consegue uma pequena melhora no soft-
ware NBIS, que pode ser vantajoso em sistemas que buscam maior comodidade aos seus
usurios.
Em termos de tempo de execuo, como o afinamento uma tcnica que percorre
a imagem inmeras vezes, o processo lento em relao as outras operaes de proces-
samento de imagem, mas ainda mais rpida e menos comoda do que o usurio ter que
repetir a extrao da imagem de consulta.

6.2 Trabalhos Futuros

Como trabalhos futuros possivel realar as seguintes propostas:

52
 Aumentar o nmero de indivduos pertencentes ao banco de dados ou a utilizao de
bancos de dados de teste, validando assim, a escalabilidade dos softwares testados.

Utilizar data mining com o objetivo de organizar as impresses do banco de dados

em classes(sistema de Henry1 ), podendo assim, acelerar a identificao do indivduo,
por meio da identificao da classe pertencente da digital de consulta, comparando-a
apenas com impresses da classe identificada, ao invs de compar-la com todo o
banco de dados.

Implementar outras tcnicas de afinamento2 , realizando um estudo comparativo

entre tais mtodos.

6.3 Dificuldades Encontradas

Durante a realizao do projeto foram encontrados algumas dificuldades, principal-
mente na busca de um SDK para implementar a tcnica de reconhecimento, foram testa-
dos o SDK da Nitgen
R
que tinha como vantagem reconhecer o leitor por ser da mesma
empresa e ser especfico para os leitores Nitgen
R
, porm o SDK apresentou problemas
na mquina quando executado, sendo fechado automaticamente. Outro SDK testado foi
o da Griaule Biometrics
R
, que apresentou falta de bibliotecas necessrias para a criao
e execuo da implementao, tendo tambm como ponto negativo a assistncia esses
erros, alm de possuir um manual com falhas de legibilidade.
Por fim, foi escolhido o NBIS por possuir cdigo aberto e que pode ser modificado,
alm de possuir diferentes sub-programas que podem ser utilizados em diferentes etapas
do AFIS. Porm, o NBIS no reconhece leitores biomtricos, trabalhando como entrada
imagens, assim no projeto optou-se por utilizar o leitor para captar as digitais e tranform-
las em imagens para serem a entrada do software.
Outro contra-tempo enfrentado foi como relao aspectos ticos e burocrticos. Para
coletar um maior nmero de digitais, seria necessrio realiazar tramites legais e burocr-
ticos junto universidade, o que no foi possvel devido paralizao dos tcnicos admi-
nistrativos. Desta forma, a validao do projeto ficou restrita imagem das digitais dos
membros participantes.

1
Pode ser visto na seo 3.6
2
Como as apresentadas na seo 4.3.

53
Referncias
Bazen, A., Verwaaijen, G., Gerez, S., Veelenturf, L., e van der Zwaag, B. (2000). A
correlation-based fingerprint verification system. Proc. Workshop on Circuits Systems
and Signal Processing (ProRISC 2000 - Veldhoven, Holanda), pages 205 213.

Berry, J. e Stoney, D. A. (2001). History and development of fingerprinting. In e R. E. Ga-

ensslen, H. C. L., editor, Advances in Fingerprint Technology, pages 1453. CRC Press
LLC, 2a edition.

Blue, J. L., Candela, G. T., Crother, P. J., Chellappa, R., e Wilson, C. L. (1994). Eva-
luation of pattern classifiers for fingerprint and ocr applications. Pattern Recognition,
27:485501.

Bonato, C. d. S. e Finzi Neto, R. M. (2011). Tcnicas de reconhecimento de caractersticas

biomtricas por digitais. XVII Conpeec - Congresso de Pesquisa Extenso e Cultura da
Universidade Federal de Gois - Campus Catalo.

Boulgouris, N. V., Plataniotis, K. N., e Micheli-Tzanakou, E. (2010). Biometrics: Theory,

Methods, and Applications. Wiley Publishing, Inc. and IEEE Press, 1a edition.

Casado, R. S. (2008). Extrao de mincias em imagens de impresses digitais. Masters

thesis, UFSCar.

Cheung, K. Y., Le, T. V., e Nguyen, M. H. (2001). A fingerprint recognizer using fuzzy
evolutionary programming. Proceedings of the 34th International Conference on System
Sciences - Maui, Hawaii.

Coetzee, I. e Botha, E. C. (1990). Fingerprint with a neural-net classifier. South African

Workshop on Pattern Recognition, 1:3340.

Commision, E. (2011). Biometrics - fingerprint, face and iris recognition the most
reliable. http://ec.europa.eu/justice_home/news/information_dossiers/news_
eurodac_biometrics_en.htm. Acessado em 26 de junho de 2011.

Corra, F. P. e Festa, L. M. (2005). Avaliao de tcnicas para afinamento de imagens

digitais. Masters thesis, UFPr.

Costa, R. M. d. (2009). Uma Nova Abordagem para Reconhecimento Biomtrico Baseado

em CaractersticasDinmicas da ris Humana. PhD thesis, USP.

Costa, S. M. F. (2001). Classificao e verificao de impresses digitais. Masters thesis,

Escola Politcnica da Universidade de So Paulo.

54
Daugman, J. (1999). Recognizing persons by their iris patterns. In Biometrics: Personal
Identification in Networked Society, chapter 5. Kluwer Academic Publishers.

de Oliveira, B. A. B. (2006). Reconhecimento de impresses digitais: Uma aplicao

utilizando campos blob. Masters thesis, UFBA.

de Oliveira Carreira, R. P. (2009). Concepo de um sistema alternativo de reconheci-

mento de ris cooperativo. Masters thesis, Universidade da Beira Interior.

de Souza, A. F. (2006). Expanso por Dilatao e por Eroso visando a Extrao de

Esqueletos e Contornos em Imagens Digitais. PhD thesis, INPE.

Falguera, F. P. S. (2008). Fuso de mtodos baseados em mincias e em cristas para

reconhecimento de impresses digitais. Masters thesis, UNESP.

Farina, A., Kovcs-Vajna, Z. M., e Leone, A. (1999). Fingerprint minutiae extraction

from skeletonized binary images. Pattern Recognition, 32.

FBI (2006). Electronic fingerprint transmission specification cjis-rs-0010 (v7).

Gonzalez, R. C. e Woods, R. E. (1987). Digital Image Processing. Addison Wesley

Publishing Company.

Gregory, P. e Simon, M. A. (2008). Biometrics for Dummies. Wiley Publishing, Inc., 1a

edition.

Guilherme, L. R. W. (2007). Uma abordagem de afinamento por aprendizagem atravs

de exemplos. Masters thesis, PUC-PR.

Halici, U., Jain, L. C., e Erol, A. (1999). A Introduction to Fingerprint Recognition,

chapter 1, pages 334. CRC Press LLC.

Holt, C. M., Stewart, A., M., C., e Perrott, R. H. (1987). An improved parallel thinning
algorithm. Communications of the ACM, 30:156160.

Hong, L. (1998). Automatic personal identification using fingerprints. PhD thesis, Michi-
gan State University, Ann Arbor.

Huang, Kai; Yan, H. (1997). Off-line signature verification based on geometric feature
extraction and neural network classification. Pattern Recognition, 30(1):917.

Isenor, D. K.; Zaky, G. (1986). Fingerprint identification using graph matching. Pattern
Recognition, 19(2):113122.

55
Jain, A., Hong, L., e Pankanti, S. (2000a). Biometric identification. Comunications of the
ACM, 43(2).

Jain, A., Hong, L., Pankanti, S., e Bolle, R. (1997). On-line fingerprint verification. IEEE
Transactions on Pattern Analysis and Machine Intelligence, 19(4):302313.

Jain, A., Pankanti, S., Prabhakar, S.and Hong, L. R. A., e Wayman, J. (2001). Bi-
ometrics: A grand challenge. http://biometrics.cse.msu.edu/Presentations/
Jainetal_BiometricsGrandChallenge_ICPR04.pdf. Acessado em 20 de abril de 2011.

Jain, A. K., Griess, F. D., e Connell, S. D. (2002). On-line signature verification. Pattern
Recognition, 35.

Jain, A. K., Prabhakar, S., Hong, L., e Pankanti, S. (2000b). Filterbank-based fingerprint
matching. IEEE Transactions on Image Processing, 9:846859.

Jain, A. K., Ross, A., e Prabhakar, S. (2004). An introduction to biometric recognition.

In ransactions on Circuits and Systems for Video Technology Special Issue on Image
and Video-Based Biometrics., volume 14, pages 420. IEEE Press.

Jain, A. K., Ross, A. A., e Flynn, P. (2008). Handbook of Biometrics. Springer Science,
1a edition.

Jardini, E. d. A. (2007). MFIS: Algoritmo de Reconhecimento e Indexao em Base de

Dados de Impresses Digitais em Espao Mtrico. PhD thesis, USP-So Carlos.

Jiang, X., Binkert, M., Achermann, B., e Bunke, H. (2000). Towards detection of glasses
in facial images. In Pattern Analysis & Applications, volume 3, pages 918. Springer.

Kehdy, C. (1968). Elementos de Criminalstica. Sugestes Literrias, So Paulo, 3a

edition.

Koerich, A. L. (2009). Rejeio. Technical report, PUC-PR.

Kolb, H. (2003). How the retina works. In The Scientific Research Society, volume 91,
pages 2835.

Lee, H. C. e Gaensslen, R. E. (2001). Methods of latent fingerprint development. In

Lee, H. C. e Gaensslen, R. E., editors, Advances in Fingerprint Technology, chapter 2a ,
pages 117187. CRC Press LLC, 2a edition.

Maltoni, D. (2005). A tutorial on fingerprint recognition. pages 4368. Springer Science,

1a edition.

56
Maltoni, D. e Cappelli, R. (2008). Handbook of biometrics. chapter Fingerprint Recog-
nition, pages 2342. Springer Science, 1a edition.

Maltoni, D., Jain, A. K., Maio, D., e Prabhakar, S. (2003). Handbook of Fingerprint
Recognition. Springer, USA, 1a edition.

Marana, A. N. e Jain, A. K. (2005). Ridge-based fingerprint matching using hough

transform. IEEE Proceedings of the Sibgrapi, pages 112119.

Mehtre, B. M. (1993). Fingerprint image analysis for automatic identification. Machine

Vision and Aplicattions, 6(2 - 3):124139.

Moayer, B. e Fu, K. S. (1975). A syntactic approach to fingerprint pattern recognition.

Pattern Recognition, 7:123.

Moayer, B. e Fu, K. S. (1976). A tree system approach for fingerprint pattern recognition.
Pattern Recognition, 7:262274.

Moenssens, A. (1971). Fingerprint Techniques. Chilton Book Co.

Nanni, L. e Lumini, A. . (2007). A hybrid wavelet-based fingerprint matcher. Elsevier

Press, 40(11):31463151.

Negin, M., Chmielewski, T. A. J., Salganicoff, M., von Seelen, U. M., Venetainer, P., e
Zhang, G. (2000). An iris biometric system for public and personal use. In Computer
IEEE Press, volume 33, pages 7075. IEEE Press.

Newsportal, B. (2011). Retina biometrics. http://www.biometricnewsportal.com/

retina_biometrics.asp. Acessado em 17 de abril de 2011.

NIST (2011). Nbis - nist biometric image software. http://www.itl.nist.gov/iad/

894.03/nigos/nbis.html. Acessado em 20 de abril de 2011.

Nitgen (2005). Produto fingerkey hamster dx. http://www.nitgen.com.br/Produtos/

HamsterDX.aspx. Acessado em 20 de abril de 2011.

Olsen, R. D. e Lee, H. C. (2001). Identification of latent prints. In Lee, H. C. e Gaensslen,

R. E., editors, Advances in Fingerprint Technology, chapter 2a , pages 5474. CRC Press
LLC, 2a edition.

Pankanti, S., Jain, A., e Hong, L. (2000). Biometrics: Promising frontiers for emerging
identification market. Comm. ACM, pages 9198.

57
Pasquali, L. e Arajo, M. E. C. (2011). Histrico dos processos de identificao. http:
//papiloscopistas.org/historico.doc. Acessado em 14 de fevereiro de 2011.

Pontes, M. P. (2009). Biometria como identificao em tempo real. In Borland Conference

Revolutions. Neokoros Brasil Ltda.

Rao, K. (1976). Feature extraction for fingerprint classification. Pattern Recognition,

7:181292.

Ratha, N., Karu, K., Chen, S., e Jain, A. (1996). A real-time matching system for large
fingerprint database. IEEE TRans. Pattern Anal. Machine Itell., 8:799813.

Romano, S. M. V. (2010). Sistemas biomtricos aplicados a segurana da informao:

uma abordagem conceitual sobre os principais dados biomtricos.

SIE (1981). Identificao e Datiloscopia. Sv Idt Ex.

Stentiford, F. W. e Mortimer, R. G. (1997). Algorithms for Image Processing and Compu-

ter Vision, chapter Some New Heuristics for Thinning Binary Handprinted Characters
for OCR. John Wiley &Sons, Inc.

Stosz, J. D. e Alyea, L. A. (1995). Automated system for fingerprint authentication using

pores and ridge structure. SPIE, 2277:210223.

Sung, K. e Poggio, T. (1994). Example-based learning for view-based human face detec-
tion. Massachusetts: Massachusetts Institute of Technology, (112):20.

Tan, X. e Bhanu, B. . (2006). Fingerprint matching by genetic algorithms. Pattern

Recognit, 39:465477.

Tavares Jnior, Gilberto, d. S. (1991). A papiloscopia nos locais de crime. cone, So

Paulo.

Ton, J. e Jain, A. (1989). Registering landsat images by point matching. IEEE Transac-
tions Geoscience Remote Sensing, 27:649651.

Vigliazzi, D. (2006). Biometria, Medidas de Segurana. Visual Books, 2a edition.

Watson, C., Garris, M., Tabassi, E., Wilson, C. L., McCabe, R. M., Janet, S., e Ko, K.
(2004). Users guide to NIST Biometric Image Software (NBIS). NIST - National
Institute of Standards and Technology.

Wilson, C. L., Candela, G. T., e Watson, C. I. (1994). Neural network fingerprint classi-
fication. Journal of Artificial Neural Networks, 1:203228.

58