Detección de vida vía software en imágenes de iris ... - ATVS
Detección de vida vía software en imágenes de iris ... - ATVS Detección de vida vía software en imágenes de iris ... - ATVS
Para la clasificación de las imágenes en Original y Sintético a partir de a los subgrupos defactores de calidad, se ha usado un clasificador estándar cuadrático (clasifica las muestrasen función de la distancia cuadrática al centroide de cada una de las clases en las que setendría que clasificar cada muestra), que devuelve la probabilidad (de 0 a 1) de pertenecera cada unas de las clases.Para la obtención del Error Medio de Clasificación (EMC) se utilizó la información delclasificador, estimando los errores de Falso Sintético (FSR) y Falso Original (FOR) ydefiniendo el EMC como el punto de cruce de las gráficas FSR y FOR .En la figura 28 podemos observar las curvas FRR y FOR y el punto de cruce (EMC), parauna de las medidas implementadas (IQF: Iris Quality Feature).Figura 28. Curvas Falso Sintético (FSR) y Falso Original (FOR) para la obtención del Error Medio deClasificación (EMC) en una de las medidas de calidad del algoritmo48
6. BASES DE DATOS Y PROTOCOLOEXPERIMENTALLa base de datos utilizada en los experimentos incluye imágenes de iris verdaderos yfalsos de 50 usuarios de la base de datos de referencia BioSec [18]. Las muestras falsasfueron adquiridas después de un proceso de tres pasos [12]:i) En primer lugar las imágenes originales fueron procesadas para mejorar lacalidad final de los iris falsos.ii) Posteriormente fueron impresas con una impresora comercial de altacalidad.iii) Por último las imágenes impresas se presentaron al sensor de iris con el finde obtener la imagen falsa.La base de datos de iris falsos sigue la misma estructura que la base de datosoriginal BioSec, por lo tanto, los datos utilizados en los experimentos hacen un total de:50 usuarios * 2 ojos * 4 imágenes * 2 * sesiones = 800 imágenes falsas del iris y susmuestras originales correspondientes.La adquisición de las muestras reales y falsas se llevó a cabo utilizando elsensor LG IrisAccess EOU3000. En la figura 29 se muestran algunas imágenes deliris típicas de iris verdaderos y falsos que se pueden encontrar en las bases de datosutilizadas.Figura 29. Ejemplos de imágenes de las bases de datos real y falsaComo se puede observar en la figura 30, para los experimentos la base de datos sedivide en un conjunto de entrenamiento (que comprende 200 imágenes reales yotras 200 muestras falsas), donde se llevan a cabo el proceso de selección decaracterísticas y el entrenamiento de clasificadores, y un conjunto de pruebatotalmente independientes (con las restantes 600 muestras reales y 600 falsas) paraevaluar el rendimiento del sistema de detección de vida propuesto.49
- Page 11 and 12: INDICE DE CONTENIDOSIndice de figur
- Page 13: INDICE DE FIGURASFigura 1. Iris, pu
- Page 16 and 17: forma que se consiga aumentar la co
- Page 18 and 19: mostrando el estado del arte en el
- Page 21 and 22: 2. INTRODUCCIÓN A LABIOMETRÍABiom
- Page 23 and 24: desarrollado sistemas que trabajan
- Page 25 and 26: 2.3. SISTEMAS BIOMÉTRICOSUn sistem
- Page 27 and 28: 2.4. FUNCIONAMIENTO DE LOS SISTEMAS
- Page 29: Figura 3. Ejemplo de curvas de FAR,
- Page 32 and 33: 3.2. EVOLUCIÓN EN EL TIEMPOEl conc
- Page 34 and 35: Epitelio posterior pigmentado, comp
- Page 36 and 37: Aun con estos sistemas, es necesari
- Page 38 and 39: Figura 11. Ejemplo de detección de
- Page 41 and 42: 4. ATAQUES A SISTEMASAUTOMÁTICOS D
- Page 43 and 44: detectados, pudiendo cambiar los va
- Page 45: Por otro lado los investigadores We
- Page 48 and 49: Figura 14. Diagrama general del sis
- Page 50 and 51: Potencia de altas frecuencias 2 (MC
- Page 52 and 53: La figura 15 muestra como sensiblem
- Page 54 and 55: Figura 18. Espectro de potencia de
- Page 56 and 57: Relaciones de distribución de frec
- Page 58 and 59: Relación entre iris e imagen (MCI1
- Page 60 and 61: Contraste local (MCI13): nueva prop
- Page 64 and 65: Figura 30. División de la base de
- Page 67 and 68: Los objetivos principales marcados
- Page 69 and 70: Figura 32. Histogramas par a las me
- Page 71 and 72: histograma con distribuciones muy s
- Page 73: Se pueden sacar varias conclusiones
- Page 76 and 77: menor tiempo de cálculo (a menor n
- Page 78 and 79: [15] J. Daugman. How iris recogniti
- Page 80 and 81: [46] M. Lane and L. Lordan. Practic
- Page 83: PLIEGO DE CONDICIONESEste documento
- Page 86 and 87: Condiciones particularesLa empresa
- Page 89: ANEXO I: PUBLICACIONESEl trabajo pr
Para la clasificación <strong>de</strong> las imág<strong>en</strong>es <strong>en</strong> Original y Sintético a partir <strong>de</strong> a los subgrupos <strong>de</strong>factores <strong>de</strong> calidad, se ha usado un clasificador estándar cuadrático (clasifica las muestras<strong>en</strong> función <strong>de</strong> la distancia cuadrática al c<strong>en</strong>troi<strong>de</strong> <strong>de</strong> cada una <strong>de</strong> las clases <strong>en</strong> las que set<strong>en</strong>dría que clasificar cada muestra), que <strong>de</strong>vuelve la probabilidad (<strong>de</strong> 0 a 1) <strong>de</strong> pert<strong>en</strong>ecera cada unas <strong>de</strong> las clases.Para la obt<strong>en</strong>ción <strong>de</strong>l Error Medio <strong>de</strong> Clasificación (EMC) se utilizó la información <strong>de</strong>lclasificador, estimando los errores <strong>de</strong> Falso Sintético (FSR) y Falso Original (FOR) y<strong>de</strong>fini<strong>en</strong>do el EMC como el punto <strong>de</strong> cruce <strong>de</strong> las gráficas FSR y FOR .En la figura 28 po<strong>de</strong>mos observar las curvas FRR y FOR y el punto <strong>de</strong> cruce (EMC), parauna <strong>de</strong> las medidas implem<strong>en</strong>tadas (IQF: Iris Quality Feature).Figura 28. Curvas Falso Sintético (FSR) y Falso Original (FOR) para la obt<strong>en</strong>ción <strong>de</strong>l Error Medio <strong>de</strong>Clasificación (EMC) <strong>en</strong> una <strong>de</strong> las medidas <strong>de</strong> calidad <strong>de</strong>l algoritmo48
Change language