Avaliação de Modelos de Misturas Aplicado à Classificação de Impressões Digitais Segundo a Arquitetura PCASYS
Nome: ANIBAL COTRINA ATENCIO
Tipo: Dissertação de mestrado acadêmico
Data de publicação: 29/11/2010
Orientador:
Nome |
Papel |
|---|---|
| EVANDRO OTTONI TEATINI SALLES | Orientador |
Banca:
| Nome |
Papel |
|---|---|
| EVANDRO OTTONI TEATINI SALLES | Orientador |
| JOAO MARQUES SALOMAO | Examinador Externo |
| JUGURTA ROSA MONTALVÃO FILHO | Examinador Externo |
Resumo: Atualmente, os sistemas de reconhecimento biométrico tem alcançado grande desenvolvimento e vem sendo usados em diversas áreas como a comercial, a financeira e de segurança. No caso específico do reconhecimento de impressões digitais os sistemas automáticos de identificação (AFIS) são capazes de identificar indivíduos localizados em grandes bancos de dados, lidando com dezenas de milhões de amostras, as que originam um custo computacional bastante elevado. Assim, a classificação de impressões digitais é um problema importante de ser tratado uma vez que diminui o tempo de busca por um indivíduo, reduzindo o espaço de busca a um determinado subgrupo.
No presente trabalho busca-se avaliar se, para a arquitetura de classificação de impressões digitais conhecida como PCASYS (Pattern-Level Classification Automation System), é possível assumir que as classes podem ser modeladas por funções de densidade de probabilidade gaussiana e que podem alcançar resultados de classificação comparáveis com os obtidos com técnicas mais amadurecidas, como as baseadas em redes neurais. Para isto, empregou-se os modelos de misturas gaussianas (GMM) com abordagens supervisionada e não-supervisionada na estimativa de parâmetros.
Os resultados foram avaliados comparando as taxas de erro de classificação obtidos neste trabalho frente aos resultados alcançados com outras técnicas no estado da arte; assim mesmo, analisou-se estatisticamente os parâmetros dos modelos de misturas gaussianas estimados usando teste de hipótese e entropia mútua. Os testes foram feitas usando o banco de imagens de impressões digitais número 4 do National Institute of Standard and Technology (NIST) considerando os problemas de classificação de 4 e 5 classes e as distribuições natural e balanceada.
