Correspondência de minúcias utilizando nuvens de poros 3D

Abstract

Resumo: Esta dissertação de mestrado propõe uma nova metodologia para a identificação biométrica de indivíduos utilizando recursos em nível 3 (poros), extraídos de imagens de impressões digitais 3D obtidas através da Tomografia de Coerência Óptica (OCT). As imagens de impressão digital provindas da OCT contêm informações 3D detalhadas tanto das camadas da epiderme quanto da derme. A abordagem desenvolvida inicialmente busca e extrai poros em torno de minúcias de impressões digitais 3D, criando pequenas estruturas chamadas nuvens de poros. Então, a correspondência das nuvens de poros existente é verificada para todas as três possíveis combinações de impressões digitais: derme-derme, epiderme-epiderme e derme-epiderme. Para este fim, três métricas diferentes são extraídas e comparadas: a distância de Hausdorff, a Surface Interpenetration Measure (SIM) e o Root Mean Square Error (RMSE). Experimentos realizados com 518 nuvens de poros alcançaram taxas de reconhecimento de 99,19 % para Rank-1 com um EER (Equal Error Rate) de 0,72 %. De forma geral, esta é a primeira vez que a identificação de indivíduos utilizando apenas informações 3D de poros é explorada. Palavras-chave: impressão digital 3D, poros, correspondência 3D.

Abstract: This dissertation proposes a novel methodology for biometric identification of individuals using level-3 features (pores), extracted from 3D fingerprint images obtained through Optical Coherence Tomography (OCT). OCT fingerprint images contain detailed 3D information from both the dermis and the epidermis skin layers of fingertips. Our approach first fetches and extracts pores around minutiae from the 3D fingerprint data, creating small structures called pore clouds. Then, the correspondence of existent pore clouds are verified for all the three possible fingerprint matching: dermis-dermis, epidermis-epidermis, and dermis-epidermis. To this end, three different measures are extracted and compared: the Hausdorff distance, the Surface Interpenetration Measure (SIM) and the Root Mean Square Error (RMSE). Experiments using 518 pore clouds achieved recognition rates of 99.19% for Rank-1 with EER (Equal Error Rate) of 0.72%. In general, this is the first time the identification of individuals using only 3D information from pores is explored. Keywords: 3D fingerprint, pores, 3D matching.