You are on page 1of 6

Verificao de Impresses Digitais usando Algoritmos Genticos

Matheus Giovanni Pires, Fernando Vieira Duarte, Adilson Gonzaga


Escola de Engenharia de So Carlos Universidade de So Paulo (EESC-USP)
Av. Trabalhador So-Carlense, 400 Centro 13.566-590 So Carlos SP Brasil
Tel.(16) 3373-9363 FAX.(16) 3373-9372
mgpires@gmail.com, ferduarte@terra.com.br, adilson@sel.eesc.usp.br

Abstract. The biometric recognition problem of a person through fingerprint can be


categorized in two applications types: verification and identification. This work
presents a genetic algorithm aimed at verifying if two different fingerprints
belonging to the same finger from two sets of minutiae extracted. Experiments with
FVC2004 image database were performed and the results were commented.
Resumo. O problema do reconhecimento biomtrico de uma pessoa por meio de
impresses digitais pode ser categorizado em dois tipos: verificao e
identificao. Neste artigo apresentado um algoritmo gentico para verificar se
duas impresses digitais diferentes correspondem a um mesmo dedo a partir das
mincias extradas de cada impresso digital. Experimentos com a base de
imagens do FVC2004 foram realizados e, por fim, os resultados foram comentados.

1. Introduo
A verificao de impresses digitais ainda um problema desafiador devido necessidade de
processamento intensivo. Os sistemas de verificao de impresses digitais esto normalmente
associados identificao criminal, porm atualmente tambm esto sendo usados em aplicaes
comerciais, tais como controle de acesso e segurana em transaes financeiras. H dois tipos de
aplicaes para os sistemas de reconhecimento de impresses digitais: verificao e identificao. Em
um sistema de verificao, a entrada do sistema uma consulta a uma impresso digital e uma
identidade (ID), o qual verifica se o ID consistente ou no com a impresso digital. Em um sistema de
identificao, a entrada do sistema somente uma consulta a uma impresso digital, o qual tenta
responder a seguinte questo: Existe alguma impresso digital na base de dados que se parea com a
impresso digital consultada? A resposta uma pequena lista de impresses digitais.
Uma impresso digital formada por um grupo de curvas. As caractersticas mais comuns
incluem os pontos finais e as bifurcaes, chamadas de mincias, como ilustra a Figura 1. Geralmente
os algoritmos para verificao de impresses digitais possuem duas etapas: alinhar as mincias e
encontrar as mincias correspondentes entre duas impresses digitais. A primeira etapa necessria
devido presena de distores entre dois conjuntos de mincias extrados de diferentes impresses
digitais de um mesmo dedo, incluindo translao, rotao e escala, dificultando a localizao de
mincias correspondentes.
O objetivo deste trabalho apresentar um algoritmo gentico para minimizar os efeitos das
distores e efetuar a verificao de dois conjuntos de mincias diferentes extrados de um mesmo
dedo.

Figura 1. Exemplo de mincias.

2. Formalizao do problema da verificao biomtrica


O problema da verificao biomtrica pode ser formulado da seguinte forma. Considere uma impresso
digital T de uma pessoa e uma outra impresso digital L de entrada para verificao. Se TL, ento as
impresses digitais no so da mesma pessoa, caso contrrio, so da mesma pessoa [Maltoni et al.
2003]. Portanto, a verificao consiste em determinar se um par de impresses digitais pertence ou no
a uma mesma pessoa, atravs de um grau de similaridade entre eles dado por um limiar Fit.
Para definir formalmente este problema, considere dois conjuntos de mincias {(xn,1, xn,2)} e
{(yn,1, yn,2)}, denominados template e query, os quais representam a impresso digital de uma pessoa e
a entrada do sistema para a verificao, respectivamente, onde n = 1,2,3,, N, m = 1,2,3,, M, (xn,1,
xn,2) e (yn,1, yn,2) so as coordenadas dos conjuntos de mincias. Sendo assim, atravs de uma funo Yi
= F(Xi) de escala, rotao e translao entre Xi(xi,1, xi,2) e Yi(yi,1, yi,2) possvel aproximar dois
conjuntos de mincias. Esta funo pode ser simplificada como
(1)
Yi = s . R . Xi + T,
cos sin

onde s o fator de escala, R =


, o ngulo de rotao entre as duas impresses digitais e
sin cos
T = [Tx Ty]T o vetor de translao [Tan e Bhanu 2006]. Sendo assim, este trabalho tem por objetivo
encontrar uma transformao otimizada para mapear qualquer par de impresses digitais.
A Figura 2 ilustra todos os passos necessrios para a verificao de duas impresses digitais. O
mdulo Extrao de mincias responsvel por detectar as mincias (pontos finais e bifurcaes) das
impresses digitais que sero verificadas pelo mdulo Otimizao gentica (ver seo 3). A extrao
das mincias baseada em uma metodologia apresentada por Raymond Thai [Thai 2003].

Figura 2. Esquema do processo de verificao de impresses digitais.

3. Otimizao gentica
Algoritmos Genticos so mtodos de otimizao e busca baseados nos mecanismos da seleo natural
introduzidos por John Holland [Holland 1975]. Devido a grande capacidade de explorar espaos de
busca grandes e irregulares, os algoritmos genticos tm sido bastante utilizados para estes tipos de
problemas. Um algoritmo gentico simples possui uma estrutura conforme o pseudocdigo ilustrado na
Figura 3 [Michalewicz 1996]:

Programa AG
Incio
t0
Inicializar P(t)
Avaliar P(t)
Enquanto (No Terminou) Faa
Incio
tt+1
Selecionar P(t) de P(t 1)
Alterar P(t)
Avaliar P(t)
Fim
Fim
Figura 3. Pseudocdigo de um algoritmo gentico simples.

Durante a iterao t, o algoritmo gentico mantm uma populao de solues candidatas


(cromossomos). Cada soluo avaliada para medir seu fitness (ou aptido), ou seja, a qualidade da
soluo do problema representada por este cromossomo. Ento, uma nova populao (iterao t + 1)
formada pela seleo dos indivduos mais aptos. Alguns membros desta nova populao sofrero
alteraes devido ao dos operadores genticos de cruzamento e mutao, enquanto outros
permanecero intactos. O cruzamento combina as caractersticas de dois cromossomos pais para formar
dois cromossomos filhos. O objetivo da aplicao do cruzamento trocar informaes entre solues
em potencial. A mutao altera aleatoriamente um ou mais genes de um cromossomo selecionado, com
o intuito de introduzir informao extra para a populao.
Conforme apresentado na equao 1, os parmetros que precisam ser otimizados so s, , Tx e
Ty.
3.1 Codificao dos cromossomos e populao inicial
Baseado no trabalho de Xuejun Tan e Bir Bhanu [Tan e Bhanu 2006], o intervalo de valores para os
parmetros foram definidos da seguinte forma: 0.9s1.1, 3030, 120Tx120, 120Ty120.
As escalas para estes parmetros so 0.01, 1, 1 pixel e 1 pixel, respectivamente. A codificao dos
cromossomos binria, sendo que o nmero de bits necessrios para representar s, , Tx e Ty so 5, 6,
8 e 8, respectivamente. A Figura 3 ilustra a codificao do cromossomo Ci, onde i=1,2,3, ..., Tp (Tp
representa o tamanho da populao). A populao inicial gerada de forma aleatria.

Figura 4. Codificao cromossmica.

3.2 Funo de avaliao


Durante o processo evolutivo, a populao avaliada e cada cromossomo recebe uma nota,
denominada aptido, refletindo a qualidade da soluo que ele representa. A funo de avaliao
adotada neste artigo baseada em [Tan e Bhanu 2006], a qual definida em dois passos.

Primeiramente verifica-se a consistncia global entre dois conjuntos de mincias e em seguida, uma
anlise mais detalhada das mincias realizada para constatar a consistncia local das impresses
digitais.
Passo 1: Seja os conjuntos de mincias (xn,1, xn,2) e (yn,1, yn,2) do template e query,
respectivamente (n = 1,2,3,, N). Usando a transformao descrita pela equao 1 calculado a
distncia Dn das mincias entre as impresses digitais template e query. Considerando o menor Dn
calculado e se este for menor que um determinado limiar Td, as mincias n so consideradas
correspondentes.
x n ,1 y n ,1

Dn = min F
(2)
xn, 2 y n, 2


O valor da funo de avaliao o nmero de mincias correspondentes encontradas. Caso este


valor seja maior que o limiar Td, o segundo passo da funo de avaliao executado, caso contrrio,
no.
Passo 2: A consistncia local das mincias feita a partir da similaridade entre tringulos
formados pelas mincias correspondentes encontradas no passo 1. Esta metodologia est relatada em
[Bhanu e Tan 2003]. Portanto, o valor da funo de avaliao o nmero de tringulos similares
formados. Entretanto, este trabalho prope uma nova abordagem com o objetivo de simplificar a
funo de avaliao. Esta modificao consiste em alterar o passo 2 para as seguintes etapas:

1. Calcular o centro de massa para cada conjunto de mincias.


2. A partir das mincias correspondentes encontradas no passo 1, calcular a distncia
Euclidiana das mesmas em relao ao centro de massa. A Figura 5 ilustra este processo.
3. Dado um par de mincias correspondentes determinadas no passo 1, verifica-se a diferena
entre as distncias calculadas. Se esta for menor que um limiar Tf as mincias so
consideradas correspondentes, caso contrrio, no.
4. A aptido de cada cromossomo dada pelo nmero de mincias correspondentes.

Figura 5. Distncia Euclidiana entre coordenadas e centro de massa.

A resposta para a verificao de duas impresses digitais obtida pelo melhor cromossomo
encontrado aps a otimizao gentica e por um limiar Fit, ou seja, a resposta do sistema d-se pela
seguinte condio: se o valor de aptido do melhor cromossomo for maior ou igual Fit, as impresses
digitais pertencem ao mesmo dedo, caso contrrio, no.

3.3 Operadores genticos e outros parmetros

Os operadores genticos utilizados neste trabalho foram: Mutao Simples, Cruzamento Uniforme e
seleo pela Roda da Roleta e Elitismo. Os valores dos parmetros do algoritmo gentico so descritos
na Tabela 1.
Tabela 1. Parmetros do algoritmo gentico.

Parmetro
Nmero de geraes
Tp (tamanho da populao)
Taxa de cruzamento
Taxa de mutao
Taxa de elitismo
Td
Tf

Valor
100
100
0,7
0,2
0,1
12
6

4. Experimentos e resultados
Para testar a abordagem proposta foram realizados experimentos aplicando a verificao das
impresses digitais combinando todas as imagens pertencentes mesma classe, totalizando 28
verificaes para cada classe de impresso digital. A Figura 6 ilustra exemplos destes experimentos.

10_1 e 10_2, valor de aptido = 23.

16_5 e 16_8, valor de aptido = 46.


(a)

10_1 e 10_3, valor de aptido = 109.

16_5 e 16_7, valor de aptido = 298.


(b)

Figura 6. Exemplos de resultados da verificao de impresses digitais. (a) Verificao com


valor baixo de aptido. (b) Verificao com valor alto de aptido.

A Tabela 2 mostra a preciso do sistema variando o limiar Fit de maneira crescente, conforme
descrito na seo 3.2.

Tabela 2. Resultados variando o limiar Fit.

Limiar (Fit)
10
20
30
40
50
60
70
80
90
100

Preciso
100%
74%
64%
54%
46%
39%
33%
28%
24%
21%

A partir dos resultados apresentados na Tabela 1 possvel observar que medida que o valor
do limiar Fit incrementado, a preciso do sistema diminui. Isto acontece em funo de que o sistema
se torna mais restrito ou rgido conforme o aumento de Fit, ou seja, o sistema considera um nmero
maior de caractersticas correspondentes entre duas impresses digitais para verificar a correspondncia
entre elas.

5. Concluses
Neste trabalho foi apresentado um sistema de verificao de impresses digitais baseado em otimizao
gentica. Os experimentos utilizaram a base de imagens do FVC2004, a qual contm imagens com alto
grau de distores, tais como rotao, translao e escala, dificultando o processo de verificao.
Devido baixa qualidade das imagens, o processo de extrao de mincias retornou uma grande
quantidade de mincias, dificultando o processo de verificao. Entretanto, pode-se notar que a
abordagem proposta apresentou resultados satisfatrios. Em trabalhos futuros, pretende-se realizar a
comparao com outros trabalhos, a realizao de experimentos utilizando outras bases de imagens e o
uso de outros mtodos para a extrao de mincias.

Referncias
Bhanu, B. e Tan, X., Fingerprint indexing base don novel features of minutiae triplets, IEEE
Transactions on Pattern Analysis and Machine Intelligence, pp. 616-622, 2003.
Holland, J. H., Adaptation in Natural and Artificial Systems, The University of Michigan Press, 1975.
Maltoni, D., Maio, D., Jain, A.K. e Prabhakar, S., Handbook of Fingerprint Recognition, SpringerVerlag, New York, 2003.
Michalewicz, Z., Genetic Algorithms + Data Structures = Evolution Programs, Springer, 1996.
Tan, X., e Bhanu, B., Fingerprint Matching by Genetic Algorithms, The Journal of the Pattern
Recognition Society, Elsevier Ltd., pp. 465-477, 2006.
Thai, R., Fingerprint Image Enhancement and Minutiae Extraction, Report submitted as partial
fulfillment to School of Computer Science and Software Engineering, The University of Western
Australia, 2003.