Deteção de face falsa com imagem NIR multiespectral e proposta de sistema biométrico facial para controle de presença

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorAndrade, Mauren Louise Sguario Coelho de-
Autor(es): dc.contributorRodrigues, Pedro João Soares-
Autor(es): dc.contributorRodrigues, Pedro João Soares-
Autor(es): dc.contributorFernandes, José Eduardo Moreira-
Autor(es): dc.contributorAndrade, Mauren Louise Sguario Coelho de-
Autor(es): dc.contributorIgrejas, Getúlio Paulo Peixoto-
Autor(es): dc.creatorNunes, Eduardo Carvalho-
Data de aceite: dc.date.accessioned2022-02-21T22:11:24Z-
Data de disponibilização: dc.date.available2022-02-21T22:11:24Z-
Data de envio: dc.date.issued2021-11-22-
Data de envio: dc.date.issued2021-11-22-
Data de envio: dc.date.issued2019-12-02-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/26486-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/669654-
Descrição: dc.descriptionO presente trabalho é resultado de um convênio de dupla diplomação com o Instituto Politécnico de Bragança (Portugal)-
Descrição: dc.descriptionPresence control systems that use perform face authentication need fraud detectors more reliable. A system to able to detect this task automatically and correctly brings a number of practical advantages in the field of biometric authentication. For this problem, an anti-spoofing is developed and serves as a pre-step before face recognition. The proposed approach for false face detection is to use NIR infrared camera and machine learning with deep learning. In this dissertation, it was created a database of fake and real face images with an infrared camera. From the images, three datasets were created to implement the machine learning models: Decision Tree, Random Forest, KNN, SVM and MLP. For the construction of the face recognition prototype with anti-spoofing, the Python programming language, the OpenFace, Scikit-Learn, OpenCV and Flask programming libraries were used. From these trained tools and models it was possible to have an accuracy of 97.50% for detection of false faces and real faces with the SVM classifier. For face recognition, a reliable threshold (from 0 to 1) of 0.6 for systems using 1 to N format authentication and 0.25 to 1 to 1 format threshold is set. It is intended that the proposed prototype be tested on a network of attendance at IPB.-
Descrição: dc.descriptionOs sistemas de controle de presenças que realizam a autenticação através de faces carecem de detectores de fraudes para que sejam mais confiáveis. Um sistema capaz de executar essa tarefa automaticamente e corretamente vem trazer uma série de vantagens práticas no domínio da autenticação biométrica. Para atender esta carência, um detector de face falsa é desenvolvido e serve como um pré-passo antes do reconhecimento facial. A abordagem proposta para detecção de face falsa é utilizar câmera infravermelha do espectro NIR e machine learning, referida de deep learning. Neste trabalho foi criado uma base de dados de imagens de faces falsas e reais com auxílio de uma câmera com luz infravermelha NIR. A partir das imagens, foram gerados três datasets para implementação dos modelos de machine learning: Árvore de Decisão, Random Forest, KNN, SVM e MLP. Para a construção do protótipo de reconhecimento facial com detector de face falsa foi utilizado a linguagem Python de programação, as bibliotecas de programação: OpenFace, Scikit-Learn, OpenCV e Flask. A partir destas ferramentas e modelos treinados foi possível ter uma acurácia de 97.50% para detecção de faces falsas e faces reais com o classificador SVM. Para o reconhecimento facial foi definido uma limiar (de 0 a 1) confiável de 0.6 para sistemas que utilizam autenticação no formato 1 para N e limiar 0.2 para formato 1 para 1. Pretende-se que no futuro, o protótipo proposto seja ensaiado numa rede de terminais de marcação de presenças no IPB.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherPonta Grossa-
Publicador: dc.publisherBrasil-
Publicador: dc.publisherCiência da Computação-
Publicador: dc.publisherUTFPR-
Direitos: dc.rightsopenAccess-
Palavras-chave: dc.subjectSistemas de reconhecimento de padrões-
Palavras-chave: dc.subjectFisiognomia-
Palavras-chave: dc.subjectFraude - Prevenção-
Palavras-chave: dc.subjectAprendizado do computador-
Palavras-chave: dc.subjectPattern recognition systems-
Palavras-chave: dc.subjectPhysiognomy-
Palavras-chave: dc.subjectFraud - Prevention-
Palavras-chave: dc.subjectMachine learning-
Palavras-chave: dc.subjectCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO-
Título: dc.titleDeteção de face falsa com imagem NIR multiespectral e proposta de sistema biométrico facial para controle de presença-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.