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

Bibliographic Details
Main Author: Nunes, Eduardo Carvalho
Publication Date: 2018
Format: Master thesis
Language: por
Source: Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)
Download full: http://hdl.handle.net/10198/20500
Summary: Mestrado de dupla diplomação com a UTFPR - Universidade Tecnológica Federal do Paraná
id RCAP_909e2c2fc47bb9571dd1ec36116a27eb
oai_identifier_str oai:bibliotecadigital.ipb.pt:10198/20500
network_acronym_str RCAP
network_name_str Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)
repository_id_str https://opendoar.ac.uk/repository/7160
spelling Deteção de face falsa com imagem NIR multiespectral e proposta de sistema biométrico facial para controle de presençaReconhecimento facialDetecção de fraudesMachine learningDeep learningDomínio/Área Científica::Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e InformáticaMestrado de dupla diplomação com a UTFPR - Universidade Tecnológica Federal do ParanáOs 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.Presence 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.Rodrigues, Pedro JoãoSguario, Mauren LouiseBiblioteca Digital do IPBNunes, Eduardo Carvalho2020-01-31T11:47:03Z201920182019-01-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10198/20500TID:202388220porinfo:eu-repo/semantics/openAccessreponame:Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)instname:FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologiainstacron:RCAAP2025-02-25T12:10:51Zoai:bibliotecadigital.ipb.pt:10198/20500Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireinfo@rcaap.ptopendoar:https://opendoar.ac.uk/repository/71602025-05-28T11:37:57.810050Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) - FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologiafalse
dc.title.none.fl_str_mv Deteção de face falsa com imagem NIR multiespectral e proposta de sistema biométrico facial para controle de presença
title Deteção de face falsa com imagem NIR multiespectral e proposta de sistema biométrico facial para controle de presença
spellingShingle Deteção de face falsa com imagem NIR multiespectral e proposta de sistema biométrico facial para controle de presença
Nunes, Eduardo Carvalho
Reconhecimento facial
Detecção de fraudes
Machine learning
Deep learning
Domínio/Área Científica::Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática
title_short Deteção de face falsa com imagem NIR multiespectral e proposta de sistema biométrico facial para controle de presença
title_full Deteção de face falsa com imagem NIR multiespectral e proposta de sistema biométrico facial para controle de presença
title_fullStr Deteção de face falsa com imagem NIR multiespectral e proposta de sistema biométrico facial para controle de presença
title_full_unstemmed Deteção de face falsa com imagem NIR multiespectral e proposta de sistema biométrico facial para controle de presença
title_sort Deteção de face falsa com imagem NIR multiespectral e proposta de sistema biométrico facial para controle de presença
author Nunes, Eduardo Carvalho
author_facet Nunes, Eduardo Carvalho
author_role author
dc.contributor.none.fl_str_mv Rodrigues, Pedro João
Sguario, Mauren Louise
Biblioteca Digital do IPB
dc.contributor.author.fl_str_mv Nunes, Eduardo Carvalho
dc.subject.por.fl_str_mv Reconhecimento facial
Detecção de fraudes
Machine learning
Deep learning
Domínio/Área Científica::Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática
topic Reconhecimento facial
Detecção de fraudes
Machine learning
Deep learning
Domínio/Área Científica::Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática
description Mestrado de dupla diplomação com a UTFPR - Universidade Tecnológica Federal do Paraná
publishDate 2018
dc.date.none.fl_str_mv 2018
2019
2019-01-01T00:00:00Z
2020-01-31T11:47:03Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10198/20500
TID:202388220
url http://hdl.handle.net/10198/20500
identifier_str_mv TID:202388220
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)
instname:FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologia
instacron:RCAAP
instname_str FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologia
instacron_str RCAAP
institution RCAAP
reponame_str Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)
collection Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)
repository.name.fl_str_mv Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) - FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologia
repository.mail.fl_str_mv info@rcaap.pt
_version_ 1833592089794838528

Similar Items