Post on 28-Jun-2020
transcript
Lezione 1MULTIMEDIA DIGITAL FORENSICS
Introduzione al Corso
Docente Michele Nappi
mnappiunisait
biplabunisait
089-963334
Materiale Didattico
bull Moderne Tecniche di Elaborazione di
Immagini e Biometria M Nappi e D
Riccio Athena Editore 2008
bull Dispense del Corso (a cura del docente)
disponibili online (biplabunisait)
2
DIGITAL
FORENSICS
METRO
CRIME
ELEMENTS
MEDIA DEVICE
VIDEO IMAGES
INTERNET
BIOLOGICAL
TRACES
PHONE
amp MOBILE
DATA FILES
BIOMETRIC
ELEMENTS
AUDIO SIGNALS
PICTURES
FRAGMENTATION
MOTION ANALYSIS
CONTENT ANALYSIS
SCENE ANALYSIS
VIDEO
FORENSICS
2Damp3D ACQUIRING
LOCATION MAP
EVIDENCE
POSITIONING
MOVEMENT TRACES
SCENE
REBUILDING
IDENTITY
RECOVERY
DATA
RECOVERY
USER
IDENTITY
EVIDENCE
FREEZING
FO
RE
NS
IC
BIO
LO
GY
BIOMETRICS
AUDIO FORENSICS
IMAGE FORENSICS
P2P
CHAT
BR
OW
SE
R
SOCIAL NETWORK
HIDDEN FILES
DELETE FILES
STEGANO FILES
ENCRYPTED
FILES
SLACK SPACE
SMS amp MMS
CELLS
NETWORK PROVIDER
GPS DATA
BA
D
BLO
CK
S
AD
DR
ES
S
BO
OK
LIS
T O
F
CA
LLS
DECOMPOSITION
FREQUENCY ANALYSIS
SOUNDPAUSE ANALYSIS
SPEAKER ANALYSIS
LOG FILES
HIDDEN PATITIONS
SYSTEMrsquoS FILESSYSTEMrsquoS
LOG FILES
EQUALIZATIONSEGMENTATION
IMAGE
PROCESSING
TEXTURE
ANALYSIS
IMAGE ANALYSISFEATURES EXTRACTION
PATTERN RECOGNITION
FINGER PRINT
PALM PRINT
FACE
IRIS
EAR
RETINA
SO
MA
TIC
ELE
ME
NT
HA
ND
WR
ITIN
G
POSTURE
WALKING
HUMAN REMAINS
HAIR
CLOTHES
DNA
COMPUTATIO-
NAL BIOLOGY
CRIME EVIDENCES
PHONE amp FAXF
OR
EN
SIC
S
GR
AP
HO
LO
GY
PERSONAL
TRACEABILITY
PERSONAL
IDENTIFICATION
4
Identitagrave dichiarata = Identitagrave reale
5
Identitagrave dichiarata = Identitagrave reale
Che orecchie
grandi che hai
Ps Premesso che
cappuccetto rosso non
era famosa per essere una
tipa sveglia
6
Autenticazione di un Soggetto
bull Processo di associazione dellrsquoidentitagrave ad un
soggetto attraverso un processo di verifica o
riconoscimento
ndash Una persona riconosce una persona
bull Sistemi e supporti di identificazione (carta di identitagrave codice
fiscale)
bull Conoscenza diretta
ndash Un sistema informatico riconosce una persona
bull Sistemi e supporti di identificazione (smart card biometriche
etc)
7
Autenticazione di un Soggetto
bull Limiti dei tradizionali metodi di autenticazione
ndash PIN
bull Si puograve dimenticare o puograve essere carpito da un
impostore
ndash Chiavi (fisiche)
bull Si possono rompere o perdere
Non consentono la distinzione tra il reale
possessore e un impostore
8
Un Nuovo Metodo
bull Pass (qualcosa che possiedi)ndash carte magnetiche o smart chiavi passaporti etc
bull Conoscenza (qualcosa che conosci)ndash Password PIN etc
bull Biometria (ciograve che sei)ndash Una caratteristica fisica iride impronte digitali forma della
mano
ndash Una caratteristica comportamentale firma voce
Cosa egrave la Biometria
bull Dal Greco bios (vita) e metros (misura)
bull Definizione del Biometric Consortium
ldquoriconoscimento automatico di una persona sulla base di caratteristiche discriminantirdquo
9
10
Definizioni
bull La biometria egrave la disciplina che si occupa di misurare
tratti fisiologici e comportamentali degli esseri viventi
offrendone una rappresentazione quantitativa
attraverso modelli matematici e statistici
bull Le tecnologie biometriche costituiscono metodi
automatizzati di verifica o riconoscimento dellrsquoidentitagrave
di una persona basati sul rilevamento di una o piugrave
caratteristiche fisiologiche o comportamentali
dellrsquoindividuo ed il confronto con una immagine
precedentemente acquisita
11
Cosa egrave la Biometria
bull Principi portanti
ndash Ogni persona egrave unica
ndash Individuazione delle caratteristiche somatiche che rendono unico un individuo
ndash Metodologie per la misurazione e quantificazione di tali caratteristiche
ndash Classificazione degli individui sulla base delle misure effettuate
Storia della Biometria
1 200 DC I Cinesi usava lrsquoimpronta digitale per sigillare i documenti
2 1870 Bertillon sviluppa il Bertillonage basato su varie misure
antropometriche
3 1887 Il Bertillonage egrave adottato in Francia
4 1892 Galton sviluppa il primo sistema di classificazione per
impronte
5 1896 Il Bertillonage egrave adottato dal National Bureau of
Investigastion
6 1903 Lo stato di NY adotta il sitema di Galton per schedare i
detenuti
7 1960 Negli Usa si sviluppa il primo sistema semiautomatico per il
riconoscimento del volto
12
13
Storia della Biometria
Slide prodotta da JL Dugelay (Eurecom-France)
14
Storia della Biometria (cont)
bull Gli egiziani usavano lrsquoaltezza di una persona per identificarla durante il pagamento del salario
bull Il sistema Bertillon (1853-1914) creograve un nuovo sistema per identificare i criminali
ndash Principibull ndash lrsquoossatura umana non si modifica piugrave a
partire dai 20 anni
bull ndash ogni scheletro egrave diverso
ndash Misure antropometrichebull ndash lunghezza braccio e dita
bull ndash altezza e larghezza testa
bull ndash lunghezza piedi
ndash Descrizione generale del corpo (proporzioni armonia dei movimenti etc) caratteristiche mentali e morali
ndash Peculiaritagrave della pellebull Nei Porri Cicatrici Tatuaggi
Slide prodotta da JL Dugelay (Eurecom-France)
15
Storia della Biometria (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
16
Storia della Biometria Bertillonage
Forma della mano
Forma della testa
Misura degli arti
Misura del busto
Dettagli del voltoScheda di
Identificazione
17
Bertillonage Gli Strumenti
Caliper Compass Sliding Compass
Small
Sliding Compass
Vertical amp Orizzontal
Measures
18
Il Bertillonage nel Mondo
Slide prodotta da JL Dugelay (Eurecom-France)
19
Sistema di Bertillion - Fallimento
bull Nel 1901 e nel 1903 nel furono registrati due detenuti William West e Will West con misure antropometriche simili
Slide prodotta da JL Dugelay (Eurecom-France)
20
Sistema di Bertillion La Fine
Slide prodotta da JL Dugelay (Eurecom-France)
21
Metodi di autenticazione (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
Quante Password hai
22
bull 6 persone su 10 hanno
subito almeno un furto
drsquoidentitagrave (clonazione
carta di
creditobancomat
falsificazione CI
accesso ad aree
riservate accesso a
informazioni riservate
etc)
23
bull Biometria delle impronte ndash riconoscimento delle impronte
bull Biometria dellrsquoocchio ndash riconoscimento dellrsquoiride e della retina
bull Biometria del volto ndash riconoscimento facciale (foto infrarosso)
bull Biometria della mano ndash geometria delle dita
bull Biometria della firma ndash riconoscimento della firma
bull Biometria della voce ndash riconoscimento vocale
bull Biometria auricolare ndash riconoscimento dellrsquoorecchio
bull Digitazione di tasti
bull DNA
Biometriche riconosciute dallo
Standard X984 - 2003
a) b) c) d) e) f)
g) h) i) j) k)
24
Verifica e Riconoscimento
bull Verifica Confronto Uno a Uno Conferma
lrsquoidentitagrave dichiarata da un individuo
ndash Dichiarata mediante carta di identitagrave codice utente
smart card
bull Riconoscimento Confronto Uno a Molti
Stabilisce lrsquoidentitagrave di un soggetto a partire da un
insieme di persone registrate
25
Proprietagrave di una caratteristica
biometrica
bull Universalitagrave ogni persona deve possedere tale biometria
bull Distintivitagrave (Unicitagrave) due persone devono essere sufficientemente distinguibili in base a tale biometria
bull Permanenza (Stabilitagrave) la biometria deve rimanere invariante (rispetto ai termini di confronto) nel tempo
bull Misurabilitagrave essa deve essere misurabile quantitativamente
26
Proprietagrave di una caratteristica
biometrica
bull Performance (EfficaciaEfficienza) lrsquoacquisizione lrsquoestrazione delle caratteristiche e il confronto delle entitagrave non devono essere troppo costose in termini di tempo memoria ed efficienza del sistema
bull Accettabilitagrave la procedura di acquisizione deve essere tollerata da una vasta parte della popolazione
bull Eludibilitagrave la probabilitagrave che il sistema venga raggirato o indotto in errore deve essere minimizzata
27
Tipologia di Utente
bull Cooperativo egrave interesse dellrsquoutente che il sistema lo riconosca (un impostore cerca di farsi riconoscere)
bull Non-Cooperativo lrsquoutente egrave indifferente al processo di riconoscimento (un impostore cerca di non farsi riconoscere)
bull PubblicoPrivato se gli utenti del sistema saranno il pubblico o i dipendenti (ad esempio Amministrazione) dellrsquoEnte dove il sistema egrave installato
28
Tipologia di Utente
bull Abituatonon abituato frequenza con cui
gli utenti del sistema si prestano al
riconoscimento biometrico (piugrave volte al
giorno settimanalmente mensilmente
ecc)
bull Consapevoleinconsapevole se lrsquoutente egrave
o no al corrente del processo di
riconoscimento in atto
29
Tipologia di Applicazione
bull On-line lrsquoutente egrave in attesa fincheacute il
sistema non risponde (tempi brevi di
risposta)
bull Off-line lrsquoutente viene acquisito ma non
attende una risposta immediata
30
Caratteristiche Biometriche
Caratteristiche
Biometriche
Statiche o
Fisiologiche
Impronte
DigitaliMano Volto Occhio DNA
Dinamiche o
Comportamentali
Voce CalligrafiaStile di
battituraAndatura
31
Biometria Statica o Dinamica
bull Statica (o fisiologica) metodi biometrici ndash autenticazione basata su caratteristiche sempre presentindash Impronte digitali
ndash Scan della retina e dellrsquoiride
ndash Geometria della mano
bull Dinamica (o comportamentale) metodi biometrici ndashautenticazione basata su caratteristiche comportamentalindash Firma
ndash Voce
ndash Battitura tasti
Quali Biometrie
32
33
Sistema
biometricoRobustezza Univocitagrave Accessibilitagrave Accettabilitagrave Privacy
Impronte
DigitaliAlto Alto Medio Medio Basso
Geometria della
ManoMedio Medio Medio Medio Basso
Caratt
IrideAlto Alto Medio Basso Alto
Caratter
VoltoMedio Basso Alto Alto Alto
Dinamica
Appl FirmaBasso Basso Medio Alto Medio
Caratt
VoceBasso Basso Medio Alto Medio
Caratt
RetinaMedio Alto Basso Basso Alto
Comparazione di Tecnologie Biometriche
34
Registrazione di un soggetto
(Enrollment)
bull Si associa un insieme di caratteristicheallrsquoidentitagrave di un soggettondash Raccolta dei dati ed estrazione delle caratteristiche
bull Il modello estratto (template) egrave memorizzato in un database o su un supporto portatile (smart card)
bull Questo processo puograve essere effettuato singolarmente o in blocco (batch enrollment)
35
Architettura di un
Sistema Biometrico
Slide prodotta da JL Dugelay (Eurecom-France)
36
Architettura di un
Sistema Biometrico (cont)
bull Lrsquoidentitagrave corrisponde ed il soggetto egrave
accettato
bull Lrsquoidentitagrave corrisponde ma il soggetto egrave
respinto (errore)
bull Un impostore egrave accettato (errore)
bull Un impostore egrave rifiutato
37
Architettura di un
Sistema Biometrico (cont)
User interface
NAME (PIN)
Quality
checker
Feature
Extractor
System DB
template
name
Enrollment
User interface
NAME (PIN)
Feature
Extractor
Matcher
(1 match)
System DB
one
template
Verification
TrueFalse
claimed identity
User interface
Feature
Extractor
Matcher
(N matches)
System DB
N
templates
Identification
Userrsquos identity or
ldquouser non identifiedrdquo
38
Misura delle Prestazioni
bull Non egrave possibile riconoscere un individuo senza ammettere una tolleranza drsquoerrore
bull La soglia di tolleranza egrave cruciale e dipende fortemente dallrsquoapplicazione
bull Una soglia troppo bassa causa molti errori di Tipo I (rifiuto di soggetti registrati) ndash FRR (False Recognition Rate)
bull Una soglia troppo alta causa molti errori di Tipo II (accettazione di impostori) ndash FAR (False Acceptance Rate)
bull La scelta piugrave utilizzata egrave EER Equal error rate (EER) ndash FAR = FRR
39
Misura delle Prestazioni (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
La scelta piugrave utilizzata egrave ERR Equal error rate (EER) FAR = FRR
40
Quali Biometrie
Slide prodotta da JL Dugelay (Eurecom-France)
41
Quali Biometrie (cont)
a) b) c) d) e) f)
g) h) i) j) k)
Biometrics
bull ear
bull face
bull facial thermogram
bull hand thermogram
bull hand vein
bull hand geometry
bull fingerprint
bull iris
bull retina
bull signature
bull voice
42
bull Biometria delle impronte ndash riconoscimento delle impronte
bull Biometria dellrsquoocchio ndash riconoscimento dellrsquoiride e della retina
bull Biometria del volto ndash riconoscimento facciale (foto infrarosso)
bull Biometria della mano ndash geometria delle dita
bull Biometria della firma ndash riconoscimento della firma
bull Biometria della voce ndash riconoscimento vocale
bull Biometria auricolare ndash riconoscimento dellrsquoorecchio
bull Digitazione di tasti
bull DNA
Tecniche riconosciute dallo
Standard X984 - 2003
Impronte
digitali
voltoFirma
Iride
voce
Geometria della
mano
43
Variabilitagrave delle Biometrie
bull I Dati Biometrici non possono essere persi trasferiti ad altri o dimenticatihellipma
bull Lrsquoacquisizione (digitalizzazione dei dati) puograve determinare una variabilitagrave delle biometrie
ndash Intra_Classebull Variabilitagrave delle biometrie per un individuo
ndash Inter_Classebull Similaritagrave delle biometrie tra individui diversi
44
Variabilitagrave delle Biometrie
bull Intra_Classe
ndash Il MedioBreve Termine
ndash Il Lungo Termine Lrsquoetagrave
ndash La posa
ndash Le parziali occlusioni
ndash Lrsquoespressione
ndash Lrsquoilluminazione
45
Variabilitagrave delle Biometrie
bull Inter_Classe
ndash Gemelli
ndash Sosia
ndash hellip
ndash hellip
ndash hellip
Intra-class Variations
Time duration 6 months
Time duration 2 years
Variabilitagrave Intra-Classe Il Tempo
47
Sharbat GulaSharbat Gula
1985 2002
(Left photo copy Steve McCurry Right photo Steve McCurry copy National Geographic Society)
Variabilitagrave Intra-Classe Lrsquoetagrave (cont)
48
Variabilitagrave Intra-Classe La Posa
49
Variabilitagrave Intra-Classe
LrsquoEspressione
50
Variabilitagrave Intra-Classe
Espressione Posa e Parziali Occlusioni
51
Variabilitagrave Intra-Classe
LrsquoIlluminazione
52
Similaritagrave Inter-Classe
Count of Q2 Q2
Gender A 1 A 2 A 3 A 4 A 5 A 6 A 7 A 8 A 9 A 10Grand Total
Female 8 3 4 4 16 8 0 4 2 51 100
Male 9 5 3 6 6 5 1 2 1 63 100
Grand Total 9 4 3 5 9 6 1 3 1 59 100
54
56
Standard Esistenti
wwwbiometricsorgwwwnistgovbcwg
wwwbioapiorg
wwwibiaorgwwwbiometricfoundationorg
wwwnistgovcbeff
wwwitlnistorg
57
Sistemi CommercialiPanoramica
Il numero di distributori di SDKs (Software Development Kits) da poter integrare in applicazioni
esistenti
Il problema del face detection egrave visto come un problema collaterale
Tutti gli SDKs disponibili sono reperibili solo a pagamento
CompagniaSDK Documentazione Disponibile Tecnologia
Cognitec
Germania
FaceVAC
S SDK
httpwwwcognitec-
agdedocumentationfrsdk_p
ublic
Reti Neurali
HumanScan
Germania
BioID 31
SDK
httpwwwbioidcomsdkdoc
s
Detection Model based
(Hausdorff)
Identix
USA
FaceIT
SDKLocal Feature Analysis
Imagis
Canada
ID2000
SDK
Viisage
USA
FaceTool
sEigenfaces
58
Sistemi Commerciali
Cognitec
Caratteristiche
Basato sulla tecnologia FaceVACSreg
500000 confronti al secondo su processori Pentium
Lavora anche in modalitagrave distribuita
Interfaccia amichevole che permette ordinamento riorganizzazione
navigazione selezione
Piugrave immagini per ciascuna persona
Facile gestione di nuovi soggetti da aggiungere
Possibilitagrave di sottoporre valutazioni sulla qualitagrave
Integration Kit per lrsquointegrazione con altri pacchetti software
59
Sistemi Commerciali
Cognitec
Caratteristiche
bullBasato su tecnologia FaceVACSreg
bullAutomatic face recognition per una maggiore sicurezza a costi
convenienti
bullVaria dalla gestione di un singolo punto di accesso alla
regolazioni degli accessi a reti molto vaste
bullFacile integrazione nei sistemi giagrave esistenti
bullCombinabile con lettori di carte keypads e diverse tipologie di
videocamere
bullPossibilitagrave di monitorare eventi predefiniti
bullRegistrazione on-line e off-line
bullldquoVerifica direttaldquo per sistemi di altissima sicurezza
60
Sistemi Commerciali
Cognitec
Caratteristiche
bullAnalisi di piugrave sequenze video
bullFace detection di volti in piugrave video
bullFace recognition real time
bullCreazione di un file di log
bullRegistrazione interattiva da immagini fisse o
video
bullPannello di gestione dei filmati
bullIntegration Kit per lrsquointegrazione di sistemi
esistenti
61
Viisage FacePASSreg
Caratteristiche
bullFacePASS egrave utilizzato in sistemi di sicurezza controlli
per lrsquoaccesso e verifica di corrispondenza
documentoidentitagrave
bullPermette la verifica di identitagrave
bullPermette di riconoscere a ciascun soggetto identificato
il rispettivo livello di accesso
bullFrutto della tecnologia visage egrave in uso da diversi anni in
applicazioni industriali
bullInterfaccia amichevole costruita sulla base del feed-
back ottenuto dagli utenti
62
IdentiX
ABIS Face Enterprise Edition
Le componenti del sistema ABIS lavorano su architettura distribuita con il vantaggio della scalabilitagrave e della ridondanza
bull Search Core Server ABIS System search engine firmware Lavora su Intelreg Xeontrade o Pentiumreg III blade servers
bull Database Server Oracle 9i Database memorizza fino a 20 million di volti su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni e della dimensione del database richieste
bull Application Server ABIS XML-RPC Application Programming Interface lavora su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni
63
Effettiva percentuale di
utilizzo dei sistemi biometrici
Finger Scan
521
Keystroke Scan
03
Facial Scan
114Hand Scan
100
Middleware
124
Iris Scan
73
Voice Scan
41
Signature Scan
24
64
Biometric Revenues
65
DEMO
Materiale Didattico
bull Moderne Tecniche di Elaborazione di
Immagini e Biometria M Nappi e D
Riccio Athena Editore 2008
bull Dispense del Corso (a cura del docente)
disponibili online (biplabunisait)
2
DIGITAL
FORENSICS
METRO
CRIME
ELEMENTS
MEDIA DEVICE
VIDEO IMAGES
INTERNET
BIOLOGICAL
TRACES
PHONE
amp MOBILE
DATA FILES
BIOMETRIC
ELEMENTS
AUDIO SIGNALS
PICTURES
FRAGMENTATION
MOTION ANALYSIS
CONTENT ANALYSIS
SCENE ANALYSIS
VIDEO
FORENSICS
2Damp3D ACQUIRING
LOCATION MAP
EVIDENCE
POSITIONING
MOVEMENT TRACES
SCENE
REBUILDING
IDENTITY
RECOVERY
DATA
RECOVERY
USER
IDENTITY
EVIDENCE
FREEZING
FO
RE
NS
IC
BIO
LO
GY
BIOMETRICS
AUDIO FORENSICS
IMAGE FORENSICS
P2P
CHAT
BR
OW
SE
R
SOCIAL NETWORK
HIDDEN FILES
DELETE FILES
STEGANO FILES
ENCRYPTED
FILES
SLACK SPACE
SMS amp MMS
CELLS
NETWORK PROVIDER
GPS DATA
BA
D
BLO
CK
S
AD
DR
ES
S
BO
OK
LIS
T O
F
CA
LLS
DECOMPOSITION
FREQUENCY ANALYSIS
SOUNDPAUSE ANALYSIS
SPEAKER ANALYSIS
LOG FILES
HIDDEN PATITIONS
SYSTEMrsquoS FILESSYSTEMrsquoS
LOG FILES
EQUALIZATIONSEGMENTATION
IMAGE
PROCESSING
TEXTURE
ANALYSIS
IMAGE ANALYSISFEATURES EXTRACTION
PATTERN RECOGNITION
FINGER PRINT
PALM PRINT
FACE
IRIS
EAR
RETINA
SO
MA
TIC
ELE
ME
NT
HA
ND
WR
ITIN
G
POSTURE
WALKING
HUMAN REMAINS
HAIR
CLOTHES
DNA
COMPUTATIO-
NAL BIOLOGY
CRIME EVIDENCES
PHONE amp FAXF
OR
EN
SIC
S
GR
AP
HO
LO
GY
PERSONAL
TRACEABILITY
PERSONAL
IDENTIFICATION
4
Identitagrave dichiarata = Identitagrave reale
5
Identitagrave dichiarata = Identitagrave reale
Che orecchie
grandi che hai
Ps Premesso che
cappuccetto rosso non
era famosa per essere una
tipa sveglia
6
Autenticazione di un Soggetto
bull Processo di associazione dellrsquoidentitagrave ad un
soggetto attraverso un processo di verifica o
riconoscimento
ndash Una persona riconosce una persona
bull Sistemi e supporti di identificazione (carta di identitagrave codice
fiscale)
bull Conoscenza diretta
ndash Un sistema informatico riconosce una persona
bull Sistemi e supporti di identificazione (smart card biometriche
etc)
7
Autenticazione di un Soggetto
bull Limiti dei tradizionali metodi di autenticazione
ndash PIN
bull Si puograve dimenticare o puograve essere carpito da un
impostore
ndash Chiavi (fisiche)
bull Si possono rompere o perdere
Non consentono la distinzione tra il reale
possessore e un impostore
8
Un Nuovo Metodo
bull Pass (qualcosa che possiedi)ndash carte magnetiche o smart chiavi passaporti etc
bull Conoscenza (qualcosa che conosci)ndash Password PIN etc
bull Biometria (ciograve che sei)ndash Una caratteristica fisica iride impronte digitali forma della
mano
ndash Una caratteristica comportamentale firma voce
Cosa egrave la Biometria
bull Dal Greco bios (vita) e metros (misura)
bull Definizione del Biometric Consortium
ldquoriconoscimento automatico di una persona sulla base di caratteristiche discriminantirdquo
9
10
Definizioni
bull La biometria egrave la disciplina che si occupa di misurare
tratti fisiologici e comportamentali degli esseri viventi
offrendone una rappresentazione quantitativa
attraverso modelli matematici e statistici
bull Le tecnologie biometriche costituiscono metodi
automatizzati di verifica o riconoscimento dellrsquoidentitagrave
di una persona basati sul rilevamento di una o piugrave
caratteristiche fisiologiche o comportamentali
dellrsquoindividuo ed il confronto con una immagine
precedentemente acquisita
11
Cosa egrave la Biometria
bull Principi portanti
ndash Ogni persona egrave unica
ndash Individuazione delle caratteristiche somatiche che rendono unico un individuo
ndash Metodologie per la misurazione e quantificazione di tali caratteristiche
ndash Classificazione degli individui sulla base delle misure effettuate
Storia della Biometria
1 200 DC I Cinesi usava lrsquoimpronta digitale per sigillare i documenti
2 1870 Bertillon sviluppa il Bertillonage basato su varie misure
antropometriche
3 1887 Il Bertillonage egrave adottato in Francia
4 1892 Galton sviluppa il primo sistema di classificazione per
impronte
5 1896 Il Bertillonage egrave adottato dal National Bureau of
Investigastion
6 1903 Lo stato di NY adotta il sitema di Galton per schedare i
detenuti
7 1960 Negli Usa si sviluppa il primo sistema semiautomatico per il
riconoscimento del volto
12
13
Storia della Biometria
Slide prodotta da JL Dugelay (Eurecom-France)
14
Storia della Biometria (cont)
bull Gli egiziani usavano lrsquoaltezza di una persona per identificarla durante il pagamento del salario
bull Il sistema Bertillon (1853-1914) creograve un nuovo sistema per identificare i criminali
ndash Principibull ndash lrsquoossatura umana non si modifica piugrave a
partire dai 20 anni
bull ndash ogni scheletro egrave diverso
ndash Misure antropometrichebull ndash lunghezza braccio e dita
bull ndash altezza e larghezza testa
bull ndash lunghezza piedi
ndash Descrizione generale del corpo (proporzioni armonia dei movimenti etc) caratteristiche mentali e morali
ndash Peculiaritagrave della pellebull Nei Porri Cicatrici Tatuaggi
Slide prodotta da JL Dugelay (Eurecom-France)
15
Storia della Biometria (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
16
Storia della Biometria Bertillonage
Forma della mano
Forma della testa
Misura degli arti
Misura del busto
Dettagli del voltoScheda di
Identificazione
17
Bertillonage Gli Strumenti
Caliper Compass Sliding Compass
Small
Sliding Compass
Vertical amp Orizzontal
Measures
18
Il Bertillonage nel Mondo
Slide prodotta da JL Dugelay (Eurecom-France)
19
Sistema di Bertillion - Fallimento
bull Nel 1901 e nel 1903 nel furono registrati due detenuti William West e Will West con misure antropometriche simili
Slide prodotta da JL Dugelay (Eurecom-France)
20
Sistema di Bertillion La Fine
Slide prodotta da JL Dugelay (Eurecom-France)
21
Metodi di autenticazione (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
Quante Password hai
22
bull 6 persone su 10 hanno
subito almeno un furto
drsquoidentitagrave (clonazione
carta di
creditobancomat
falsificazione CI
accesso ad aree
riservate accesso a
informazioni riservate
etc)
23
bull Biometria delle impronte ndash riconoscimento delle impronte
bull Biometria dellrsquoocchio ndash riconoscimento dellrsquoiride e della retina
bull Biometria del volto ndash riconoscimento facciale (foto infrarosso)
bull Biometria della mano ndash geometria delle dita
bull Biometria della firma ndash riconoscimento della firma
bull Biometria della voce ndash riconoscimento vocale
bull Biometria auricolare ndash riconoscimento dellrsquoorecchio
bull Digitazione di tasti
bull DNA
Biometriche riconosciute dallo
Standard X984 - 2003
a) b) c) d) e) f)
g) h) i) j) k)
24
Verifica e Riconoscimento
bull Verifica Confronto Uno a Uno Conferma
lrsquoidentitagrave dichiarata da un individuo
ndash Dichiarata mediante carta di identitagrave codice utente
smart card
bull Riconoscimento Confronto Uno a Molti
Stabilisce lrsquoidentitagrave di un soggetto a partire da un
insieme di persone registrate
25
Proprietagrave di una caratteristica
biometrica
bull Universalitagrave ogni persona deve possedere tale biometria
bull Distintivitagrave (Unicitagrave) due persone devono essere sufficientemente distinguibili in base a tale biometria
bull Permanenza (Stabilitagrave) la biometria deve rimanere invariante (rispetto ai termini di confronto) nel tempo
bull Misurabilitagrave essa deve essere misurabile quantitativamente
26
Proprietagrave di una caratteristica
biometrica
bull Performance (EfficaciaEfficienza) lrsquoacquisizione lrsquoestrazione delle caratteristiche e il confronto delle entitagrave non devono essere troppo costose in termini di tempo memoria ed efficienza del sistema
bull Accettabilitagrave la procedura di acquisizione deve essere tollerata da una vasta parte della popolazione
bull Eludibilitagrave la probabilitagrave che il sistema venga raggirato o indotto in errore deve essere minimizzata
27
Tipologia di Utente
bull Cooperativo egrave interesse dellrsquoutente che il sistema lo riconosca (un impostore cerca di farsi riconoscere)
bull Non-Cooperativo lrsquoutente egrave indifferente al processo di riconoscimento (un impostore cerca di non farsi riconoscere)
bull PubblicoPrivato se gli utenti del sistema saranno il pubblico o i dipendenti (ad esempio Amministrazione) dellrsquoEnte dove il sistema egrave installato
28
Tipologia di Utente
bull Abituatonon abituato frequenza con cui
gli utenti del sistema si prestano al
riconoscimento biometrico (piugrave volte al
giorno settimanalmente mensilmente
ecc)
bull Consapevoleinconsapevole se lrsquoutente egrave
o no al corrente del processo di
riconoscimento in atto
29
Tipologia di Applicazione
bull On-line lrsquoutente egrave in attesa fincheacute il
sistema non risponde (tempi brevi di
risposta)
bull Off-line lrsquoutente viene acquisito ma non
attende una risposta immediata
30
Caratteristiche Biometriche
Caratteristiche
Biometriche
Statiche o
Fisiologiche
Impronte
DigitaliMano Volto Occhio DNA
Dinamiche o
Comportamentali
Voce CalligrafiaStile di
battituraAndatura
31
Biometria Statica o Dinamica
bull Statica (o fisiologica) metodi biometrici ndash autenticazione basata su caratteristiche sempre presentindash Impronte digitali
ndash Scan della retina e dellrsquoiride
ndash Geometria della mano
bull Dinamica (o comportamentale) metodi biometrici ndashautenticazione basata su caratteristiche comportamentalindash Firma
ndash Voce
ndash Battitura tasti
Quali Biometrie
32
33
Sistema
biometricoRobustezza Univocitagrave Accessibilitagrave Accettabilitagrave Privacy
Impronte
DigitaliAlto Alto Medio Medio Basso
Geometria della
ManoMedio Medio Medio Medio Basso
Caratt
IrideAlto Alto Medio Basso Alto
Caratter
VoltoMedio Basso Alto Alto Alto
Dinamica
Appl FirmaBasso Basso Medio Alto Medio
Caratt
VoceBasso Basso Medio Alto Medio
Caratt
RetinaMedio Alto Basso Basso Alto
Comparazione di Tecnologie Biometriche
34
Registrazione di un soggetto
(Enrollment)
bull Si associa un insieme di caratteristicheallrsquoidentitagrave di un soggettondash Raccolta dei dati ed estrazione delle caratteristiche
bull Il modello estratto (template) egrave memorizzato in un database o su un supporto portatile (smart card)
bull Questo processo puograve essere effettuato singolarmente o in blocco (batch enrollment)
35
Architettura di un
Sistema Biometrico
Slide prodotta da JL Dugelay (Eurecom-France)
36
Architettura di un
Sistema Biometrico (cont)
bull Lrsquoidentitagrave corrisponde ed il soggetto egrave
accettato
bull Lrsquoidentitagrave corrisponde ma il soggetto egrave
respinto (errore)
bull Un impostore egrave accettato (errore)
bull Un impostore egrave rifiutato
37
Architettura di un
Sistema Biometrico (cont)
User interface
NAME (PIN)
Quality
checker
Feature
Extractor
System DB
template
name
Enrollment
User interface
NAME (PIN)
Feature
Extractor
Matcher
(1 match)
System DB
one
template
Verification
TrueFalse
claimed identity
User interface
Feature
Extractor
Matcher
(N matches)
System DB
N
templates
Identification
Userrsquos identity or
ldquouser non identifiedrdquo
38
Misura delle Prestazioni
bull Non egrave possibile riconoscere un individuo senza ammettere una tolleranza drsquoerrore
bull La soglia di tolleranza egrave cruciale e dipende fortemente dallrsquoapplicazione
bull Una soglia troppo bassa causa molti errori di Tipo I (rifiuto di soggetti registrati) ndash FRR (False Recognition Rate)
bull Una soglia troppo alta causa molti errori di Tipo II (accettazione di impostori) ndash FAR (False Acceptance Rate)
bull La scelta piugrave utilizzata egrave EER Equal error rate (EER) ndash FAR = FRR
39
Misura delle Prestazioni (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
La scelta piugrave utilizzata egrave ERR Equal error rate (EER) FAR = FRR
40
Quali Biometrie
Slide prodotta da JL Dugelay (Eurecom-France)
41
Quali Biometrie (cont)
a) b) c) d) e) f)
g) h) i) j) k)
Biometrics
bull ear
bull face
bull facial thermogram
bull hand thermogram
bull hand vein
bull hand geometry
bull fingerprint
bull iris
bull retina
bull signature
bull voice
42
bull Biometria delle impronte ndash riconoscimento delle impronte
bull Biometria dellrsquoocchio ndash riconoscimento dellrsquoiride e della retina
bull Biometria del volto ndash riconoscimento facciale (foto infrarosso)
bull Biometria della mano ndash geometria delle dita
bull Biometria della firma ndash riconoscimento della firma
bull Biometria della voce ndash riconoscimento vocale
bull Biometria auricolare ndash riconoscimento dellrsquoorecchio
bull Digitazione di tasti
bull DNA
Tecniche riconosciute dallo
Standard X984 - 2003
Impronte
digitali
voltoFirma
Iride
voce
Geometria della
mano
43
Variabilitagrave delle Biometrie
bull I Dati Biometrici non possono essere persi trasferiti ad altri o dimenticatihellipma
bull Lrsquoacquisizione (digitalizzazione dei dati) puograve determinare una variabilitagrave delle biometrie
ndash Intra_Classebull Variabilitagrave delle biometrie per un individuo
ndash Inter_Classebull Similaritagrave delle biometrie tra individui diversi
44
Variabilitagrave delle Biometrie
bull Intra_Classe
ndash Il MedioBreve Termine
ndash Il Lungo Termine Lrsquoetagrave
ndash La posa
ndash Le parziali occlusioni
ndash Lrsquoespressione
ndash Lrsquoilluminazione
45
Variabilitagrave delle Biometrie
bull Inter_Classe
ndash Gemelli
ndash Sosia
ndash hellip
ndash hellip
ndash hellip
Intra-class Variations
Time duration 6 months
Time duration 2 years
Variabilitagrave Intra-Classe Il Tempo
47
Sharbat GulaSharbat Gula
1985 2002
(Left photo copy Steve McCurry Right photo Steve McCurry copy National Geographic Society)
Variabilitagrave Intra-Classe Lrsquoetagrave (cont)
48
Variabilitagrave Intra-Classe La Posa
49
Variabilitagrave Intra-Classe
LrsquoEspressione
50
Variabilitagrave Intra-Classe
Espressione Posa e Parziali Occlusioni
51
Variabilitagrave Intra-Classe
LrsquoIlluminazione
52
Similaritagrave Inter-Classe
Count of Q2 Q2
Gender A 1 A 2 A 3 A 4 A 5 A 6 A 7 A 8 A 9 A 10Grand Total
Female 8 3 4 4 16 8 0 4 2 51 100
Male 9 5 3 6 6 5 1 2 1 63 100
Grand Total 9 4 3 5 9 6 1 3 1 59 100
54
56
Standard Esistenti
wwwbiometricsorgwwwnistgovbcwg
wwwbioapiorg
wwwibiaorgwwwbiometricfoundationorg
wwwnistgovcbeff
wwwitlnistorg
57
Sistemi CommercialiPanoramica
Il numero di distributori di SDKs (Software Development Kits) da poter integrare in applicazioni
esistenti
Il problema del face detection egrave visto come un problema collaterale
Tutti gli SDKs disponibili sono reperibili solo a pagamento
CompagniaSDK Documentazione Disponibile Tecnologia
Cognitec
Germania
FaceVAC
S SDK
httpwwwcognitec-
agdedocumentationfrsdk_p
ublic
Reti Neurali
HumanScan
Germania
BioID 31
SDK
httpwwwbioidcomsdkdoc
s
Detection Model based
(Hausdorff)
Identix
USA
FaceIT
SDKLocal Feature Analysis
Imagis
Canada
ID2000
SDK
Viisage
USA
FaceTool
sEigenfaces
58
Sistemi Commerciali
Cognitec
Caratteristiche
Basato sulla tecnologia FaceVACSreg
500000 confronti al secondo su processori Pentium
Lavora anche in modalitagrave distribuita
Interfaccia amichevole che permette ordinamento riorganizzazione
navigazione selezione
Piugrave immagini per ciascuna persona
Facile gestione di nuovi soggetti da aggiungere
Possibilitagrave di sottoporre valutazioni sulla qualitagrave
Integration Kit per lrsquointegrazione con altri pacchetti software
59
Sistemi Commerciali
Cognitec
Caratteristiche
bullBasato su tecnologia FaceVACSreg
bullAutomatic face recognition per una maggiore sicurezza a costi
convenienti
bullVaria dalla gestione di un singolo punto di accesso alla
regolazioni degli accessi a reti molto vaste
bullFacile integrazione nei sistemi giagrave esistenti
bullCombinabile con lettori di carte keypads e diverse tipologie di
videocamere
bullPossibilitagrave di monitorare eventi predefiniti
bullRegistrazione on-line e off-line
bullldquoVerifica direttaldquo per sistemi di altissima sicurezza
60
Sistemi Commerciali
Cognitec
Caratteristiche
bullAnalisi di piugrave sequenze video
bullFace detection di volti in piugrave video
bullFace recognition real time
bullCreazione di un file di log
bullRegistrazione interattiva da immagini fisse o
video
bullPannello di gestione dei filmati
bullIntegration Kit per lrsquointegrazione di sistemi
esistenti
61
Viisage FacePASSreg
Caratteristiche
bullFacePASS egrave utilizzato in sistemi di sicurezza controlli
per lrsquoaccesso e verifica di corrispondenza
documentoidentitagrave
bullPermette la verifica di identitagrave
bullPermette di riconoscere a ciascun soggetto identificato
il rispettivo livello di accesso
bullFrutto della tecnologia visage egrave in uso da diversi anni in
applicazioni industriali
bullInterfaccia amichevole costruita sulla base del feed-
back ottenuto dagli utenti
62
IdentiX
ABIS Face Enterprise Edition
Le componenti del sistema ABIS lavorano su architettura distribuita con il vantaggio della scalabilitagrave e della ridondanza
bull Search Core Server ABIS System search engine firmware Lavora su Intelreg Xeontrade o Pentiumreg III blade servers
bull Database Server Oracle 9i Database memorizza fino a 20 million di volti su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni e della dimensione del database richieste
bull Application Server ABIS XML-RPC Application Programming Interface lavora su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni
63
Effettiva percentuale di
utilizzo dei sistemi biometrici
Finger Scan
521
Keystroke Scan
03
Facial Scan
114Hand Scan
100
Middleware
124
Iris Scan
73
Voice Scan
41
Signature Scan
24
64
Biometric Revenues
65
DEMO
DIGITAL
FORENSICS
METRO
CRIME
ELEMENTS
MEDIA DEVICE
VIDEO IMAGES
INTERNET
BIOLOGICAL
TRACES
PHONE
amp MOBILE
DATA FILES
BIOMETRIC
ELEMENTS
AUDIO SIGNALS
PICTURES
FRAGMENTATION
MOTION ANALYSIS
CONTENT ANALYSIS
SCENE ANALYSIS
VIDEO
FORENSICS
2Damp3D ACQUIRING
LOCATION MAP
EVIDENCE
POSITIONING
MOVEMENT TRACES
SCENE
REBUILDING
IDENTITY
RECOVERY
DATA
RECOVERY
USER
IDENTITY
EVIDENCE
FREEZING
FO
RE
NS
IC
BIO
LO
GY
BIOMETRICS
AUDIO FORENSICS
IMAGE FORENSICS
P2P
CHAT
BR
OW
SE
R
SOCIAL NETWORK
HIDDEN FILES
DELETE FILES
STEGANO FILES
ENCRYPTED
FILES
SLACK SPACE
SMS amp MMS
CELLS
NETWORK PROVIDER
GPS DATA
BA
D
BLO
CK
S
AD
DR
ES
S
BO
OK
LIS
T O
F
CA
LLS
DECOMPOSITION
FREQUENCY ANALYSIS
SOUNDPAUSE ANALYSIS
SPEAKER ANALYSIS
LOG FILES
HIDDEN PATITIONS
SYSTEMrsquoS FILESSYSTEMrsquoS
LOG FILES
EQUALIZATIONSEGMENTATION
IMAGE
PROCESSING
TEXTURE
ANALYSIS
IMAGE ANALYSISFEATURES EXTRACTION
PATTERN RECOGNITION
FINGER PRINT
PALM PRINT
FACE
IRIS
EAR
RETINA
SO
MA
TIC
ELE
ME
NT
HA
ND
WR
ITIN
G
POSTURE
WALKING
HUMAN REMAINS
HAIR
CLOTHES
DNA
COMPUTATIO-
NAL BIOLOGY
CRIME EVIDENCES
PHONE amp FAXF
OR
EN
SIC
S
GR
AP
HO
LO
GY
PERSONAL
TRACEABILITY
PERSONAL
IDENTIFICATION
4
Identitagrave dichiarata = Identitagrave reale
5
Identitagrave dichiarata = Identitagrave reale
Che orecchie
grandi che hai
Ps Premesso che
cappuccetto rosso non
era famosa per essere una
tipa sveglia
6
Autenticazione di un Soggetto
bull Processo di associazione dellrsquoidentitagrave ad un
soggetto attraverso un processo di verifica o
riconoscimento
ndash Una persona riconosce una persona
bull Sistemi e supporti di identificazione (carta di identitagrave codice
fiscale)
bull Conoscenza diretta
ndash Un sistema informatico riconosce una persona
bull Sistemi e supporti di identificazione (smart card biometriche
etc)
7
Autenticazione di un Soggetto
bull Limiti dei tradizionali metodi di autenticazione
ndash PIN
bull Si puograve dimenticare o puograve essere carpito da un
impostore
ndash Chiavi (fisiche)
bull Si possono rompere o perdere
Non consentono la distinzione tra il reale
possessore e un impostore
8
Un Nuovo Metodo
bull Pass (qualcosa che possiedi)ndash carte magnetiche o smart chiavi passaporti etc
bull Conoscenza (qualcosa che conosci)ndash Password PIN etc
bull Biometria (ciograve che sei)ndash Una caratteristica fisica iride impronte digitali forma della
mano
ndash Una caratteristica comportamentale firma voce
Cosa egrave la Biometria
bull Dal Greco bios (vita) e metros (misura)
bull Definizione del Biometric Consortium
ldquoriconoscimento automatico di una persona sulla base di caratteristiche discriminantirdquo
9
10
Definizioni
bull La biometria egrave la disciplina che si occupa di misurare
tratti fisiologici e comportamentali degli esseri viventi
offrendone una rappresentazione quantitativa
attraverso modelli matematici e statistici
bull Le tecnologie biometriche costituiscono metodi
automatizzati di verifica o riconoscimento dellrsquoidentitagrave
di una persona basati sul rilevamento di una o piugrave
caratteristiche fisiologiche o comportamentali
dellrsquoindividuo ed il confronto con una immagine
precedentemente acquisita
11
Cosa egrave la Biometria
bull Principi portanti
ndash Ogni persona egrave unica
ndash Individuazione delle caratteristiche somatiche che rendono unico un individuo
ndash Metodologie per la misurazione e quantificazione di tali caratteristiche
ndash Classificazione degli individui sulla base delle misure effettuate
Storia della Biometria
1 200 DC I Cinesi usava lrsquoimpronta digitale per sigillare i documenti
2 1870 Bertillon sviluppa il Bertillonage basato su varie misure
antropometriche
3 1887 Il Bertillonage egrave adottato in Francia
4 1892 Galton sviluppa il primo sistema di classificazione per
impronte
5 1896 Il Bertillonage egrave adottato dal National Bureau of
Investigastion
6 1903 Lo stato di NY adotta il sitema di Galton per schedare i
detenuti
7 1960 Negli Usa si sviluppa il primo sistema semiautomatico per il
riconoscimento del volto
12
13
Storia della Biometria
Slide prodotta da JL Dugelay (Eurecom-France)
14
Storia della Biometria (cont)
bull Gli egiziani usavano lrsquoaltezza di una persona per identificarla durante il pagamento del salario
bull Il sistema Bertillon (1853-1914) creograve un nuovo sistema per identificare i criminali
ndash Principibull ndash lrsquoossatura umana non si modifica piugrave a
partire dai 20 anni
bull ndash ogni scheletro egrave diverso
ndash Misure antropometrichebull ndash lunghezza braccio e dita
bull ndash altezza e larghezza testa
bull ndash lunghezza piedi
ndash Descrizione generale del corpo (proporzioni armonia dei movimenti etc) caratteristiche mentali e morali
ndash Peculiaritagrave della pellebull Nei Porri Cicatrici Tatuaggi
Slide prodotta da JL Dugelay (Eurecom-France)
15
Storia della Biometria (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
16
Storia della Biometria Bertillonage
Forma della mano
Forma della testa
Misura degli arti
Misura del busto
Dettagli del voltoScheda di
Identificazione
17
Bertillonage Gli Strumenti
Caliper Compass Sliding Compass
Small
Sliding Compass
Vertical amp Orizzontal
Measures
18
Il Bertillonage nel Mondo
Slide prodotta da JL Dugelay (Eurecom-France)
19
Sistema di Bertillion - Fallimento
bull Nel 1901 e nel 1903 nel furono registrati due detenuti William West e Will West con misure antropometriche simili
Slide prodotta da JL Dugelay (Eurecom-France)
20
Sistema di Bertillion La Fine
Slide prodotta da JL Dugelay (Eurecom-France)
21
Metodi di autenticazione (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
Quante Password hai
22
bull 6 persone su 10 hanno
subito almeno un furto
drsquoidentitagrave (clonazione
carta di
creditobancomat
falsificazione CI
accesso ad aree
riservate accesso a
informazioni riservate
etc)
23
bull Biometria delle impronte ndash riconoscimento delle impronte
bull Biometria dellrsquoocchio ndash riconoscimento dellrsquoiride e della retina
bull Biometria del volto ndash riconoscimento facciale (foto infrarosso)
bull Biometria della mano ndash geometria delle dita
bull Biometria della firma ndash riconoscimento della firma
bull Biometria della voce ndash riconoscimento vocale
bull Biometria auricolare ndash riconoscimento dellrsquoorecchio
bull Digitazione di tasti
bull DNA
Biometriche riconosciute dallo
Standard X984 - 2003
a) b) c) d) e) f)
g) h) i) j) k)
24
Verifica e Riconoscimento
bull Verifica Confronto Uno a Uno Conferma
lrsquoidentitagrave dichiarata da un individuo
ndash Dichiarata mediante carta di identitagrave codice utente
smart card
bull Riconoscimento Confronto Uno a Molti
Stabilisce lrsquoidentitagrave di un soggetto a partire da un
insieme di persone registrate
25
Proprietagrave di una caratteristica
biometrica
bull Universalitagrave ogni persona deve possedere tale biometria
bull Distintivitagrave (Unicitagrave) due persone devono essere sufficientemente distinguibili in base a tale biometria
bull Permanenza (Stabilitagrave) la biometria deve rimanere invariante (rispetto ai termini di confronto) nel tempo
bull Misurabilitagrave essa deve essere misurabile quantitativamente
26
Proprietagrave di una caratteristica
biometrica
bull Performance (EfficaciaEfficienza) lrsquoacquisizione lrsquoestrazione delle caratteristiche e il confronto delle entitagrave non devono essere troppo costose in termini di tempo memoria ed efficienza del sistema
bull Accettabilitagrave la procedura di acquisizione deve essere tollerata da una vasta parte della popolazione
bull Eludibilitagrave la probabilitagrave che il sistema venga raggirato o indotto in errore deve essere minimizzata
27
Tipologia di Utente
bull Cooperativo egrave interesse dellrsquoutente che il sistema lo riconosca (un impostore cerca di farsi riconoscere)
bull Non-Cooperativo lrsquoutente egrave indifferente al processo di riconoscimento (un impostore cerca di non farsi riconoscere)
bull PubblicoPrivato se gli utenti del sistema saranno il pubblico o i dipendenti (ad esempio Amministrazione) dellrsquoEnte dove il sistema egrave installato
28
Tipologia di Utente
bull Abituatonon abituato frequenza con cui
gli utenti del sistema si prestano al
riconoscimento biometrico (piugrave volte al
giorno settimanalmente mensilmente
ecc)
bull Consapevoleinconsapevole se lrsquoutente egrave
o no al corrente del processo di
riconoscimento in atto
29
Tipologia di Applicazione
bull On-line lrsquoutente egrave in attesa fincheacute il
sistema non risponde (tempi brevi di
risposta)
bull Off-line lrsquoutente viene acquisito ma non
attende una risposta immediata
30
Caratteristiche Biometriche
Caratteristiche
Biometriche
Statiche o
Fisiologiche
Impronte
DigitaliMano Volto Occhio DNA
Dinamiche o
Comportamentali
Voce CalligrafiaStile di
battituraAndatura
31
Biometria Statica o Dinamica
bull Statica (o fisiologica) metodi biometrici ndash autenticazione basata su caratteristiche sempre presentindash Impronte digitali
ndash Scan della retina e dellrsquoiride
ndash Geometria della mano
bull Dinamica (o comportamentale) metodi biometrici ndashautenticazione basata su caratteristiche comportamentalindash Firma
ndash Voce
ndash Battitura tasti
Quali Biometrie
32
33
Sistema
biometricoRobustezza Univocitagrave Accessibilitagrave Accettabilitagrave Privacy
Impronte
DigitaliAlto Alto Medio Medio Basso
Geometria della
ManoMedio Medio Medio Medio Basso
Caratt
IrideAlto Alto Medio Basso Alto
Caratter
VoltoMedio Basso Alto Alto Alto
Dinamica
Appl FirmaBasso Basso Medio Alto Medio
Caratt
VoceBasso Basso Medio Alto Medio
Caratt
RetinaMedio Alto Basso Basso Alto
Comparazione di Tecnologie Biometriche
34
Registrazione di un soggetto
(Enrollment)
bull Si associa un insieme di caratteristicheallrsquoidentitagrave di un soggettondash Raccolta dei dati ed estrazione delle caratteristiche
bull Il modello estratto (template) egrave memorizzato in un database o su un supporto portatile (smart card)
bull Questo processo puograve essere effettuato singolarmente o in blocco (batch enrollment)
35
Architettura di un
Sistema Biometrico
Slide prodotta da JL Dugelay (Eurecom-France)
36
Architettura di un
Sistema Biometrico (cont)
bull Lrsquoidentitagrave corrisponde ed il soggetto egrave
accettato
bull Lrsquoidentitagrave corrisponde ma il soggetto egrave
respinto (errore)
bull Un impostore egrave accettato (errore)
bull Un impostore egrave rifiutato
37
Architettura di un
Sistema Biometrico (cont)
User interface
NAME (PIN)
Quality
checker
Feature
Extractor
System DB
template
name
Enrollment
User interface
NAME (PIN)
Feature
Extractor
Matcher
(1 match)
System DB
one
template
Verification
TrueFalse
claimed identity
User interface
Feature
Extractor
Matcher
(N matches)
System DB
N
templates
Identification
Userrsquos identity or
ldquouser non identifiedrdquo
38
Misura delle Prestazioni
bull Non egrave possibile riconoscere un individuo senza ammettere una tolleranza drsquoerrore
bull La soglia di tolleranza egrave cruciale e dipende fortemente dallrsquoapplicazione
bull Una soglia troppo bassa causa molti errori di Tipo I (rifiuto di soggetti registrati) ndash FRR (False Recognition Rate)
bull Una soglia troppo alta causa molti errori di Tipo II (accettazione di impostori) ndash FAR (False Acceptance Rate)
bull La scelta piugrave utilizzata egrave EER Equal error rate (EER) ndash FAR = FRR
39
Misura delle Prestazioni (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
La scelta piugrave utilizzata egrave ERR Equal error rate (EER) FAR = FRR
40
Quali Biometrie
Slide prodotta da JL Dugelay (Eurecom-France)
41
Quali Biometrie (cont)
a) b) c) d) e) f)
g) h) i) j) k)
Biometrics
bull ear
bull face
bull facial thermogram
bull hand thermogram
bull hand vein
bull hand geometry
bull fingerprint
bull iris
bull retina
bull signature
bull voice
42
bull Biometria delle impronte ndash riconoscimento delle impronte
bull Biometria dellrsquoocchio ndash riconoscimento dellrsquoiride e della retina
bull Biometria del volto ndash riconoscimento facciale (foto infrarosso)
bull Biometria della mano ndash geometria delle dita
bull Biometria della firma ndash riconoscimento della firma
bull Biometria della voce ndash riconoscimento vocale
bull Biometria auricolare ndash riconoscimento dellrsquoorecchio
bull Digitazione di tasti
bull DNA
Tecniche riconosciute dallo
Standard X984 - 2003
Impronte
digitali
voltoFirma
Iride
voce
Geometria della
mano
43
Variabilitagrave delle Biometrie
bull I Dati Biometrici non possono essere persi trasferiti ad altri o dimenticatihellipma
bull Lrsquoacquisizione (digitalizzazione dei dati) puograve determinare una variabilitagrave delle biometrie
ndash Intra_Classebull Variabilitagrave delle biometrie per un individuo
ndash Inter_Classebull Similaritagrave delle biometrie tra individui diversi
44
Variabilitagrave delle Biometrie
bull Intra_Classe
ndash Il MedioBreve Termine
ndash Il Lungo Termine Lrsquoetagrave
ndash La posa
ndash Le parziali occlusioni
ndash Lrsquoespressione
ndash Lrsquoilluminazione
45
Variabilitagrave delle Biometrie
bull Inter_Classe
ndash Gemelli
ndash Sosia
ndash hellip
ndash hellip
ndash hellip
Intra-class Variations
Time duration 6 months
Time duration 2 years
Variabilitagrave Intra-Classe Il Tempo
47
Sharbat GulaSharbat Gula
1985 2002
(Left photo copy Steve McCurry Right photo Steve McCurry copy National Geographic Society)
Variabilitagrave Intra-Classe Lrsquoetagrave (cont)
48
Variabilitagrave Intra-Classe La Posa
49
Variabilitagrave Intra-Classe
LrsquoEspressione
50
Variabilitagrave Intra-Classe
Espressione Posa e Parziali Occlusioni
51
Variabilitagrave Intra-Classe
LrsquoIlluminazione
52
Similaritagrave Inter-Classe
Count of Q2 Q2
Gender A 1 A 2 A 3 A 4 A 5 A 6 A 7 A 8 A 9 A 10Grand Total
Female 8 3 4 4 16 8 0 4 2 51 100
Male 9 5 3 6 6 5 1 2 1 63 100
Grand Total 9 4 3 5 9 6 1 3 1 59 100
54
56
Standard Esistenti
wwwbiometricsorgwwwnistgovbcwg
wwwbioapiorg
wwwibiaorgwwwbiometricfoundationorg
wwwnistgovcbeff
wwwitlnistorg
57
Sistemi CommercialiPanoramica
Il numero di distributori di SDKs (Software Development Kits) da poter integrare in applicazioni
esistenti
Il problema del face detection egrave visto come un problema collaterale
Tutti gli SDKs disponibili sono reperibili solo a pagamento
CompagniaSDK Documentazione Disponibile Tecnologia
Cognitec
Germania
FaceVAC
S SDK
httpwwwcognitec-
agdedocumentationfrsdk_p
ublic
Reti Neurali
HumanScan
Germania
BioID 31
SDK
httpwwwbioidcomsdkdoc
s
Detection Model based
(Hausdorff)
Identix
USA
FaceIT
SDKLocal Feature Analysis
Imagis
Canada
ID2000
SDK
Viisage
USA
FaceTool
sEigenfaces
58
Sistemi Commerciali
Cognitec
Caratteristiche
Basato sulla tecnologia FaceVACSreg
500000 confronti al secondo su processori Pentium
Lavora anche in modalitagrave distribuita
Interfaccia amichevole che permette ordinamento riorganizzazione
navigazione selezione
Piugrave immagini per ciascuna persona
Facile gestione di nuovi soggetti da aggiungere
Possibilitagrave di sottoporre valutazioni sulla qualitagrave
Integration Kit per lrsquointegrazione con altri pacchetti software
59
Sistemi Commerciali
Cognitec
Caratteristiche
bullBasato su tecnologia FaceVACSreg
bullAutomatic face recognition per una maggiore sicurezza a costi
convenienti
bullVaria dalla gestione di un singolo punto di accesso alla
regolazioni degli accessi a reti molto vaste
bullFacile integrazione nei sistemi giagrave esistenti
bullCombinabile con lettori di carte keypads e diverse tipologie di
videocamere
bullPossibilitagrave di monitorare eventi predefiniti
bullRegistrazione on-line e off-line
bullldquoVerifica direttaldquo per sistemi di altissima sicurezza
60
Sistemi Commerciali
Cognitec
Caratteristiche
bullAnalisi di piugrave sequenze video
bullFace detection di volti in piugrave video
bullFace recognition real time
bullCreazione di un file di log
bullRegistrazione interattiva da immagini fisse o
video
bullPannello di gestione dei filmati
bullIntegration Kit per lrsquointegrazione di sistemi
esistenti
61
Viisage FacePASSreg
Caratteristiche
bullFacePASS egrave utilizzato in sistemi di sicurezza controlli
per lrsquoaccesso e verifica di corrispondenza
documentoidentitagrave
bullPermette la verifica di identitagrave
bullPermette di riconoscere a ciascun soggetto identificato
il rispettivo livello di accesso
bullFrutto della tecnologia visage egrave in uso da diversi anni in
applicazioni industriali
bullInterfaccia amichevole costruita sulla base del feed-
back ottenuto dagli utenti
62
IdentiX
ABIS Face Enterprise Edition
Le componenti del sistema ABIS lavorano su architettura distribuita con il vantaggio della scalabilitagrave e della ridondanza
bull Search Core Server ABIS System search engine firmware Lavora su Intelreg Xeontrade o Pentiumreg III blade servers
bull Database Server Oracle 9i Database memorizza fino a 20 million di volti su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni e della dimensione del database richieste
bull Application Server ABIS XML-RPC Application Programming Interface lavora su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni
63
Effettiva percentuale di
utilizzo dei sistemi biometrici
Finger Scan
521
Keystroke Scan
03
Facial Scan
114Hand Scan
100
Middleware
124
Iris Scan
73
Voice Scan
41
Signature Scan
24
64
Biometric Revenues
65
DEMO
4
Identitagrave dichiarata = Identitagrave reale
5
Identitagrave dichiarata = Identitagrave reale
Che orecchie
grandi che hai
Ps Premesso che
cappuccetto rosso non
era famosa per essere una
tipa sveglia
6
Autenticazione di un Soggetto
bull Processo di associazione dellrsquoidentitagrave ad un
soggetto attraverso un processo di verifica o
riconoscimento
ndash Una persona riconosce una persona
bull Sistemi e supporti di identificazione (carta di identitagrave codice
fiscale)
bull Conoscenza diretta
ndash Un sistema informatico riconosce una persona
bull Sistemi e supporti di identificazione (smart card biometriche
etc)
7
Autenticazione di un Soggetto
bull Limiti dei tradizionali metodi di autenticazione
ndash PIN
bull Si puograve dimenticare o puograve essere carpito da un
impostore
ndash Chiavi (fisiche)
bull Si possono rompere o perdere
Non consentono la distinzione tra il reale
possessore e un impostore
8
Un Nuovo Metodo
bull Pass (qualcosa che possiedi)ndash carte magnetiche o smart chiavi passaporti etc
bull Conoscenza (qualcosa che conosci)ndash Password PIN etc
bull Biometria (ciograve che sei)ndash Una caratteristica fisica iride impronte digitali forma della
mano
ndash Una caratteristica comportamentale firma voce
Cosa egrave la Biometria
bull Dal Greco bios (vita) e metros (misura)
bull Definizione del Biometric Consortium
ldquoriconoscimento automatico di una persona sulla base di caratteristiche discriminantirdquo
9
10
Definizioni
bull La biometria egrave la disciplina che si occupa di misurare
tratti fisiologici e comportamentali degli esseri viventi
offrendone una rappresentazione quantitativa
attraverso modelli matematici e statistici
bull Le tecnologie biometriche costituiscono metodi
automatizzati di verifica o riconoscimento dellrsquoidentitagrave
di una persona basati sul rilevamento di una o piugrave
caratteristiche fisiologiche o comportamentali
dellrsquoindividuo ed il confronto con una immagine
precedentemente acquisita
11
Cosa egrave la Biometria
bull Principi portanti
ndash Ogni persona egrave unica
ndash Individuazione delle caratteristiche somatiche che rendono unico un individuo
ndash Metodologie per la misurazione e quantificazione di tali caratteristiche
ndash Classificazione degli individui sulla base delle misure effettuate
Storia della Biometria
1 200 DC I Cinesi usava lrsquoimpronta digitale per sigillare i documenti
2 1870 Bertillon sviluppa il Bertillonage basato su varie misure
antropometriche
3 1887 Il Bertillonage egrave adottato in Francia
4 1892 Galton sviluppa il primo sistema di classificazione per
impronte
5 1896 Il Bertillonage egrave adottato dal National Bureau of
Investigastion
6 1903 Lo stato di NY adotta il sitema di Galton per schedare i
detenuti
7 1960 Negli Usa si sviluppa il primo sistema semiautomatico per il
riconoscimento del volto
12
13
Storia della Biometria
Slide prodotta da JL Dugelay (Eurecom-France)
14
Storia della Biometria (cont)
bull Gli egiziani usavano lrsquoaltezza di una persona per identificarla durante il pagamento del salario
bull Il sistema Bertillon (1853-1914) creograve un nuovo sistema per identificare i criminali
ndash Principibull ndash lrsquoossatura umana non si modifica piugrave a
partire dai 20 anni
bull ndash ogni scheletro egrave diverso
ndash Misure antropometrichebull ndash lunghezza braccio e dita
bull ndash altezza e larghezza testa
bull ndash lunghezza piedi
ndash Descrizione generale del corpo (proporzioni armonia dei movimenti etc) caratteristiche mentali e morali
ndash Peculiaritagrave della pellebull Nei Porri Cicatrici Tatuaggi
Slide prodotta da JL Dugelay (Eurecom-France)
15
Storia della Biometria (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
16
Storia della Biometria Bertillonage
Forma della mano
Forma della testa
Misura degli arti
Misura del busto
Dettagli del voltoScheda di
Identificazione
17
Bertillonage Gli Strumenti
Caliper Compass Sliding Compass
Small
Sliding Compass
Vertical amp Orizzontal
Measures
18
Il Bertillonage nel Mondo
Slide prodotta da JL Dugelay (Eurecom-France)
19
Sistema di Bertillion - Fallimento
bull Nel 1901 e nel 1903 nel furono registrati due detenuti William West e Will West con misure antropometriche simili
Slide prodotta da JL Dugelay (Eurecom-France)
20
Sistema di Bertillion La Fine
Slide prodotta da JL Dugelay (Eurecom-France)
21
Metodi di autenticazione (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
Quante Password hai
22
bull 6 persone su 10 hanno
subito almeno un furto
drsquoidentitagrave (clonazione
carta di
creditobancomat
falsificazione CI
accesso ad aree
riservate accesso a
informazioni riservate
etc)
23
bull Biometria delle impronte ndash riconoscimento delle impronte
bull Biometria dellrsquoocchio ndash riconoscimento dellrsquoiride e della retina
bull Biometria del volto ndash riconoscimento facciale (foto infrarosso)
bull Biometria della mano ndash geometria delle dita
bull Biometria della firma ndash riconoscimento della firma
bull Biometria della voce ndash riconoscimento vocale
bull Biometria auricolare ndash riconoscimento dellrsquoorecchio
bull Digitazione di tasti
bull DNA
Biometriche riconosciute dallo
Standard X984 - 2003
a) b) c) d) e) f)
g) h) i) j) k)
24
Verifica e Riconoscimento
bull Verifica Confronto Uno a Uno Conferma
lrsquoidentitagrave dichiarata da un individuo
ndash Dichiarata mediante carta di identitagrave codice utente
smart card
bull Riconoscimento Confronto Uno a Molti
Stabilisce lrsquoidentitagrave di un soggetto a partire da un
insieme di persone registrate
25
Proprietagrave di una caratteristica
biometrica
bull Universalitagrave ogni persona deve possedere tale biometria
bull Distintivitagrave (Unicitagrave) due persone devono essere sufficientemente distinguibili in base a tale biometria
bull Permanenza (Stabilitagrave) la biometria deve rimanere invariante (rispetto ai termini di confronto) nel tempo
bull Misurabilitagrave essa deve essere misurabile quantitativamente
26
Proprietagrave di una caratteristica
biometrica
bull Performance (EfficaciaEfficienza) lrsquoacquisizione lrsquoestrazione delle caratteristiche e il confronto delle entitagrave non devono essere troppo costose in termini di tempo memoria ed efficienza del sistema
bull Accettabilitagrave la procedura di acquisizione deve essere tollerata da una vasta parte della popolazione
bull Eludibilitagrave la probabilitagrave che il sistema venga raggirato o indotto in errore deve essere minimizzata
27
Tipologia di Utente
bull Cooperativo egrave interesse dellrsquoutente che il sistema lo riconosca (un impostore cerca di farsi riconoscere)
bull Non-Cooperativo lrsquoutente egrave indifferente al processo di riconoscimento (un impostore cerca di non farsi riconoscere)
bull PubblicoPrivato se gli utenti del sistema saranno il pubblico o i dipendenti (ad esempio Amministrazione) dellrsquoEnte dove il sistema egrave installato
28
Tipologia di Utente
bull Abituatonon abituato frequenza con cui
gli utenti del sistema si prestano al
riconoscimento biometrico (piugrave volte al
giorno settimanalmente mensilmente
ecc)
bull Consapevoleinconsapevole se lrsquoutente egrave
o no al corrente del processo di
riconoscimento in atto
29
Tipologia di Applicazione
bull On-line lrsquoutente egrave in attesa fincheacute il
sistema non risponde (tempi brevi di
risposta)
bull Off-line lrsquoutente viene acquisito ma non
attende una risposta immediata
30
Caratteristiche Biometriche
Caratteristiche
Biometriche
Statiche o
Fisiologiche
Impronte
DigitaliMano Volto Occhio DNA
Dinamiche o
Comportamentali
Voce CalligrafiaStile di
battituraAndatura
31
Biometria Statica o Dinamica
bull Statica (o fisiologica) metodi biometrici ndash autenticazione basata su caratteristiche sempre presentindash Impronte digitali
ndash Scan della retina e dellrsquoiride
ndash Geometria della mano
bull Dinamica (o comportamentale) metodi biometrici ndashautenticazione basata su caratteristiche comportamentalindash Firma
ndash Voce
ndash Battitura tasti
Quali Biometrie
32
33
Sistema
biometricoRobustezza Univocitagrave Accessibilitagrave Accettabilitagrave Privacy
Impronte
DigitaliAlto Alto Medio Medio Basso
Geometria della
ManoMedio Medio Medio Medio Basso
Caratt
IrideAlto Alto Medio Basso Alto
Caratter
VoltoMedio Basso Alto Alto Alto
Dinamica
Appl FirmaBasso Basso Medio Alto Medio
Caratt
VoceBasso Basso Medio Alto Medio
Caratt
RetinaMedio Alto Basso Basso Alto
Comparazione di Tecnologie Biometriche
34
Registrazione di un soggetto
(Enrollment)
bull Si associa un insieme di caratteristicheallrsquoidentitagrave di un soggettondash Raccolta dei dati ed estrazione delle caratteristiche
bull Il modello estratto (template) egrave memorizzato in un database o su un supporto portatile (smart card)
bull Questo processo puograve essere effettuato singolarmente o in blocco (batch enrollment)
35
Architettura di un
Sistema Biometrico
Slide prodotta da JL Dugelay (Eurecom-France)
36
Architettura di un
Sistema Biometrico (cont)
bull Lrsquoidentitagrave corrisponde ed il soggetto egrave
accettato
bull Lrsquoidentitagrave corrisponde ma il soggetto egrave
respinto (errore)
bull Un impostore egrave accettato (errore)
bull Un impostore egrave rifiutato
37
Architettura di un
Sistema Biometrico (cont)
User interface
NAME (PIN)
Quality
checker
Feature
Extractor
System DB
template
name
Enrollment
User interface
NAME (PIN)
Feature
Extractor
Matcher
(1 match)
System DB
one
template
Verification
TrueFalse
claimed identity
User interface
Feature
Extractor
Matcher
(N matches)
System DB
N
templates
Identification
Userrsquos identity or
ldquouser non identifiedrdquo
38
Misura delle Prestazioni
bull Non egrave possibile riconoscere un individuo senza ammettere una tolleranza drsquoerrore
bull La soglia di tolleranza egrave cruciale e dipende fortemente dallrsquoapplicazione
bull Una soglia troppo bassa causa molti errori di Tipo I (rifiuto di soggetti registrati) ndash FRR (False Recognition Rate)
bull Una soglia troppo alta causa molti errori di Tipo II (accettazione di impostori) ndash FAR (False Acceptance Rate)
bull La scelta piugrave utilizzata egrave EER Equal error rate (EER) ndash FAR = FRR
39
Misura delle Prestazioni (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
La scelta piugrave utilizzata egrave ERR Equal error rate (EER) FAR = FRR
40
Quali Biometrie
Slide prodotta da JL Dugelay (Eurecom-France)
41
Quali Biometrie (cont)
a) b) c) d) e) f)
g) h) i) j) k)
Biometrics
bull ear
bull face
bull facial thermogram
bull hand thermogram
bull hand vein
bull hand geometry
bull fingerprint
bull iris
bull retina
bull signature
bull voice
42
bull Biometria delle impronte ndash riconoscimento delle impronte
bull Biometria dellrsquoocchio ndash riconoscimento dellrsquoiride e della retina
bull Biometria del volto ndash riconoscimento facciale (foto infrarosso)
bull Biometria della mano ndash geometria delle dita
bull Biometria della firma ndash riconoscimento della firma
bull Biometria della voce ndash riconoscimento vocale
bull Biometria auricolare ndash riconoscimento dellrsquoorecchio
bull Digitazione di tasti
bull DNA
Tecniche riconosciute dallo
Standard X984 - 2003
Impronte
digitali
voltoFirma
Iride
voce
Geometria della
mano
43
Variabilitagrave delle Biometrie
bull I Dati Biometrici non possono essere persi trasferiti ad altri o dimenticatihellipma
bull Lrsquoacquisizione (digitalizzazione dei dati) puograve determinare una variabilitagrave delle biometrie
ndash Intra_Classebull Variabilitagrave delle biometrie per un individuo
ndash Inter_Classebull Similaritagrave delle biometrie tra individui diversi
44
Variabilitagrave delle Biometrie
bull Intra_Classe
ndash Il MedioBreve Termine
ndash Il Lungo Termine Lrsquoetagrave
ndash La posa
ndash Le parziali occlusioni
ndash Lrsquoespressione
ndash Lrsquoilluminazione
45
Variabilitagrave delle Biometrie
bull Inter_Classe
ndash Gemelli
ndash Sosia
ndash hellip
ndash hellip
ndash hellip
Intra-class Variations
Time duration 6 months
Time duration 2 years
Variabilitagrave Intra-Classe Il Tempo
47
Sharbat GulaSharbat Gula
1985 2002
(Left photo copy Steve McCurry Right photo Steve McCurry copy National Geographic Society)
Variabilitagrave Intra-Classe Lrsquoetagrave (cont)
48
Variabilitagrave Intra-Classe La Posa
49
Variabilitagrave Intra-Classe
LrsquoEspressione
50
Variabilitagrave Intra-Classe
Espressione Posa e Parziali Occlusioni
51
Variabilitagrave Intra-Classe
LrsquoIlluminazione
52
Similaritagrave Inter-Classe
Count of Q2 Q2
Gender A 1 A 2 A 3 A 4 A 5 A 6 A 7 A 8 A 9 A 10Grand Total
Female 8 3 4 4 16 8 0 4 2 51 100
Male 9 5 3 6 6 5 1 2 1 63 100
Grand Total 9 4 3 5 9 6 1 3 1 59 100
54
56
Standard Esistenti
wwwbiometricsorgwwwnistgovbcwg
wwwbioapiorg
wwwibiaorgwwwbiometricfoundationorg
wwwnistgovcbeff
wwwitlnistorg
57
Sistemi CommercialiPanoramica
Il numero di distributori di SDKs (Software Development Kits) da poter integrare in applicazioni
esistenti
Il problema del face detection egrave visto come un problema collaterale
Tutti gli SDKs disponibili sono reperibili solo a pagamento
CompagniaSDK Documentazione Disponibile Tecnologia
Cognitec
Germania
FaceVAC
S SDK
httpwwwcognitec-
agdedocumentationfrsdk_p
ublic
Reti Neurali
HumanScan
Germania
BioID 31
SDK
httpwwwbioidcomsdkdoc
s
Detection Model based
(Hausdorff)
Identix
USA
FaceIT
SDKLocal Feature Analysis
Imagis
Canada
ID2000
SDK
Viisage
USA
FaceTool
sEigenfaces
58
Sistemi Commerciali
Cognitec
Caratteristiche
Basato sulla tecnologia FaceVACSreg
500000 confronti al secondo su processori Pentium
Lavora anche in modalitagrave distribuita
Interfaccia amichevole che permette ordinamento riorganizzazione
navigazione selezione
Piugrave immagini per ciascuna persona
Facile gestione di nuovi soggetti da aggiungere
Possibilitagrave di sottoporre valutazioni sulla qualitagrave
Integration Kit per lrsquointegrazione con altri pacchetti software
59
Sistemi Commerciali
Cognitec
Caratteristiche
bullBasato su tecnologia FaceVACSreg
bullAutomatic face recognition per una maggiore sicurezza a costi
convenienti
bullVaria dalla gestione di un singolo punto di accesso alla
regolazioni degli accessi a reti molto vaste
bullFacile integrazione nei sistemi giagrave esistenti
bullCombinabile con lettori di carte keypads e diverse tipologie di
videocamere
bullPossibilitagrave di monitorare eventi predefiniti
bullRegistrazione on-line e off-line
bullldquoVerifica direttaldquo per sistemi di altissima sicurezza
60
Sistemi Commerciali
Cognitec
Caratteristiche
bullAnalisi di piugrave sequenze video
bullFace detection di volti in piugrave video
bullFace recognition real time
bullCreazione di un file di log
bullRegistrazione interattiva da immagini fisse o
video
bullPannello di gestione dei filmati
bullIntegration Kit per lrsquointegrazione di sistemi
esistenti
61
Viisage FacePASSreg
Caratteristiche
bullFacePASS egrave utilizzato in sistemi di sicurezza controlli
per lrsquoaccesso e verifica di corrispondenza
documentoidentitagrave
bullPermette la verifica di identitagrave
bullPermette di riconoscere a ciascun soggetto identificato
il rispettivo livello di accesso
bullFrutto della tecnologia visage egrave in uso da diversi anni in
applicazioni industriali
bullInterfaccia amichevole costruita sulla base del feed-
back ottenuto dagli utenti
62
IdentiX
ABIS Face Enterprise Edition
Le componenti del sistema ABIS lavorano su architettura distribuita con il vantaggio della scalabilitagrave e della ridondanza
bull Search Core Server ABIS System search engine firmware Lavora su Intelreg Xeontrade o Pentiumreg III blade servers
bull Database Server Oracle 9i Database memorizza fino a 20 million di volti su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni e della dimensione del database richieste
bull Application Server ABIS XML-RPC Application Programming Interface lavora su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni
63
Effettiva percentuale di
utilizzo dei sistemi biometrici
Finger Scan
521
Keystroke Scan
03
Facial Scan
114Hand Scan
100
Middleware
124
Iris Scan
73
Voice Scan
41
Signature Scan
24
64
Biometric Revenues
65
DEMO
5
Identitagrave dichiarata = Identitagrave reale
Che orecchie
grandi che hai
Ps Premesso che
cappuccetto rosso non
era famosa per essere una
tipa sveglia
6
Autenticazione di un Soggetto
bull Processo di associazione dellrsquoidentitagrave ad un
soggetto attraverso un processo di verifica o
riconoscimento
ndash Una persona riconosce una persona
bull Sistemi e supporti di identificazione (carta di identitagrave codice
fiscale)
bull Conoscenza diretta
ndash Un sistema informatico riconosce una persona
bull Sistemi e supporti di identificazione (smart card biometriche
etc)
7
Autenticazione di un Soggetto
bull Limiti dei tradizionali metodi di autenticazione
ndash PIN
bull Si puograve dimenticare o puograve essere carpito da un
impostore
ndash Chiavi (fisiche)
bull Si possono rompere o perdere
Non consentono la distinzione tra il reale
possessore e un impostore
8
Un Nuovo Metodo
bull Pass (qualcosa che possiedi)ndash carte magnetiche o smart chiavi passaporti etc
bull Conoscenza (qualcosa che conosci)ndash Password PIN etc
bull Biometria (ciograve che sei)ndash Una caratteristica fisica iride impronte digitali forma della
mano
ndash Una caratteristica comportamentale firma voce
Cosa egrave la Biometria
bull Dal Greco bios (vita) e metros (misura)
bull Definizione del Biometric Consortium
ldquoriconoscimento automatico di una persona sulla base di caratteristiche discriminantirdquo
9
10
Definizioni
bull La biometria egrave la disciplina che si occupa di misurare
tratti fisiologici e comportamentali degli esseri viventi
offrendone una rappresentazione quantitativa
attraverso modelli matematici e statistici
bull Le tecnologie biometriche costituiscono metodi
automatizzati di verifica o riconoscimento dellrsquoidentitagrave
di una persona basati sul rilevamento di una o piugrave
caratteristiche fisiologiche o comportamentali
dellrsquoindividuo ed il confronto con una immagine
precedentemente acquisita
11
Cosa egrave la Biometria
bull Principi portanti
ndash Ogni persona egrave unica
ndash Individuazione delle caratteristiche somatiche che rendono unico un individuo
ndash Metodologie per la misurazione e quantificazione di tali caratteristiche
ndash Classificazione degli individui sulla base delle misure effettuate
Storia della Biometria
1 200 DC I Cinesi usava lrsquoimpronta digitale per sigillare i documenti
2 1870 Bertillon sviluppa il Bertillonage basato su varie misure
antropometriche
3 1887 Il Bertillonage egrave adottato in Francia
4 1892 Galton sviluppa il primo sistema di classificazione per
impronte
5 1896 Il Bertillonage egrave adottato dal National Bureau of
Investigastion
6 1903 Lo stato di NY adotta il sitema di Galton per schedare i
detenuti
7 1960 Negli Usa si sviluppa il primo sistema semiautomatico per il
riconoscimento del volto
12
13
Storia della Biometria
Slide prodotta da JL Dugelay (Eurecom-France)
14
Storia della Biometria (cont)
bull Gli egiziani usavano lrsquoaltezza di una persona per identificarla durante il pagamento del salario
bull Il sistema Bertillon (1853-1914) creograve un nuovo sistema per identificare i criminali
ndash Principibull ndash lrsquoossatura umana non si modifica piugrave a
partire dai 20 anni
bull ndash ogni scheletro egrave diverso
ndash Misure antropometrichebull ndash lunghezza braccio e dita
bull ndash altezza e larghezza testa
bull ndash lunghezza piedi
ndash Descrizione generale del corpo (proporzioni armonia dei movimenti etc) caratteristiche mentali e morali
ndash Peculiaritagrave della pellebull Nei Porri Cicatrici Tatuaggi
Slide prodotta da JL Dugelay (Eurecom-France)
15
Storia della Biometria (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
16
Storia della Biometria Bertillonage
Forma della mano
Forma della testa
Misura degli arti
Misura del busto
Dettagli del voltoScheda di
Identificazione
17
Bertillonage Gli Strumenti
Caliper Compass Sliding Compass
Small
Sliding Compass
Vertical amp Orizzontal
Measures
18
Il Bertillonage nel Mondo
Slide prodotta da JL Dugelay (Eurecom-France)
19
Sistema di Bertillion - Fallimento
bull Nel 1901 e nel 1903 nel furono registrati due detenuti William West e Will West con misure antropometriche simili
Slide prodotta da JL Dugelay (Eurecom-France)
20
Sistema di Bertillion La Fine
Slide prodotta da JL Dugelay (Eurecom-France)
21
Metodi di autenticazione (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
Quante Password hai
22
bull 6 persone su 10 hanno
subito almeno un furto
drsquoidentitagrave (clonazione
carta di
creditobancomat
falsificazione CI
accesso ad aree
riservate accesso a
informazioni riservate
etc)
23
bull Biometria delle impronte ndash riconoscimento delle impronte
bull Biometria dellrsquoocchio ndash riconoscimento dellrsquoiride e della retina
bull Biometria del volto ndash riconoscimento facciale (foto infrarosso)
bull Biometria della mano ndash geometria delle dita
bull Biometria della firma ndash riconoscimento della firma
bull Biometria della voce ndash riconoscimento vocale
bull Biometria auricolare ndash riconoscimento dellrsquoorecchio
bull Digitazione di tasti
bull DNA
Biometriche riconosciute dallo
Standard X984 - 2003
a) b) c) d) e) f)
g) h) i) j) k)
24
Verifica e Riconoscimento
bull Verifica Confronto Uno a Uno Conferma
lrsquoidentitagrave dichiarata da un individuo
ndash Dichiarata mediante carta di identitagrave codice utente
smart card
bull Riconoscimento Confronto Uno a Molti
Stabilisce lrsquoidentitagrave di un soggetto a partire da un
insieme di persone registrate
25
Proprietagrave di una caratteristica
biometrica
bull Universalitagrave ogni persona deve possedere tale biometria
bull Distintivitagrave (Unicitagrave) due persone devono essere sufficientemente distinguibili in base a tale biometria
bull Permanenza (Stabilitagrave) la biometria deve rimanere invariante (rispetto ai termini di confronto) nel tempo
bull Misurabilitagrave essa deve essere misurabile quantitativamente
26
Proprietagrave di una caratteristica
biometrica
bull Performance (EfficaciaEfficienza) lrsquoacquisizione lrsquoestrazione delle caratteristiche e il confronto delle entitagrave non devono essere troppo costose in termini di tempo memoria ed efficienza del sistema
bull Accettabilitagrave la procedura di acquisizione deve essere tollerata da una vasta parte della popolazione
bull Eludibilitagrave la probabilitagrave che il sistema venga raggirato o indotto in errore deve essere minimizzata
27
Tipologia di Utente
bull Cooperativo egrave interesse dellrsquoutente che il sistema lo riconosca (un impostore cerca di farsi riconoscere)
bull Non-Cooperativo lrsquoutente egrave indifferente al processo di riconoscimento (un impostore cerca di non farsi riconoscere)
bull PubblicoPrivato se gli utenti del sistema saranno il pubblico o i dipendenti (ad esempio Amministrazione) dellrsquoEnte dove il sistema egrave installato
28
Tipologia di Utente
bull Abituatonon abituato frequenza con cui
gli utenti del sistema si prestano al
riconoscimento biometrico (piugrave volte al
giorno settimanalmente mensilmente
ecc)
bull Consapevoleinconsapevole se lrsquoutente egrave
o no al corrente del processo di
riconoscimento in atto
29
Tipologia di Applicazione
bull On-line lrsquoutente egrave in attesa fincheacute il
sistema non risponde (tempi brevi di
risposta)
bull Off-line lrsquoutente viene acquisito ma non
attende una risposta immediata
30
Caratteristiche Biometriche
Caratteristiche
Biometriche
Statiche o
Fisiologiche
Impronte
DigitaliMano Volto Occhio DNA
Dinamiche o
Comportamentali
Voce CalligrafiaStile di
battituraAndatura
31
Biometria Statica o Dinamica
bull Statica (o fisiologica) metodi biometrici ndash autenticazione basata su caratteristiche sempre presentindash Impronte digitali
ndash Scan della retina e dellrsquoiride
ndash Geometria della mano
bull Dinamica (o comportamentale) metodi biometrici ndashautenticazione basata su caratteristiche comportamentalindash Firma
ndash Voce
ndash Battitura tasti
Quali Biometrie
32
33
Sistema
biometricoRobustezza Univocitagrave Accessibilitagrave Accettabilitagrave Privacy
Impronte
DigitaliAlto Alto Medio Medio Basso
Geometria della
ManoMedio Medio Medio Medio Basso
Caratt
IrideAlto Alto Medio Basso Alto
Caratter
VoltoMedio Basso Alto Alto Alto
Dinamica
Appl FirmaBasso Basso Medio Alto Medio
Caratt
VoceBasso Basso Medio Alto Medio
Caratt
RetinaMedio Alto Basso Basso Alto
Comparazione di Tecnologie Biometriche
34
Registrazione di un soggetto
(Enrollment)
bull Si associa un insieme di caratteristicheallrsquoidentitagrave di un soggettondash Raccolta dei dati ed estrazione delle caratteristiche
bull Il modello estratto (template) egrave memorizzato in un database o su un supporto portatile (smart card)
bull Questo processo puograve essere effettuato singolarmente o in blocco (batch enrollment)
35
Architettura di un
Sistema Biometrico
Slide prodotta da JL Dugelay (Eurecom-France)
36
Architettura di un
Sistema Biometrico (cont)
bull Lrsquoidentitagrave corrisponde ed il soggetto egrave
accettato
bull Lrsquoidentitagrave corrisponde ma il soggetto egrave
respinto (errore)
bull Un impostore egrave accettato (errore)
bull Un impostore egrave rifiutato
37
Architettura di un
Sistema Biometrico (cont)
User interface
NAME (PIN)
Quality
checker
Feature
Extractor
System DB
template
name
Enrollment
User interface
NAME (PIN)
Feature
Extractor
Matcher
(1 match)
System DB
one
template
Verification
TrueFalse
claimed identity
User interface
Feature
Extractor
Matcher
(N matches)
System DB
N
templates
Identification
Userrsquos identity or
ldquouser non identifiedrdquo
38
Misura delle Prestazioni
bull Non egrave possibile riconoscere un individuo senza ammettere una tolleranza drsquoerrore
bull La soglia di tolleranza egrave cruciale e dipende fortemente dallrsquoapplicazione
bull Una soglia troppo bassa causa molti errori di Tipo I (rifiuto di soggetti registrati) ndash FRR (False Recognition Rate)
bull Una soglia troppo alta causa molti errori di Tipo II (accettazione di impostori) ndash FAR (False Acceptance Rate)
bull La scelta piugrave utilizzata egrave EER Equal error rate (EER) ndash FAR = FRR
39
Misura delle Prestazioni (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
La scelta piugrave utilizzata egrave ERR Equal error rate (EER) FAR = FRR
40
Quali Biometrie
Slide prodotta da JL Dugelay (Eurecom-France)
41
Quali Biometrie (cont)
a) b) c) d) e) f)
g) h) i) j) k)
Biometrics
bull ear
bull face
bull facial thermogram
bull hand thermogram
bull hand vein
bull hand geometry
bull fingerprint
bull iris
bull retina
bull signature
bull voice
42
bull Biometria delle impronte ndash riconoscimento delle impronte
bull Biometria dellrsquoocchio ndash riconoscimento dellrsquoiride e della retina
bull Biometria del volto ndash riconoscimento facciale (foto infrarosso)
bull Biometria della mano ndash geometria delle dita
bull Biometria della firma ndash riconoscimento della firma
bull Biometria della voce ndash riconoscimento vocale
bull Biometria auricolare ndash riconoscimento dellrsquoorecchio
bull Digitazione di tasti
bull DNA
Tecniche riconosciute dallo
Standard X984 - 2003
Impronte
digitali
voltoFirma
Iride
voce
Geometria della
mano
43
Variabilitagrave delle Biometrie
bull I Dati Biometrici non possono essere persi trasferiti ad altri o dimenticatihellipma
bull Lrsquoacquisizione (digitalizzazione dei dati) puograve determinare una variabilitagrave delle biometrie
ndash Intra_Classebull Variabilitagrave delle biometrie per un individuo
ndash Inter_Classebull Similaritagrave delle biometrie tra individui diversi
44
Variabilitagrave delle Biometrie
bull Intra_Classe
ndash Il MedioBreve Termine
ndash Il Lungo Termine Lrsquoetagrave
ndash La posa
ndash Le parziali occlusioni
ndash Lrsquoespressione
ndash Lrsquoilluminazione
45
Variabilitagrave delle Biometrie
bull Inter_Classe
ndash Gemelli
ndash Sosia
ndash hellip
ndash hellip
ndash hellip
Intra-class Variations
Time duration 6 months
Time duration 2 years
Variabilitagrave Intra-Classe Il Tempo
47
Sharbat GulaSharbat Gula
1985 2002
(Left photo copy Steve McCurry Right photo Steve McCurry copy National Geographic Society)
Variabilitagrave Intra-Classe Lrsquoetagrave (cont)
48
Variabilitagrave Intra-Classe La Posa
49
Variabilitagrave Intra-Classe
LrsquoEspressione
50
Variabilitagrave Intra-Classe
Espressione Posa e Parziali Occlusioni
51
Variabilitagrave Intra-Classe
LrsquoIlluminazione
52
Similaritagrave Inter-Classe
Count of Q2 Q2
Gender A 1 A 2 A 3 A 4 A 5 A 6 A 7 A 8 A 9 A 10Grand Total
Female 8 3 4 4 16 8 0 4 2 51 100
Male 9 5 3 6 6 5 1 2 1 63 100
Grand Total 9 4 3 5 9 6 1 3 1 59 100
54
56
Standard Esistenti
wwwbiometricsorgwwwnistgovbcwg
wwwbioapiorg
wwwibiaorgwwwbiometricfoundationorg
wwwnistgovcbeff
wwwitlnistorg
57
Sistemi CommercialiPanoramica
Il numero di distributori di SDKs (Software Development Kits) da poter integrare in applicazioni
esistenti
Il problema del face detection egrave visto come un problema collaterale
Tutti gli SDKs disponibili sono reperibili solo a pagamento
CompagniaSDK Documentazione Disponibile Tecnologia
Cognitec
Germania
FaceVAC
S SDK
httpwwwcognitec-
agdedocumentationfrsdk_p
ublic
Reti Neurali
HumanScan
Germania
BioID 31
SDK
httpwwwbioidcomsdkdoc
s
Detection Model based
(Hausdorff)
Identix
USA
FaceIT
SDKLocal Feature Analysis
Imagis
Canada
ID2000
SDK
Viisage
USA
FaceTool
sEigenfaces
58
Sistemi Commerciali
Cognitec
Caratteristiche
Basato sulla tecnologia FaceVACSreg
500000 confronti al secondo su processori Pentium
Lavora anche in modalitagrave distribuita
Interfaccia amichevole che permette ordinamento riorganizzazione
navigazione selezione
Piugrave immagini per ciascuna persona
Facile gestione di nuovi soggetti da aggiungere
Possibilitagrave di sottoporre valutazioni sulla qualitagrave
Integration Kit per lrsquointegrazione con altri pacchetti software
59
Sistemi Commerciali
Cognitec
Caratteristiche
bullBasato su tecnologia FaceVACSreg
bullAutomatic face recognition per una maggiore sicurezza a costi
convenienti
bullVaria dalla gestione di un singolo punto di accesso alla
regolazioni degli accessi a reti molto vaste
bullFacile integrazione nei sistemi giagrave esistenti
bullCombinabile con lettori di carte keypads e diverse tipologie di
videocamere
bullPossibilitagrave di monitorare eventi predefiniti
bullRegistrazione on-line e off-line
bullldquoVerifica direttaldquo per sistemi di altissima sicurezza
60
Sistemi Commerciali
Cognitec
Caratteristiche
bullAnalisi di piugrave sequenze video
bullFace detection di volti in piugrave video
bullFace recognition real time
bullCreazione di un file di log
bullRegistrazione interattiva da immagini fisse o
video
bullPannello di gestione dei filmati
bullIntegration Kit per lrsquointegrazione di sistemi
esistenti
61
Viisage FacePASSreg
Caratteristiche
bullFacePASS egrave utilizzato in sistemi di sicurezza controlli
per lrsquoaccesso e verifica di corrispondenza
documentoidentitagrave
bullPermette la verifica di identitagrave
bullPermette di riconoscere a ciascun soggetto identificato
il rispettivo livello di accesso
bullFrutto della tecnologia visage egrave in uso da diversi anni in
applicazioni industriali
bullInterfaccia amichevole costruita sulla base del feed-
back ottenuto dagli utenti
62
IdentiX
ABIS Face Enterprise Edition
Le componenti del sistema ABIS lavorano su architettura distribuita con il vantaggio della scalabilitagrave e della ridondanza
bull Search Core Server ABIS System search engine firmware Lavora su Intelreg Xeontrade o Pentiumreg III blade servers
bull Database Server Oracle 9i Database memorizza fino a 20 million di volti su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni e della dimensione del database richieste
bull Application Server ABIS XML-RPC Application Programming Interface lavora su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni
63
Effettiva percentuale di
utilizzo dei sistemi biometrici
Finger Scan
521
Keystroke Scan
03
Facial Scan
114Hand Scan
100
Middleware
124
Iris Scan
73
Voice Scan
41
Signature Scan
24
64
Biometric Revenues
65
DEMO
6
Autenticazione di un Soggetto
bull Processo di associazione dellrsquoidentitagrave ad un
soggetto attraverso un processo di verifica o
riconoscimento
ndash Una persona riconosce una persona
bull Sistemi e supporti di identificazione (carta di identitagrave codice
fiscale)
bull Conoscenza diretta
ndash Un sistema informatico riconosce una persona
bull Sistemi e supporti di identificazione (smart card biometriche
etc)
7
Autenticazione di un Soggetto
bull Limiti dei tradizionali metodi di autenticazione
ndash PIN
bull Si puograve dimenticare o puograve essere carpito da un
impostore
ndash Chiavi (fisiche)
bull Si possono rompere o perdere
Non consentono la distinzione tra il reale
possessore e un impostore
8
Un Nuovo Metodo
bull Pass (qualcosa che possiedi)ndash carte magnetiche o smart chiavi passaporti etc
bull Conoscenza (qualcosa che conosci)ndash Password PIN etc
bull Biometria (ciograve che sei)ndash Una caratteristica fisica iride impronte digitali forma della
mano
ndash Una caratteristica comportamentale firma voce
Cosa egrave la Biometria
bull Dal Greco bios (vita) e metros (misura)
bull Definizione del Biometric Consortium
ldquoriconoscimento automatico di una persona sulla base di caratteristiche discriminantirdquo
9
10
Definizioni
bull La biometria egrave la disciplina che si occupa di misurare
tratti fisiologici e comportamentali degli esseri viventi
offrendone una rappresentazione quantitativa
attraverso modelli matematici e statistici
bull Le tecnologie biometriche costituiscono metodi
automatizzati di verifica o riconoscimento dellrsquoidentitagrave
di una persona basati sul rilevamento di una o piugrave
caratteristiche fisiologiche o comportamentali
dellrsquoindividuo ed il confronto con una immagine
precedentemente acquisita
11
Cosa egrave la Biometria
bull Principi portanti
ndash Ogni persona egrave unica
ndash Individuazione delle caratteristiche somatiche che rendono unico un individuo
ndash Metodologie per la misurazione e quantificazione di tali caratteristiche
ndash Classificazione degli individui sulla base delle misure effettuate
Storia della Biometria
1 200 DC I Cinesi usava lrsquoimpronta digitale per sigillare i documenti
2 1870 Bertillon sviluppa il Bertillonage basato su varie misure
antropometriche
3 1887 Il Bertillonage egrave adottato in Francia
4 1892 Galton sviluppa il primo sistema di classificazione per
impronte
5 1896 Il Bertillonage egrave adottato dal National Bureau of
Investigastion
6 1903 Lo stato di NY adotta il sitema di Galton per schedare i
detenuti
7 1960 Negli Usa si sviluppa il primo sistema semiautomatico per il
riconoscimento del volto
12
13
Storia della Biometria
Slide prodotta da JL Dugelay (Eurecom-France)
14
Storia della Biometria (cont)
bull Gli egiziani usavano lrsquoaltezza di una persona per identificarla durante il pagamento del salario
bull Il sistema Bertillon (1853-1914) creograve un nuovo sistema per identificare i criminali
ndash Principibull ndash lrsquoossatura umana non si modifica piugrave a
partire dai 20 anni
bull ndash ogni scheletro egrave diverso
ndash Misure antropometrichebull ndash lunghezza braccio e dita
bull ndash altezza e larghezza testa
bull ndash lunghezza piedi
ndash Descrizione generale del corpo (proporzioni armonia dei movimenti etc) caratteristiche mentali e morali
ndash Peculiaritagrave della pellebull Nei Porri Cicatrici Tatuaggi
Slide prodotta da JL Dugelay (Eurecom-France)
15
Storia della Biometria (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
16
Storia della Biometria Bertillonage
Forma della mano
Forma della testa
Misura degli arti
Misura del busto
Dettagli del voltoScheda di
Identificazione
17
Bertillonage Gli Strumenti
Caliper Compass Sliding Compass
Small
Sliding Compass
Vertical amp Orizzontal
Measures
18
Il Bertillonage nel Mondo
Slide prodotta da JL Dugelay (Eurecom-France)
19
Sistema di Bertillion - Fallimento
bull Nel 1901 e nel 1903 nel furono registrati due detenuti William West e Will West con misure antropometriche simili
Slide prodotta da JL Dugelay (Eurecom-France)
20
Sistema di Bertillion La Fine
Slide prodotta da JL Dugelay (Eurecom-France)
21
Metodi di autenticazione (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
Quante Password hai
22
bull 6 persone su 10 hanno
subito almeno un furto
drsquoidentitagrave (clonazione
carta di
creditobancomat
falsificazione CI
accesso ad aree
riservate accesso a
informazioni riservate
etc)
23
bull Biometria delle impronte ndash riconoscimento delle impronte
bull Biometria dellrsquoocchio ndash riconoscimento dellrsquoiride e della retina
bull Biometria del volto ndash riconoscimento facciale (foto infrarosso)
bull Biometria della mano ndash geometria delle dita
bull Biometria della firma ndash riconoscimento della firma
bull Biometria della voce ndash riconoscimento vocale
bull Biometria auricolare ndash riconoscimento dellrsquoorecchio
bull Digitazione di tasti
bull DNA
Biometriche riconosciute dallo
Standard X984 - 2003
a) b) c) d) e) f)
g) h) i) j) k)
24
Verifica e Riconoscimento
bull Verifica Confronto Uno a Uno Conferma
lrsquoidentitagrave dichiarata da un individuo
ndash Dichiarata mediante carta di identitagrave codice utente
smart card
bull Riconoscimento Confronto Uno a Molti
Stabilisce lrsquoidentitagrave di un soggetto a partire da un
insieme di persone registrate
25
Proprietagrave di una caratteristica
biometrica
bull Universalitagrave ogni persona deve possedere tale biometria
bull Distintivitagrave (Unicitagrave) due persone devono essere sufficientemente distinguibili in base a tale biometria
bull Permanenza (Stabilitagrave) la biometria deve rimanere invariante (rispetto ai termini di confronto) nel tempo
bull Misurabilitagrave essa deve essere misurabile quantitativamente
26
Proprietagrave di una caratteristica
biometrica
bull Performance (EfficaciaEfficienza) lrsquoacquisizione lrsquoestrazione delle caratteristiche e il confronto delle entitagrave non devono essere troppo costose in termini di tempo memoria ed efficienza del sistema
bull Accettabilitagrave la procedura di acquisizione deve essere tollerata da una vasta parte della popolazione
bull Eludibilitagrave la probabilitagrave che il sistema venga raggirato o indotto in errore deve essere minimizzata
27
Tipologia di Utente
bull Cooperativo egrave interesse dellrsquoutente che il sistema lo riconosca (un impostore cerca di farsi riconoscere)
bull Non-Cooperativo lrsquoutente egrave indifferente al processo di riconoscimento (un impostore cerca di non farsi riconoscere)
bull PubblicoPrivato se gli utenti del sistema saranno il pubblico o i dipendenti (ad esempio Amministrazione) dellrsquoEnte dove il sistema egrave installato
28
Tipologia di Utente
bull Abituatonon abituato frequenza con cui
gli utenti del sistema si prestano al
riconoscimento biometrico (piugrave volte al
giorno settimanalmente mensilmente
ecc)
bull Consapevoleinconsapevole se lrsquoutente egrave
o no al corrente del processo di
riconoscimento in atto
29
Tipologia di Applicazione
bull On-line lrsquoutente egrave in attesa fincheacute il
sistema non risponde (tempi brevi di
risposta)
bull Off-line lrsquoutente viene acquisito ma non
attende una risposta immediata
30
Caratteristiche Biometriche
Caratteristiche
Biometriche
Statiche o
Fisiologiche
Impronte
DigitaliMano Volto Occhio DNA
Dinamiche o
Comportamentali
Voce CalligrafiaStile di
battituraAndatura
31
Biometria Statica o Dinamica
bull Statica (o fisiologica) metodi biometrici ndash autenticazione basata su caratteristiche sempre presentindash Impronte digitali
ndash Scan della retina e dellrsquoiride
ndash Geometria della mano
bull Dinamica (o comportamentale) metodi biometrici ndashautenticazione basata su caratteristiche comportamentalindash Firma
ndash Voce
ndash Battitura tasti
Quali Biometrie
32
33
Sistema
biometricoRobustezza Univocitagrave Accessibilitagrave Accettabilitagrave Privacy
Impronte
DigitaliAlto Alto Medio Medio Basso
Geometria della
ManoMedio Medio Medio Medio Basso
Caratt
IrideAlto Alto Medio Basso Alto
Caratter
VoltoMedio Basso Alto Alto Alto
Dinamica
Appl FirmaBasso Basso Medio Alto Medio
Caratt
VoceBasso Basso Medio Alto Medio
Caratt
RetinaMedio Alto Basso Basso Alto
Comparazione di Tecnologie Biometriche
34
Registrazione di un soggetto
(Enrollment)
bull Si associa un insieme di caratteristicheallrsquoidentitagrave di un soggettondash Raccolta dei dati ed estrazione delle caratteristiche
bull Il modello estratto (template) egrave memorizzato in un database o su un supporto portatile (smart card)
bull Questo processo puograve essere effettuato singolarmente o in blocco (batch enrollment)
35
Architettura di un
Sistema Biometrico
Slide prodotta da JL Dugelay (Eurecom-France)
36
Architettura di un
Sistema Biometrico (cont)
bull Lrsquoidentitagrave corrisponde ed il soggetto egrave
accettato
bull Lrsquoidentitagrave corrisponde ma il soggetto egrave
respinto (errore)
bull Un impostore egrave accettato (errore)
bull Un impostore egrave rifiutato
37
Architettura di un
Sistema Biometrico (cont)
User interface
NAME (PIN)
Quality
checker
Feature
Extractor
System DB
template
name
Enrollment
User interface
NAME (PIN)
Feature
Extractor
Matcher
(1 match)
System DB
one
template
Verification
TrueFalse
claimed identity
User interface
Feature
Extractor
Matcher
(N matches)
System DB
N
templates
Identification
Userrsquos identity or
ldquouser non identifiedrdquo
38
Misura delle Prestazioni
bull Non egrave possibile riconoscere un individuo senza ammettere una tolleranza drsquoerrore
bull La soglia di tolleranza egrave cruciale e dipende fortemente dallrsquoapplicazione
bull Una soglia troppo bassa causa molti errori di Tipo I (rifiuto di soggetti registrati) ndash FRR (False Recognition Rate)
bull Una soglia troppo alta causa molti errori di Tipo II (accettazione di impostori) ndash FAR (False Acceptance Rate)
bull La scelta piugrave utilizzata egrave EER Equal error rate (EER) ndash FAR = FRR
39
Misura delle Prestazioni (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
La scelta piugrave utilizzata egrave ERR Equal error rate (EER) FAR = FRR
40
Quali Biometrie
Slide prodotta da JL Dugelay (Eurecom-France)
41
Quali Biometrie (cont)
a) b) c) d) e) f)
g) h) i) j) k)
Biometrics
bull ear
bull face
bull facial thermogram
bull hand thermogram
bull hand vein
bull hand geometry
bull fingerprint
bull iris
bull retina
bull signature
bull voice
42
bull Biometria delle impronte ndash riconoscimento delle impronte
bull Biometria dellrsquoocchio ndash riconoscimento dellrsquoiride e della retina
bull Biometria del volto ndash riconoscimento facciale (foto infrarosso)
bull Biometria della mano ndash geometria delle dita
bull Biometria della firma ndash riconoscimento della firma
bull Biometria della voce ndash riconoscimento vocale
bull Biometria auricolare ndash riconoscimento dellrsquoorecchio
bull Digitazione di tasti
bull DNA
Tecniche riconosciute dallo
Standard X984 - 2003
Impronte
digitali
voltoFirma
Iride
voce
Geometria della
mano
43
Variabilitagrave delle Biometrie
bull I Dati Biometrici non possono essere persi trasferiti ad altri o dimenticatihellipma
bull Lrsquoacquisizione (digitalizzazione dei dati) puograve determinare una variabilitagrave delle biometrie
ndash Intra_Classebull Variabilitagrave delle biometrie per un individuo
ndash Inter_Classebull Similaritagrave delle biometrie tra individui diversi
44
Variabilitagrave delle Biometrie
bull Intra_Classe
ndash Il MedioBreve Termine
ndash Il Lungo Termine Lrsquoetagrave
ndash La posa
ndash Le parziali occlusioni
ndash Lrsquoespressione
ndash Lrsquoilluminazione
45
Variabilitagrave delle Biometrie
bull Inter_Classe
ndash Gemelli
ndash Sosia
ndash hellip
ndash hellip
ndash hellip
Intra-class Variations
Time duration 6 months
Time duration 2 years
Variabilitagrave Intra-Classe Il Tempo
47
Sharbat GulaSharbat Gula
1985 2002
(Left photo copy Steve McCurry Right photo Steve McCurry copy National Geographic Society)
Variabilitagrave Intra-Classe Lrsquoetagrave (cont)
48
Variabilitagrave Intra-Classe La Posa
49
Variabilitagrave Intra-Classe
LrsquoEspressione
50
Variabilitagrave Intra-Classe
Espressione Posa e Parziali Occlusioni
51
Variabilitagrave Intra-Classe
LrsquoIlluminazione
52
Similaritagrave Inter-Classe
Count of Q2 Q2
Gender A 1 A 2 A 3 A 4 A 5 A 6 A 7 A 8 A 9 A 10Grand Total
Female 8 3 4 4 16 8 0 4 2 51 100
Male 9 5 3 6 6 5 1 2 1 63 100
Grand Total 9 4 3 5 9 6 1 3 1 59 100
54
56
Standard Esistenti
wwwbiometricsorgwwwnistgovbcwg
wwwbioapiorg
wwwibiaorgwwwbiometricfoundationorg
wwwnistgovcbeff
wwwitlnistorg
57
Sistemi CommercialiPanoramica
Il numero di distributori di SDKs (Software Development Kits) da poter integrare in applicazioni
esistenti
Il problema del face detection egrave visto come un problema collaterale
Tutti gli SDKs disponibili sono reperibili solo a pagamento
CompagniaSDK Documentazione Disponibile Tecnologia
Cognitec
Germania
FaceVAC
S SDK
httpwwwcognitec-
agdedocumentationfrsdk_p
ublic
Reti Neurali
HumanScan
Germania
BioID 31
SDK
httpwwwbioidcomsdkdoc
s
Detection Model based
(Hausdorff)
Identix
USA
FaceIT
SDKLocal Feature Analysis
Imagis
Canada
ID2000
SDK
Viisage
USA
FaceTool
sEigenfaces
58
Sistemi Commerciali
Cognitec
Caratteristiche
Basato sulla tecnologia FaceVACSreg
500000 confronti al secondo su processori Pentium
Lavora anche in modalitagrave distribuita
Interfaccia amichevole che permette ordinamento riorganizzazione
navigazione selezione
Piugrave immagini per ciascuna persona
Facile gestione di nuovi soggetti da aggiungere
Possibilitagrave di sottoporre valutazioni sulla qualitagrave
Integration Kit per lrsquointegrazione con altri pacchetti software
59
Sistemi Commerciali
Cognitec
Caratteristiche
bullBasato su tecnologia FaceVACSreg
bullAutomatic face recognition per una maggiore sicurezza a costi
convenienti
bullVaria dalla gestione di un singolo punto di accesso alla
regolazioni degli accessi a reti molto vaste
bullFacile integrazione nei sistemi giagrave esistenti
bullCombinabile con lettori di carte keypads e diverse tipologie di
videocamere
bullPossibilitagrave di monitorare eventi predefiniti
bullRegistrazione on-line e off-line
bullldquoVerifica direttaldquo per sistemi di altissima sicurezza
60
Sistemi Commerciali
Cognitec
Caratteristiche
bullAnalisi di piugrave sequenze video
bullFace detection di volti in piugrave video
bullFace recognition real time
bullCreazione di un file di log
bullRegistrazione interattiva da immagini fisse o
video
bullPannello di gestione dei filmati
bullIntegration Kit per lrsquointegrazione di sistemi
esistenti
61
Viisage FacePASSreg
Caratteristiche
bullFacePASS egrave utilizzato in sistemi di sicurezza controlli
per lrsquoaccesso e verifica di corrispondenza
documentoidentitagrave
bullPermette la verifica di identitagrave
bullPermette di riconoscere a ciascun soggetto identificato
il rispettivo livello di accesso
bullFrutto della tecnologia visage egrave in uso da diversi anni in
applicazioni industriali
bullInterfaccia amichevole costruita sulla base del feed-
back ottenuto dagli utenti
62
IdentiX
ABIS Face Enterprise Edition
Le componenti del sistema ABIS lavorano su architettura distribuita con il vantaggio della scalabilitagrave e della ridondanza
bull Search Core Server ABIS System search engine firmware Lavora su Intelreg Xeontrade o Pentiumreg III blade servers
bull Database Server Oracle 9i Database memorizza fino a 20 million di volti su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni e della dimensione del database richieste
bull Application Server ABIS XML-RPC Application Programming Interface lavora su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni
63
Effettiva percentuale di
utilizzo dei sistemi biometrici
Finger Scan
521
Keystroke Scan
03
Facial Scan
114Hand Scan
100
Middleware
124
Iris Scan
73
Voice Scan
41
Signature Scan
24
64
Biometric Revenues
65
DEMO
7
Autenticazione di un Soggetto
bull Limiti dei tradizionali metodi di autenticazione
ndash PIN
bull Si puograve dimenticare o puograve essere carpito da un
impostore
ndash Chiavi (fisiche)
bull Si possono rompere o perdere
Non consentono la distinzione tra il reale
possessore e un impostore
8
Un Nuovo Metodo
bull Pass (qualcosa che possiedi)ndash carte magnetiche o smart chiavi passaporti etc
bull Conoscenza (qualcosa che conosci)ndash Password PIN etc
bull Biometria (ciograve che sei)ndash Una caratteristica fisica iride impronte digitali forma della
mano
ndash Una caratteristica comportamentale firma voce
Cosa egrave la Biometria
bull Dal Greco bios (vita) e metros (misura)
bull Definizione del Biometric Consortium
ldquoriconoscimento automatico di una persona sulla base di caratteristiche discriminantirdquo
9
10
Definizioni
bull La biometria egrave la disciplina che si occupa di misurare
tratti fisiologici e comportamentali degli esseri viventi
offrendone una rappresentazione quantitativa
attraverso modelli matematici e statistici
bull Le tecnologie biometriche costituiscono metodi
automatizzati di verifica o riconoscimento dellrsquoidentitagrave
di una persona basati sul rilevamento di una o piugrave
caratteristiche fisiologiche o comportamentali
dellrsquoindividuo ed il confronto con una immagine
precedentemente acquisita
11
Cosa egrave la Biometria
bull Principi portanti
ndash Ogni persona egrave unica
ndash Individuazione delle caratteristiche somatiche che rendono unico un individuo
ndash Metodologie per la misurazione e quantificazione di tali caratteristiche
ndash Classificazione degli individui sulla base delle misure effettuate
Storia della Biometria
1 200 DC I Cinesi usava lrsquoimpronta digitale per sigillare i documenti
2 1870 Bertillon sviluppa il Bertillonage basato su varie misure
antropometriche
3 1887 Il Bertillonage egrave adottato in Francia
4 1892 Galton sviluppa il primo sistema di classificazione per
impronte
5 1896 Il Bertillonage egrave adottato dal National Bureau of
Investigastion
6 1903 Lo stato di NY adotta il sitema di Galton per schedare i
detenuti
7 1960 Negli Usa si sviluppa il primo sistema semiautomatico per il
riconoscimento del volto
12
13
Storia della Biometria
Slide prodotta da JL Dugelay (Eurecom-France)
14
Storia della Biometria (cont)
bull Gli egiziani usavano lrsquoaltezza di una persona per identificarla durante il pagamento del salario
bull Il sistema Bertillon (1853-1914) creograve un nuovo sistema per identificare i criminali
ndash Principibull ndash lrsquoossatura umana non si modifica piugrave a
partire dai 20 anni
bull ndash ogni scheletro egrave diverso
ndash Misure antropometrichebull ndash lunghezza braccio e dita
bull ndash altezza e larghezza testa
bull ndash lunghezza piedi
ndash Descrizione generale del corpo (proporzioni armonia dei movimenti etc) caratteristiche mentali e morali
ndash Peculiaritagrave della pellebull Nei Porri Cicatrici Tatuaggi
Slide prodotta da JL Dugelay (Eurecom-France)
15
Storia della Biometria (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
16
Storia della Biometria Bertillonage
Forma della mano
Forma della testa
Misura degli arti
Misura del busto
Dettagli del voltoScheda di
Identificazione
17
Bertillonage Gli Strumenti
Caliper Compass Sliding Compass
Small
Sliding Compass
Vertical amp Orizzontal
Measures
18
Il Bertillonage nel Mondo
Slide prodotta da JL Dugelay (Eurecom-France)
19
Sistema di Bertillion - Fallimento
bull Nel 1901 e nel 1903 nel furono registrati due detenuti William West e Will West con misure antropometriche simili
Slide prodotta da JL Dugelay (Eurecom-France)
20
Sistema di Bertillion La Fine
Slide prodotta da JL Dugelay (Eurecom-France)
21
Metodi di autenticazione (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
Quante Password hai
22
bull 6 persone su 10 hanno
subito almeno un furto
drsquoidentitagrave (clonazione
carta di
creditobancomat
falsificazione CI
accesso ad aree
riservate accesso a
informazioni riservate
etc)
23
bull Biometria delle impronte ndash riconoscimento delle impronte
bull Biometria dellrsquoocchio ndash riconoscimento dellrsquoiride e della retina
bull Biometria del volto ndash riconoscimento facciale (foto infrarosso)
bull Biometria della mano ndash geometria delle dita
bull Biometria della firma ndash riconoscimento della firma
bull Biometria della voce ndash riconoscimento vocale
bull Biometria auricolare ndash riconoscimento dellrsquoorecchio
bull Digitazione di tasti
bull DNA
Biometriche riconosciute dallo
Standard X984 - 2003
a) b) c) d) e) f)
g) h) i) j) k)
24
Verifica e Riconoscimento
bull Verifica Confronto Uno a Uno Conferma
lrsquoidentitagrave dichiarata da un individuo
ndash Dichiarata mediante carta di identitagrave codice utente
smart card
bull Riconoscimento Confronto Uno a Molti
Stabilisce lrsquoidentitagrave di un soggetto a partire da un
insieme di persone registrate
25
Proprietagrave di una caratteristica
biometrica
bull Universalitagrave ogni persona deve possedere tale biometria
bull Distintivitagrave (Unicitagrave) due persone devono essere sufficientemente distinguibili in base a tale biometria
bull Permanenza (Stabilitagrave) la biometria deve rimanere invariante (rispetto ai termini di confronto) nel tempo
bull Misurabilitagrave essa deve essere misurabile quantitativamente
26
Proprietagrave di una caratteristica
biometrica
bull Performance (EfficaciaEfficienza) lrsquoacquisizione lrsquoestrazione delle caratteristiche e il confronto delle entitagrave non devono essere troppo costose in termini di tempo memoria ed efficienza del sistema
bull Accettabilitagrave la procedura di acquisizione deve essere tollerata da una vasta parte della popolazione
bull Eludibilitagrave la probabilitagrave che il sistema venga raggirato o indotto in errore deve essere minimizzata
27
Tipologia di Utente
bull Cooperativo egrave interesse dellrsquoutente che il sistema lo riconosca (un impostore cerca di farsi riconoscere)
bull Non-Cooperativo lrsquoutente egrave indifferente al processo di riconoscimento (un impostore cerca di non farsi riconoscere)
bull PubblicoPrivato se gli utenti del sistema saranno il pubblico o i dipendenti (ad esempio Amministrazione) dellrsquoEnte dove il sistema egrave installato
28
Tipologia di Utente
bull Abituatonon abituato frequenza con cui
gli utenti del sistema si prestano al
riconoscimento biometrico (piugrave volte al
giorno settimanalmente mensilmente
ecc)
bull Consapevoleinconsapevole se lrsquoutente egrave
o no al corrente del processo di
riconoscimento in atto
29
Tipologia di Applicazione
bull On-line lrsquoutente egrave in attesa fincheacute il
sistema non risponde (tempi brevi di
risposta)
bull Off-line lrsquoutente viene acquisito ma non
attende una risposta immediata
30
Caratteristiche Biometriche
Caratteristiche
Biometriche
Statiche o
Fisiologiche
Impronte
DigitaliMano Volto Occhio DNA
Dinamiche o
Comportamentali
Voce CalligrafiaStile di
battituraAndatura
31
Biometria Statica o Dinamica
bull Statica (o fisiologica) metodi biometrici ndash autenticazione basata su caratteristiche sempre presentindash Impronte digitali
ndash Scan della retina e dellrsquoiride
ndash Geometria della mano
bull Dinamica (o comportamentale) metodi biometrici ndashautenticazione basata su caratteristiche comportamentalindash Firma
ndash Voce
ndash Battitura tasti
Quali Biometrie
32
33
Sistema
biometricoRobustezza Univocitagrave Accessibilitagrave Accettabilitagrave Privacy
Impronte
DigitaliAlto Alto Medio Medio Basso
Geometria della
ManoMedio Medio Medio Medio Basso
Caratt
IrideAlto Alto Medio Basso Alto
Caratter
VoltoMedio Basso Alto Alto Alto
Dinamica
Appl FirmaBasso Basso Medio Alto Medio
Caratt
VoceBasso Basso Medio Alto Medio
Caratt
RetinaMedio Alto Basso Basso Alto
Comparazione di Tecnologie Biometriche
34
Registrazione di un soggetto
(Enrollment)
bull Si associa un insieme di caratteristicheallrsquoidentitagrave di un soggettondash Raccolta dei dati ed estrazione delle caratteristiche
bull Il modello estratto (template) egrave memorizzato in un database o su un supporto portatile (smart card)
bull Questo processo puograve essere effettuato singolarmente o in blocco (batch enrollment)
35
Architettura di un
Sistema Biometrico
Slide prodotta da JL Dugelay (Eurecom-France)
36
Architettura di un
Sistema Biometrico (cont)
bull Lrsquoidentitagrave corrisponde ed il soggetto egrave
accettato
bull Lrsquoidentitagrave corrisponde ma il soggetto egrave
respinto (errore)
bull Un impostore egrave accettato (errore)
bull Un impostore egrave rifiutato
37
Architettura di un
Sistema Biometrico (cont)
User interface
NAME (PIN)
Quality
checker
Feature
Extractor
System DB
template
name
Enrollment
User interface
NAME (PIN)
Feature
Extractor
Matcher
(1 match)
System DB
one
template
Verification
TrueFalse
claimed identity
User interface
Feature
Extractor
Matcher
(N matches)
System DB
N
templates
Identification
Userrsquos identity or
ldquouser non identifiedrdquo
38
Misura delle Prestazioni
bull Non egrave possibile riconoscere un individuo senza ammettere una tolleranza drsquoerrore
bull La soglia di tolleranza egrave cruciale e dipende fortemente dallrsquoapplicazione
bull Una soglia troppo bassa causa molti errori di Tipo I (rifiuto di soggetti registrati) ndash FRR (False Recognition Rate)
bull Una soglia troppo alta causa molti errori di Tipo II (accettazione di impostori) ndash FAR (False Acceptance Rate)
bull La scelta piugrave utilizzata egrave EER Equal error rate (EER) ndash FAR = FRR
39
Misura delle Prestazioni (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
La scelta piugrave utilizzata egrave ERR Equal error rate (EER) FAR = FRR
40
Quali Biometrie
Slide prodotta da JL Dugelay (Eurecom-France)
41
Quali Biometrie (cont)
a) b) c) d) e) f)
g) h) i) j) k)
Biometrics
bull ear
bull face
bull facial thermogram
bull hand thermogram
bull hand vein
bull hand geometry
bull fingerprint
bull iris
bull retina
bull signature
bull voice
42
bull Biometria delle impronte ndash riconoscimento delle impronte
bull Biometria dellrsquoocchio ndash riconoscimento dellrsquoiride e della retina
bull Biometria del volto ndash riconoscimento facciale (foto infrarosso)
bull Biometria della mano ndash geometria delle dita
bull Biometria della firma ndash riconoscimento della firma
bull Biometria della voce ndash riconoscimento vocale
bull Biometria auricolare ndash riconoscimento dellrsquoorecchio
bull Digitazione di tasti
bull DNA
Tecniche riconosciute dallo
Standard X984 - 2003
Impronte
digitali
voltoFirma
Iride
voce
Geometria della
mano
43
Variabilitagrave delle Biometrie
bull I Dati Biometrici non possono essere persi trasferiti ad altri o dimenticatihellipma
bull Lrsquoacquisizione (digitalizzazione dei dati) puograve determinare una variabilitagrave delle biometrie
ndash Intra_Classebull Variabilitagrave delle biometrie per un individuo
ndash Inter_Classebull Similaritagrave delle biometrie tra individui diversi
44
Variabilitagrave delle Biometrie
bull Intra_Classe
ndash Il MedioBreve Termine
ndash Il Lungo Termine Lrsquoetagrave
ndash La posa
ndash Le parziali occlusioni
ndash Lrsquoespressione
ndash Lrsquoilluminazione
45
Variabilitagrave delle Biometrie
bull Inter_Classe
ndash Gemelli
ndash Sosia
ndash hellip
ndash hellip
ndash hellip
Intra-class Variations
Time duration 6 months
Time duration 2 years
Variabilitagrave Intra-Classe Il Tempo
47
Sharbat GulaSharbat Gula
1985 2002
(Left photo copy Steve McCurry Right photo Steve McCurry copy National Geographic Society)
Variabilitagrave Intra-Classe Lrsquoetagrave (cont)
48
Variabilitagrave Intra-Classe La Posa
49
Variabilitagrave Intra-Classe
LrsquoEspressione
50
Variabilitagrave Intra-Classe
Espressione Posa e Parziali Occlusioni
51
Variabilitagrave Intra-Classe
LrsquoIlluminazione
52
Similaritagrave Inter-Classe
Count of Q2 Q2
Gender A 1 A 2 A 3 A 4 A 5 A 6 A 7 A 8 A 9 A 10Grand Total
Female 8 3 4 4 16 8 0 4 2 51 100
Male 9 5 3 6 6 5 1 2 1 63 100
Grand Total 9 4 3 5 9 6 1 3 1 59 100
54
56
Standard Esistenti
wwwbiometricsorgwwwnistgovbcwg
wwwbioapiorg
wwwibiaorgwwwbiometricfoundationorg
wwwnistgovcbeff
wwwitlnistorg
57
Sistemi CommercialiPanoramica
Il numero di distributori di SDKs (Software Development Kits) da poter integrare in applicazioni
esistenti
Il problema del face detection egrave visto come un problema collaterale
Tutti gli SDKs disponibili sono reperibili solo a pagamento
CompagniaSDK Documentazione Disponibile Tecnologia
Cognitec
Germania
FaceVAC
S SDK
httpwwwcognitec-
agdedocumentationfrsdk_p
ublic
Reti Neurali
HumanScan
Germania
BioID 31
SDK
httpwwwbioidcomsdkdoc
s
Detection Model based
(Hausdorff)
Identix
USA
FaceIT
SDKLocal Feature Analysis
Imagis
Canada
ID2000
SDK
Viisage
USA
FaceTool
sEigenfaces
58
Sistemi Commerciali
Cognitec
Caratteristiche
Basato sulla tecnologia FaceVACSreg
500000 confronti al secondo su processori Pentium
Lavora anche in modalitagrave distribuita
Interfaccia amichevole che permette ordinamento riorganizzazione
navigazione selezione
Piugrave immagini per ciascuna persona
Facile gestione di nuovi soggetti da aggiungere
Possibilitagrave di sottoporre valutazioni sulla qualitagrave
Integration Kit per lrsquointegrazione con altri pacchetti software
59
Sistemi Commerciali
Cognitec
Caratteristiche
bullBasato su tecnologia FaceVACSreg
bullAutomatic face recognition per una maggiore sicurezza a costi
convenienti
bullVaria dalla gestione di un singolo punto di accesso alla
regolazioni degli accessi a reti molto vaste
bullFacile integrazione nei sistemi giagrave esistenti
bullCombinabile con lettori di carte keypads e diverse tipologie di
videocamere
bullPossibilitagrave di monitorare eventi predefiniti
bullRegistrazione on-line e off-line
bullldquoVerifica direttaldquo per sistemi di altissima sicurezza
60
Sistemi Commerciali
Cognitec
Caratteristiche
bullAnalisi di piugrave sequenze video
bullFace detection di volti in piugrave video
bullFace recognition real time
bullCreazione di un file di log
bullRegistrazione interattiva da immagini fisse o
video
bullPannello di gestione dei filmati
bullIntegration Kit per lrsquointegrazione di sistemi
esistenti
61
Viisage FacePASSreg
Caratteristiche
bullFacePASS egrave utilizzato in sistemi di sicurezza controlli
per lrsquoaccesso e verifica di corrispondenza
documentoidentitagrave
bullPermette la verifica di identitagrave
bullPermette di riconoscere a ciascun soggetto identificato
il rispettivo livello di accesso
bullFrutto della tecnologia visage egrave in uso da diversi anni in
applicazioni industriali
bullInterfaccia amichevole costruita sulla base del feed-
back ottenuto dagli utenti
62
IdentiX
ABIS Face Enterprise Edition
Le componenti del sistema ABIS lavorano su architettura distribuita con il vantaggio della scalabilitagrave e della ridondanza
bull Search Core Server ABIS System search engine firmware Lavora su Intelreg Xeontrade o Pentiumreg III blade servers
bull Database Server Oracle 9i Database memorizza fino a 20 million di volti su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni e della dimensione del database richieste
bull Application Server ABIS XML-RPC Application Programming Interface lavora su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni
63
Effettiva percentuale di
utilizzo dei sistemi biometrici
Finger Scan
521
Keystroke Scan
03
Facial Scan
114Hand Scan
100
Middleware
124
Iris Scan
73
Voice Scan
41
Signature Scan
24
64
Biometric Revenues
65
DEMO
8
Un Nuovo Metodo
bull Pass (qualcosa che possiedi)ndash carte magnetiche o smart chiavi passaporti etc
bull Conoscenza (qualcosa che conosci)ndash Password PIN etc
bull Biometria (ciograve che sei)ndash Una caratteristica fisica iride impronte digitali forma della
mano
ndash Una caratteristica comportamentale firma voce
Cosa egrave la Biometria
bull Dal Greco bios (vita) e metros (misura)
bull Definizione del Biometric Consortium
ldquoriconoscimento automatico di una persona sulla base di caratteristiche discriminantirdquo
9
10
Definizioni
bull La biometria egrave la disciplina che si occupa di misurare
tratti fisiologici e comportamentali degli esseri viventi
offrendone una rappresentazione quantitativa
attraverso modelli matematici e statistici
bull Le tecnologie biometriche costituiscono metodi
automatizzati di verifica o riconoscimento dellrsquoidentitagrave
di una persona basati sul rilevamento di una o piugrave
caratteristiche fisiologiche o comportamentali
dellrsquoindividuo ed il confronto con una immagine
precedentemente acquisita
11
Cosa egrave la Biometria
bull Principi portanti
ndash Ogni persona egrave unica
ndash Individuazione delle caratteristiche somatiche che rendono unico un individuo
ndash Metodologie per la misurazione e quantificazione di tali caratteristiche
ndash Classificazione degli individui sulla base delle misure effettuate
Storia della Biometria
1 200 DC I Cinesi usava lrsquoimpronta digitale per sigillare i documenti
2 1870 Bertillon sviluppa il Bertillonage basato su varie misure
antropometriche
3 1887 Il Bertillonage egrave adottato in Francia
4 1892 Galton sviluppa il primo sistema di classificazione per
impronte
5 1896 Il Bertillonage egrave adottato dal National Bureau of
Investigastion
6 1903 Lo stato di NY adotta il sitema di Galton per schedare i
detenuti
7 1960 Negli Usa si sviluppa il primo sistema semiautomatico per il
riconoscimento del volto
12
13
Storia della Biometria
Slide prodotta da JL Dugelay (Eurecom-France)
14
Storia della Biometria (cont)
bull Gli egiziani usavano lrsquoaltezza di una persona per identificarla durante il pagamento del salario
bull Il sistema Bertillon (1853-1914) creograve un nuovo sistema per identificare i criminali
ndash Principibull ndash lrsquoossatura umana non si modifica piugrave a
partire dai 20 anni
bull ndash ogni scheletro egrave diverso
ndash Misure antropometrichebull ndash lunghezza braccio e dita
bull ndash altezza e larghezza testa
bull ndash lunghezza piedi
ndash Descrizione generale del corpo (proporzioni armonia dei movimenti etc) caratteristiche mentali e morali
ndash Peculiaritagrave della pellebull Nei Porri Cicatrici Tatuaggi
Slide prodotta da JL Dugelay (Eurecom-France)
15
Storia della Biometria (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
16
Storia della Biometria Bertillonage
Forma della mano
Forma della testa
Misura degli arti
Misura del busto
Dettagli del voltoScheda di
Identificazione
17
Bertillonage Gli Strumenti
Caliper Compass Sliding Compass
Small
Sliding Compass
Vertical amp Orizzontal
Measures
18
Il Bertillonage nel Mondo
Slide prodotta da JL Dugelay (Eurecom-France)
19
Sistema di Bertillion - Fallimento
bull Nel 1901 e nel 1903 nel furono registrati due detenuti William West e Will West con misure antropometriche simili
Slide prodotta da JL Dugelay (Eurecom-France)
20
Sistema di Bertillion La Fine
Slide prodotta da JL Dugelay (Eurecom-France)
21
Metodi di autenticazione (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
Quante Password hai
22
bull 6 persone su 10 hanno
subito almeno un furto
drsquoidentitagrave (clonazione
carta di
creditobancomat
falsificazione CI
accesso ad aree
riservate accesso a
informazioni riservate
etc)
23
bull Biometria delle impronte ndash riconoscimento delle impronte
bull Biometria dellrsquoocchio ndash riconoscimento dellrsquoiride e della retina
bull Biometria del volto ndash riconoscimento facciale (foto infrarosso)
bull Biometria della mano ndash geometria delle dita
bull Biometria della firma ndash riconoscimento della firma
bull Biometria della voce ndash riconoscimento vocale
bull Biometria auricolare ndash riconoscimento dellrsquoorecchio
bull Digitazione di tasti
bull DNA
Biometriche riconosciute dallo
Standard X984 - 2003
a) b) c) d) e) f)
g) h) i) j) k)
24
Verifica e Riconoscimento
bull Verifica Confronto Uno a Uno Conferma
lrsquoidentitagrave dichiarata da un individuo
ndash Dichiarata mediante carta di identitagrave codice utente
smart card
bull Riconoscimento Confronto Uno a Molti
Stabilisce lrsquoidentitagrave di un soggetto a partire da un
insieme di persone registrate
25
Proprietagrave di una caratteristica
biometrica
bull Universalitagrave ogni persona deve possedere tale biometria
bull Distintivitagrave (Unicitagrave) due persone devono essere sufficientemente distinguibili in base a tale biometria
bull Permanenza (Stabilitagrave) la biometria deve rimanere invariante (rispetto ai termini di confronto) nel tempo
bull Misurabilitagrave essa deve essere misurabile quantitativamente
26
Proprietagrave di una caratteristica
biometrica
bull Performance (EfficaciaEfficienza) lrsquoacquisizione lrsquoestrazione delle caratteristiche e il confronto delle entitagrave non devono essere troppo costose in termini di tempo memoria ed efficienza del sistema
bull Accettabilitagrave la procedura di acquisizione deve essere tollerata da una vasta parte della popolazione
bull Eludibilitagrave la probabilitagrave che il sistema venga raggirato o indotto in errore deve essere minimizzata
27
Tipologia di Utente
bull Cooperativo egrave interesse dellrsquoutente che il sistema lo riconosca (un impostore cerca di farsi riconoscere)
bull Non-Cooperativo lrsquoutente egrave indifferente al processo di riconoscimento (un impostore cerca di non farsi riconoscere)
bull PubblicoPrivato se gli utenti del sistema saranno il pubblico o i dipendenti (ad esempio Amministrazione) dellrsquoEnte dove il sistema egrave installato
28
Tipologia di Utente
bull Abituatonon abituato frequenza con cui
gli utenti del sistema si prestano al
riconoscimento biometrico (piugrave volte al
giorno settimanalmente mensilmente
ecc)
bull Consapevoleinconsapevole se lrsquoutente egrave
o no al corrente del processo di
riconoscimento in atto
29
Tipologia di Applicazione
bull On-line lrsquoutente egrave in attesa fincheacute il
sistema non risponde (tempi brevi di
risposta)
bull Off-line lrsquoutente viene acquisito ma non
attende una risposta immediata
30
Caratteristiche Biometriche
Caratteristiche
Biometriche
Statiche o
Fisiologiche
Impronte
DigitaliMano Volto Occhio DNA
Dinamiche o
Comportamentali
Voce CalligrafiaStile di
battituraAndatura
31
Biometria Statica o Dinamica
bull Statica (o fisiologica) metodi biometrici ndash autenticazione basata su caratteristiche sempre presentindash Impronte digitali
ndash Scan della retina e dellrsquoiride
ndash Geometria della mano
bull Dinamica (o comportamentale) metodi biometrici ndashautenticazione basata su caratteristiche comportamentalindash Firma
ndash Voce
ndash Battitura tasti
Quali Biometrie
32
33
Sistema
biometricoRobustezza Univocitagrave Accessibilitagrave Accettabilitagrave Privacy
Impronte
DigitaliAlto Alto Medio Medio Basso
Geometria della
ManoMedio Medio Medio Medio Basso
Caratt
IrideAlto Alto Medio Basso Alto
Caratter
VoltoMedio Basso Alto Alto Alto
Dinamica
Appl FirmaBasso Basso Medio Alto Medio
Caratt
VoceBasso Basso Medio Alto Medio
Caratt
RetinaMedio Alto Basso Basso Alto
Comparazione di Tecnologie Biometriche
34
Registrazione di un soggetto
(Enrollment)
bull Si associa un insieme di caratteristicheallrsquoidentitagrave di un soggettondash Raccolta dei dati ed estrazione delle caratteristiche
bull Il modello estratto (template) egrave memorizzato in un database o su un supporto portatile (smart card)
bull Questo processo puograve essere effettuato singolarmente o in blocco (batch enrollment)
35
Architettura di un
Sistema Biometrico
Slide prodotta da JL Dugelay (Eurecom-France)
36
Architettura di un
Sistema Biometrico (cont)
bull Lrsquoidentitagrave corrisponde ed il soggetto egrave
accettato
bull Lrsquoidentitagrave corrisponde ma il soggetto egrave
respinto (errore)
bull Un impostore egrave accettato (errore)
bull Un impostore egrave rifiutato
37
Architettura di un
Sistema Biometrico (cont)
User interface
NAME (PIN)
Quality
checker
Feature
Extractor
System DB
template
name
Enrollment
User interface
NAME (PIN)
Feature
Extractor
Matcher
(1 match)
System DB
one
template
Verification
TrueFalse
claimed identity
User interface
Feature
Extractor
Matcher
(N matches)
System DB
N
templates
Identification
Userrsquos identity or
ldquouser non identifiedrdquo
38
Misura delle Prestazioni
bull Non egrave possibile riconoscere un individuo senza ammettere una tolleranza drsquoerrore
bull La soglia di tolleranza egrave cruciale e dipende fortemente dallrsquoapplicazione
bull Una soglia troppo bassa causa molti errori di Tipo I (rifiuto di soggetti registrati) ndash FRR (False Recognition Rate)
bull Una soglia troppo alta causa molti errori di Tipo II (accettazione di impostori) ndash FAR (False Acceptance Rate)
bull La scelta piugrave utilizzata egrave EER Equal error rate (EER) ndash FAR = FRR
39
Misura delle Prestazioni (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
La scelta piugrave utilizzata egrave ERR Equal error rate (EER) FAR = FRR
40
Quali Biometrie
Slide prodotta da JL Dugelay (Eurecom-France)
41
Quali Biometrie (cont)
a) b) c) d) e) f)
g) h) i) j) k)
Biometrics
bull ear
bull face
bull facial thermogram
bull hand thermogram
bull hand vein
bull hand geometry
bull fingerprint
bull iris
bull retina
bull signature
bull voice
42
bull Biometria delle impronte ndash riconoscimento delle impronte
bull Biometria dellrsquoocchio ndash riconoscimento dellrsquoiride e della retina
bull Biometria del volto ndash riconoscimento facciale (foto infrarosso)
bull Biometria della mano ndash geometria delle dita
bull Biometria della firma ndash riconoscimento della firma
bull Biometria della voce ndash riconoscimento vocale
bull Biometria auricolare ndash riconoscimento dellrsquoorecchio
bull Digitazione di tasti
bull DNA
Tecniche riconosciute dallo
Standard X984 - 2003
Impronte
digitali
voltoFirma
Iride
voce
Geometria della
mano
43
Variabilitagrave delle Biometrie
bull I Dati Biometrici non possono essere persi trasferiti ad altri o dimenticatihellipma
bull Lrsquoacquisizione (digitalizzazione dei dati) puograve determinare una variabilitagrave delle biometrie
ndash Intra_Classebull Variabilitagrave delle biometrie per un individuo
ndash Inter_Classebull Similaritagrave delle biometrie tra individui diversi
44
Variabilitagrave delle Biometrie
bull Intra_Classe
ndash Il MedioBreve Termine
ndash Il Lungo Termine Lrsquoetagrave
ndash La posa
ndash Le parziali occlusioni
ndash Lrsquoespressione
ndash Lrsquoilluminazione
45
Variabilitagrave delle Biometrie
bull Inter_Classe
ndash Gemelli
ndash Sosia
ndash hellip
ndash hellip
ndash hellip
Intra-class Variations
Time duration 6 months
Time duration 2 years
Variabilitagrave Intra-Classe Il Tempo
47
Sharbat GulaSharbat Gula
1985 2002
(Left photo copy Steve McCurry Right photo Steve McCurry copy National Geographic Society)
Variabilitagrave Intra-Classe Lrsquoetagrave (cont)
48
Variabilitagrave Intra-Classe La Posa
49
Variabilitagrave Intra-Classe
LrsquoEspressione
50
Variabilitagrave Intra-Classe
Espressione Posa e Parziali Occlusioni
51
Variabilitagrave Intra-Classe
LrsquoIlluminazione
52
Similaritagrave Inter-Classe
Count of Q2 Q2
Gender A 1 A 2 A 3 A 4 A 5 A 6 A 7 A 8 A 9 A 10Grand Total
Female 8 3 4 4 16 8 0 4 2 51 100
Male 9 5 3 6 6 5 1 2 1 63 100
Grand Total 9 4 3 5 9 6 1 3 1 59 100
54
56
Standard Esistenti
wwwbiometricsorgwwwnistgovbcwg
wwwbioapiorg
wwwibiaorgwwwbiometricfoundationorg
wwwnistgovcbeff
wwwitlnistorg
57
Sistemi CommercialiPanoramica
Il numero di distributori di SDKs (Software Development Kits) da poter integrare in applicazioni
esistenti
Il problema del face detection egrave visto come un problema collaterale
Tutti gli SDKs disponibili sono reperibili solo a pagamento
CompagniaSDK Documentazione Disponibile Tecnologia
Cognitec
Germania
FaceVAC
S SDK
httpwwwcognitec-
agdedocumentationfrsdk_p
ublic
Reti Neurali
HumanScan
Germania
BioID 31
SDK
httpwwwbioidcomsdkdoc
s
Detection Model based
(Hausdorff)
Identix
USA
FaceIT
SDKLocal Feature Analysis
Imagis
Canada
ID2000
SDK
Viisage
USA
FaceTool
sEigenfaces
58
Sistemi Commerciali
Cognitec
Caratteristiche
Basato sulla tecnologia FaceVACSreg
500000 confronti al secondo su processori Pentium
Lavora anche in modalitagrave distribuita
Interfaccia amichevole che permette ordinamento riorganizzazione
navigazione selezione
Piugrave immagini per ciascuna persona
Facile gestione di nuovi soggetti da aggiungere
Possibilitagrave di sottoporre valutazioni sulla qualitagrave
Integration Kit per lrsquointegrazione con altri pacchetti software
59
Sistemi Commerciali
Cognitec
Caratteristiche
bullBasato su tecnologia FaceVACSreg
bullAutomatic face recognition per una maggiore sicurezza a costi
convenienti
bullVaria dalla gestione di un singolo punto di accesso alla
regolazioni degli accessi a reti molto vaste
bullFacile integrazione nei sistemi giagrave esistenti
bullCombinabile con lettori di carte keypads e diverse tipologie di
videocamere
bullPossibilitagrave di monitorare eventi predefiniti
bullRegistrazione on-line e off-line
bullldquoVerifica direttaldquo per sistemi di altissima sicurezza
60
Sistemi Commerciali
Cognitec
Caratteristiche
bullAnalisi di piugrave sequenze video
bullFace detection di volti in piugrave video
bullFace recognition real time
bullCreazione di un file di log
bullRegistrazione interattiva da immagini fisse o
video
bullPannello di gestione dei filmati
bullIntegration Kit per lrsquointegrazione di sistemi
esistenti
61
Viisage FacePASSreg
Caratteristiche
bullFacePASS egrave utilizzato in sistemi di sicurezza controlli
per lrsquoaccesso e verifica di corrispondenza
documentoidentitagrave
bullPermette la verifica di identitagrave
bullPermette di riconoscere a ciascun soggetto identificato
il rispettivo livello di accesso
bullFrutto della tecnologia visage egrave in uso da diversi anni in
applicazioni industriali
bullInterfaccia amichevole costruita sulla base del feed-
back ottenuto dagli utenti
62
IdentiX
ABIS Face Enterprise Edition
Le componenti del sistema ABIS lavorano su architettura distribuita con il vantaggio della scalabilitagrave e della ridondanza
bull Search Core Server ABIS System search engine firmware Lavora su Intelreg Xeontrade o Pentiumreg III blade servers
bull Database Server Oracle 9i Database memorizza fino a 20 million di volti su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni e della dimensione del database richieste
bull Application Server ABIS XML-RPC Application Programming Interface lavora su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni
63
Effettiva percentuale di
utilizzo dei sistemi biometrici
Finger Scan
521
Keystroke Scan
03
Facial Scan
114Hand Scan
100
Middleware
124
Iris Scan
73
Voice Scan
41
Signature Scan
24
64
Biometric Revenues
65
DEMO
Cosa egrave la Biometria
bull Dal Greco bios (vita) e metros (misura)
bull Definizione del Biometric Consortium
ldquoriconoscimento automatico di una persona sulla base di caratteristiche discriminantirdquo
9
10
Definizioni
bull La biometria egrave la disciplina che si occupa di misurare
tratti fisiologici e comportamentali degli esseri viventi
offrendone una rappresentazione quantitativa
attraverso modelli matematici e statistici
bull Le tecnologie biometriche costituiscono metodi
automatizzati di verifica o riconoscimento dellrsquoidentitagrave
di una persona basati sul rilevamento di una o piugrave
caratteristiche fisiologiche o comportamentali
dellrsquoindividuo ed il confronto con una immagine
precedentemente acquisita
11
Cosa egrave la Biometria
bull Principi portanti
ndash Ogni persona egrave unica
ndash Individuazione delle caratteristiche somatiche che rendono unico un individuo
ndash Metodologie per la misurazione e quantificazione di tali caratteristiche
ndash Classificazione degli individui sulla base delle misure effettuate
Storia della Biometria
1 200 DC I Cinesi usava lrsquoimpronta digitale per sigillare i documenti
2 1870 Bertillon sviluppa il Bertillonage basato su varie misure
antropometriche
3 1887 Il Bertillonage egrave adottato in Francia
4 1892 Galton sviluppa il primo sistema di classificazione per
impronte
5 1896 Il Bertillonage egrave adottato dal National Bureau of
Investigastion
6 1903 Lo stato di NY adotta il sitema di Galton per schedare i
detenuti
7 1960 Negli Usa si sviluppa il primo sistema semiautomatico per il
riconoscimento del volto
12
13
Storia della Biometria
Slide prodotta da JL Dugelay (Eurecom-France)
14
Storia della Biometria (cont)
bull Gli egiziani usavano lrsquoaltezza di una persona per identificarla durante il pagamento del salario
bull Il sistema Bertillon (1853-1914) creograve un nuovo sistema per identificare i criminali
ndash Principibull ndash lrsquoossatura umana non si modifica piugrave a
partire dai 20 anni
bull ndash ogni scheletro egrave diverso
ndash Misure antropometrichebull ndash lunghezza braccio e dita
bull ndash altezza e larghezza testa
bull ndash lunghezza piedi
ndash Descrizione generale del corpo (proporzioni armonia dei movimenti etc) caratteristiche mentali e morali
ndash Peculiaritagrave della pellebull Nei Porri Cicatrici Tatuaggi
Slide prodotta da JL Dugelay (Eurecom-France)
15
Storia della Biometria (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
16
Storia della Biometria Bertillonage
Forma della mano
Forma della testa
Misura degli arti
Misura del busto
Dettagli del voltoScheda di
Identificazione
17
Bertillonage Gli Strumenti
Caliper Compass Sliding Compass
Small
Sliding Compass
Vertical amp Orizzontal
Measures
18
Il Bertillonage nel Mondo
Slide prodotta da JL Dugelay (Eurecom-France)
19
Sistema di Bertillion - Fallimento
bull Nel 1901 e nel 1903 nel furono registrati due detenuti William West e Will West con misure antropometriche simili
Slide prodotta da JL Dugelay (Eurecom-France)
20
Sistema di Bertillion La Fine
Slide prodotta da JL Dugelay (Eurecom-France)
21
Metodi di autenticazione (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
Quante Password hai
22
bull 6 persone su 10 hanno
subito almeno un furto
drsquoidentitagrave (clonazione
carta di
creditobancomat
falsificazione CI
accesso ad aree
riservate accesso a
informazioni riservate
etc)
23
bull Biometria delle impronte ndash riconoscimento delle impronte
bull Biometria dellrsquoocchio ndash riconoscimento dellrsquoiride e della retina
bull Biometria del volto ndash riconoscimento facciale (foto infrarosso)
bull Biometria della mano ndash geometria delle dita
bull Biometria della firma ndash riconoscimento della firma
bull Biometria della voce ndash riconoscimento vocale
bull Biometria auricolare ndash riconoscimento dellrsquoorecchio
bull Digitazione di tasti
bull DNA
Biometriche riconosciute dallo
Standard X984 - 2003
a) b) c) d) e) f)
g) h) i) j) k)
24
Verifica e Riconoscimento
bull Verifica Confronto Uno a Uno Conferma
lrsquoidentitagrave dichiarata da un individuo
ndash Dichiarata mediante carta di identitagrave codice utente
smart card
bull Riconoscimento Confronto Uno a Molti
Stabilisce lrsquoidentitagrave di un soggetto a partire da un
insieme di persone registrate
25
Proprietagrave di una caratteristica
biometrica
bull Universalitagrave ogni persona deve possedere tale biometria
bull Distintivitagrave (Unicitagrave) due persone devono essere sufficientemente distinguibili in base a tale biometria
bull Permanenza (Stabilitagrave) la biometria deve rimanere invariante (rispetto ai termini di confronto) nel tempo
bull Misurabilitagrave essa deve essere misurabile quantitativamente
26
Proprietagrave di una caratteristica
biometrica
bull Performance (EfficaciaEfficienza) lrsquoacquisizione lrsquoestrazione delle caratteristiche e il confronto delle entitagrave non devono essere troppo costose in termini di tempo memoria ed efficienza del sistema
bull Accettabilitagrave la procedura di acquisizione deve essere tollerata da una vasta parte della popolazione
bull Eludibilitagrave la probabilitagrave che il sistema venga raggirato o indotto in errore deve essere minimizzata
27
Tipologia di Utente
bull Cooperativo egrave interesse dellrsquoutente che il sistema lo riconosca (un impostore cerca di farsi riconoscere)
bull Non-Cooperativo lrsquoutente egrave indifferente al processo di riconoscimento (un impostore cerca di non farsi riconoscere)
bull PubblicoPrivato se gli utenti del sistema saranno il pubblico o i dipendenti (ad esempio Amministrazione) dellrsquoEnte dove il sistema egrave installato
28
Tipologia di Utente
bull Abituatonon abituato frequenza con cui
gli utenti del sistema si prestano al
riconoscimento biometrico (piugrave volte al
giorno settimanalmente mensilmente
ecc)
bull Consapevoleinconsapevole se lrsquoutente egrave
o no al corrente del processo di
riconoscimento in atto
29
Tipologia di Applicazione
bull On-line lrsquoutente egrave in attesa fincheacute il
sistema non risponde (tempi brevi di
risposta)
bull Off-line lrsquoutente viene acquisito ma non
attende una risposta immediata
30
Caratteristiche Biometriche
Caratteristiche
Biometriche
Statiche o
Fisiologiche
Impronte
DigitaliMano Volto Occhio DNA
Dinamiche o
Comportamentali
Voce CalligrafiaStile di
battituraAndatura
31
Biometria Statica o Dinamica
bull Statica (o fisiologica) metodi biometrici ndash autenticazione basata su caratteristiche sempre presentindash Impronte digitali
ndash Scan della retina e dellrsquoiride
ndash Geometria della mano
bull Dinamica (o comportamentale) metodi biometrici ndashautenticazione basata su caratteristiche comportamentalindash Firma
ndash Voce
ndash Battitura tasti
Quali Biometrie
32
33
Sistema
biometricoRobustezza Univocitagrave Accessibilitagrave Accettabilitagrave Privacy
Impronte
DigitaliAlto Alto Medio Medio Basso
Geometria della
ManoMedio Medio Medio Medio Basso
Caratt
IrideAlto Alto Medio Basso Alto
Caratter
VoltoMedio Basso Alto Alto Alto
Dinamica
Appl FirmaBasso Basso Medio Alto Medio
Caratt
VoceBasso Basso Medio Alto Medio
Caratt
RetinaMedio Alto Basso Basso Alto
Comparazione di Tecnologie Biometriche
34
Registrazione di un soggetto
(Enrollment)
bull Si associa un insieme di caratteristicheallrsquoidentitagrave di un soggettondash Raccolta dei dati ed estrazione delle caratteristiche
bull Il modello estratto (template) egrave memorizzato in un database o su un supporto portatile (smart card)
bull Questo processo puograve essere effettuato singolarmente o in blocco (batch enrollment)
35
Architettura di un
Sistema Biometrico
Slide prodotta da JL Dugelay (Eurecom-France)
36
Architettura di un
Sistema Biometrico (cont)
bull Lrsquoidentitagrave corrisponde ed il soggetto egrave
accettato
bull Lrsquoidentitagrave corrisponde ma il soggetto egrave
respinto (errore)
bull Un impostore egrave accettato (errore)
bull Un impostore egrave rifiutato
37
Architettura di un
Sistema Biometrico (cont)
User interface
NAME (PIN)
Quality
checker
Feature
Extractor
System DB
template
name
Enrollment
User interface
NAME (PIN)
Feature
Extractor
Matcher
(1 match)
System DB
one
template
Verification
TrueFalse
claimed identity
User interface
Feature
Extractor
Matcher
(N matches)
System DB
N
templates
Identification
Userrsquos identity or
ldquouser non identifiedrdquo
38
Misura delle Prestazioni
bull Non egrave possibile riconoscere un individuo senza ammettere una tolleranza drsquoerrore
bull La soglia di tolleranza egrave cruciale e dipende fortemente dallrsquoapplicazione
bull Una soglia troppo bassa causa molti errori di Tipo I (rifiuto di soggetti registrati) ndash FRR (False Recognition Rate)
bull Una soglia troppo alta causa molti errori di Tipo II (accettazione di impostori) ndash FAR (False Acceptance Rate)
bull La scelta piugrave utilizzata egrave EER Equal error rate (EER) ndash FAR = FRR
39
Misura delle Prestazioni (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
La scelta piugrave utilizzata egrave ERR Equal error rate (EER) FAR = FRR
40
Quali Biometrie
Slide prodotta da JL Dugelay (Eurecom-France)
41
Quali Biometrie (cont)
a) b) c) d) e) f)
g) h) i) j) k)
Biometrics
bull ear
bull face
bull facial thermogram
bull hand thermogram
bull hand vein
bull hand geometry
bull fingerprint
bull iris
bull retina
bull signature
bull voice
42
bull Biometria delle impronte ndash riconoscimento delle impronte
bull Biometria dellrsquoocchio ndash riconoscimento dellrsquoiride e della retina
bull Biometria del volto ndash riconoscimento facciale (foto infrarosso)
bull Biometria della mano ndash geometria delle dita
bull Biometria della firma ndash riconoscimento della firma
bull Biometria della voce ndash riconoscimento vocale
bull Biometria auricolare ndash riconoscimento dellrsquoorecchio
bull Digitazione di tasti
bull DNA
Tecniche riconosciute dallo
Standard X984 - 2003
Impronte
digitali
voltoFirma
Iride
voce
Geometria della
mano
43
Variabilitagrave delle Biometrie
bull I Dati Biometrici non possono essere persi trasferiti ad altri o dimenticatihellipma
bull Lrsquoacquisizione (digitalizzazione dei dati) puograve determinare una variabilitagrave delle biometrie
ndash Intra_Classebull Variabilitagrave delle biometrie per un individuo
ndash Inter_Classebull Similaritagrave delle biometrie tra individui diversi
44
Variabilitagrave delle Biometrie
bull Intra_Classe
ndash Il MedioBreve Termine
ndash Il Lungo Termine Lrsquoetagrave
ndash La posa
ndash Le parziali occlusioni
ndash Lrsquoespressione
ndash Lrsquoilluminazione
45
Variabilitagrave delle Biometrie
bull Inter_Classe
ndash Gemelli
ndash Sosia
ndash hellip
ndash hellip
ndash hellip
Intra-class Variations
Time duration 6 months
Time duration 2 years
Variabilitagrave Intra-Classe Il Tempo
47
Sharbat GulaSharbat Gula
1985 2002
(Left photo copy Steve McCurry Right photo Steve McCurry copy National Geographic Society)
Variabilitagrave Intra-Classe Lrsquoetagrave (cont)
48
Variabilitagrave Intra-Classe La Posa
49
Variabilitagrave Intra-Classe
LrsquoEspressione
50
Variabilitagrave Intra-Classe
Espressione Posa e Parziali Occlusioni
51
Variabilitagrave Intra-Classe
LrsquoIlluminazione
52
Similaritagrave Inter-Classe
Count of Q2 Q2
Gender A 1 A 2 A 3 A 4 A 5 A 6 A 7 A 8 A 9 A 10Grand Total
Female 8 3 4 4 16 8 0 4 2 51 100
Male 9 5 3 6 6 5 1 2 1 63 100
Grand Total 9 4 3 5 9 6 1 3 1 59 100
54
56
Standard Esistenti
wwwbiometricsorgwwwnistgovbcwg
wwwbioapiorg
wwwibiaorgwwwbiometricfoundationorg
wwwnistgovcbeff
wwwitlnistorg
57
Sistemi CommercialiPanoramica
Il numero di distributori di SDKs (Software Development Kits) da poter integrare in applicazioni
esistenti
Il problema del face detection egrave visto come un problema collaterale
Tutti gli SDKs disponibili sono reperibili solo a pagamento
CompagniaSDK Documentazione Disponibile Tecnologia
Cognitec
Germania
FaceVAC
S SDK
httpwwwcognitec-
agdedocumentationfrsdk_p
ublic
Reti Neurali
HumanScan
Germania
BioID 31
SDK
httpwwwbioidcomsdkdoc
s
Detection Model based
(Hausdorff)
Identix
USA
FaceIT
SDKLocal Feature Analysis
Imagis
Canada
ID2000
SDK
Viisage
USA
FaceTool
sEigenfaces
58
Sistemi Commerciali
Cognitec
Caratteristiche
Basato sulla tecnologia FaceVACSreg
500000 confronti al secondo su processori Pentium
Lavora anche in modalitagrave distribuita
Interfaccia amichevole che permette ordinamento riorganizzazione
navigazione selezione
Piugrave immagini per ciascuna persona
Facile gestione di nuovi soggetti da aggiungere
Possibilitagrave di sottoporre valutazioni sulla qualitagrave
Integration Kit per lrsquointegrazione con altri pacchetti software
59
Sistemi Commerciali
Cognitec
Caratteristiche
bullBasato su tecnologia FaceVACSreg
bullAutomatic face recognition per una maggiore sicurezza a costi
convenienti
bullVaria dalla gestione di un singolo punto di accesso alla
regolazioni degli accessi a reti molto vaste
bullFacile integrazione nei sistemi giagrave esistenti
bullCombinabile con lettori di carte keypads e diverse tipologie di
videocamere
bullPossibilitagrave di monitorare eventi predefiniti
bullRegistrazione on-line e off-line
bullldquoVerifica direttaldquo per sistemi di altissima sicurezza
60
Sistemi Commerciali
Cognitec
Caratteristiche
bullAnalisi di piugrave sequenze video
bullFace detection di volti in piugrave video
bullFace recognition real time
bullCreazione di un file di log
bullRegistrazione interattiva da immagini fisse o
video
bullPannello di gestione dei filmati
bullIntegration Kit per lrsquointegrazione di sistemi
esistenti
61
Viisage FacePASSreg
Caratteristiche
bullFacePASS egrave utilizzato in sistemi di sicurezza controlli
per lrsquoaccesso e verifica di corrispondenza
documentoidentitagrave
bullPermette la verifica di identitagrave
bullPermette di riconoscere a ciascun soggetto identificato
il rispettivo livello di accesso
bullFrutto della tecnologia visage egrave in uso da diversi anni in
applicazioni industriali
bullInterfaccia amichevole costruita sulla base del feed-
back ottenuto dagli utenti
62
IdentiX
ABIS Face Enterprise Edition
Le componenti del sistema ABIS lavorano su architettura distribuita con il vantaggio della scalabilitagrave e della ridondanza
bull Search Core Server ABIS System search engine firmware Lavora su Intelreg Xeontrade o Pentiumreg III blade servers
bull Database Server Oracle 9i Database memorizza fino a 20 million di volti su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni e della dimensione del database richieste
bull Application Server ABIS XML-RPC Application Programming Interface lavora su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni
63
Effettiva percentuale di
utilizzo dei sistemi biometrici
Finger Scan
521
Keystroke Scan
03
Facial Scan
114Hand Scan
100
Middleware
124
Iris Scan
73
Voice Scan
41
Signature Scan
24
64
Biometric Revenues
65
DEMO
10
Definizioni
bull La biometria egrave la disciplina che si occupa di misurare
tratti fisiologici e comportamentali degli esseri viventi
offrendone una rappresentazione quantitativa
attraverso modelli matematici e statistici
bull Le tecnologie biometriche costituiscono metodi
automatizzati di verifica o riconoscimento dellrsquoidentitagrave
di una persona basati sul rilevamento di una o piugrave
caratteristiche fisiologiche o comportamentali
dellrsquoindividuo ed il confronto con una immagine
precedentemente acquisita
11
Cosa egrave la Biometria
bull Principi portanti
ndash Ogni persona egrave unica
ndash Individuazione delle caratteristiche somatiche che rendono unico un individuo
ndash Metodologie per la misurazione e quantificazione di tali caratteristiche
ndash Classificazione degli individui sulla base delle misure effettuate
Storia della Biometria
1 200 DC I Cinesi usava lrsquoimpronta digitale per sigillare i documenti
2 1870 Bertillon sviluppa il Bertillonage basato su varie misure
antropometriche
3 1887 Il Bertillonage egrave adottato in Francia
4 1892 Galton sviluppa il primo sistema di classificazione per
impronte
5 1896 Il Bertillonage egrave adottato dal National Bureau of
Investigastion
6 1903 Lo stato di NY adotta il sitema di Galton per schedare i
detenuti
7 1960 Negli Usa si sviluppa il primo sistema semiautomatico per il
riconoscimento del volto
12
13
Storia della Biometria
Slide prodotta da JL Dugelay (Eurecom-France)
14
Storia della Biometria (cont)
bull Gli egiziani usavano lrsquoaltezza di una persona per identificarla durante il pagamento del salario
bull Il sistema Bertillon (1853-1914) creograve un nuovo sistema per identificare i criminali
ndash Principibull ndash lrsquoossatura umana non si modifica piugrave a
partire dai 20 anni
bull ndash ogni scheletro egrave diverso
ndash Misure antropometrichebull ndash lunghezza braccio e dita
bull ndash altezza e larghezza testa
bull ndash lunghezza piedi
ndash Descrizione generale del corpo (proporzioni armonia dei movimenti etc) caratteristiche mentali e morali
ndash Peculiaritagrave della pellebull Nei Porri Cicatrici Tatuaggi
Slide prodotta da JL Dugelay (Eurecom-France)
15
Storia della Biometria (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
16
Storia della Biometria Bertillonage
Forma della mano
Forma della testa
Misura degli arti
Misura del busto
Dettagli del voltoScheda di
Identificazione
17
Bertillonage Gli Strumenti
Caliper Compass Sliding Compass
Small
Sliding Compass
Vertical amp Orizzontal
Measures
18
Il Bertillonage nel Mondo
Slide prodotta da JL Dugelay (Eurecom-France)
19
Sistema di Bertillion - Fallimento
bull Nel 1901 e nel 1903 nel furono registrati due detenuti William West e Will West con misure antropometriche simili
Slide prodotta da JL Dugelay (Eurecom-France)
20
Sistema di Bertillion La Fine
Slide prodotta da JL Dugelay (Eurecom-France)
21
Metodi di autenticazione (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
Quante Password hai
22
bull 6 persone su 10 hanno
subito almeno un furto
drsquoidentitagrave (clonazione
carta di
creditobancomat
falsificazione CI
accesso ad aree
riservate accesso a
informazioni riservate
etc)
23
bull Biometria delle impronte ndash riconoscimento delle impronte
bull Biometria dellrsquoocchio ndash riconoscimento dellrsquoiride e della retina
bull Biometria del volto ndash riconoscimento facciale (foto infrarosso)
bull Biometria della mano ndash geometria delle dita
bull Biometria della firma ndash riconoscimento della firma
bull Biometria della voce ndash riconoscimento vocale
bull Biometria auricolare ndash riconoscimento dellrsquoorecchio
bull Digitazione di tasti
bull DNA
Biometriche riconosciute dallo
Standard X984 - 2003
a) b) c) d) e) f)
g) h) i) j) k)
24
Verifica e Riconoscimento
bull Verifica Confronto Uno a Uno Conferma
lrsquoidentitagrave dichiarata da un individuo
ndash Dichiarata mediante carta di identitagrave codice utente
smart card
bull Riconoscimento Confronto Uno a Molti
Stabilisce lrsquoidentitagrave di un soggetto a partire da un
insieme di persone registrate
25
Proprietagrave di una caratteristica
biometrica
bull Universalitagrave ogni persona deve possedere tale biometria
bull Distintivitagrave (Unicitagrave) due persone devono essere sufficientemente distinguibili in base a tale biometria
bull Permanenza (Stabilitagrave) la biometria deve rimanere invariante (rispetto ai termini di confronto) nel tempo
bull Misurabilitagrave essa deve essere misurabile quantitativamente
26
Proprietagrave di una caratteristica
biometrica
bull Performance (EfficaciaEfficienza) lrsquoacquisizione lrsquoestrazione delle caratteristiche e il confronto delle entitagrave non devono essere troppo costose in termini di tempo memoria ed efficienza del sistema
bull Accettabilitagrave la procedura di acquisizione deve essere tollerata da una vasta parte della popolazione
bull Eludibilitagrave la probabilitagrave che il sistema venga raggirato o indotto in errore deve essere minimizzata
27
Tipologia di Utente
bull Cooperativo egrave interesse dellrsquoutente che il sistema lo riconosca (un impostore cerca di farsi riconoscere)
bull Non-Cooperativo lrsquoutente egrave indifferente al processo di riconoscimento (un impostore cerca di non farsi riconoscere)
bull PubblicoPrivato se gli utenti del sistema saranno il pubblico o i dipendenti (ad esempio Amministrazione) dellrsquoEnte dove il sistema egrave installato
28
Tipologia di Utente
bull Abituatonon abituato frequenza con cui
gli utenti del sistema si prestano al
riconoscimento biometrico (piugrave volte al
giorno settimanalmente mensilmente
ecc)
bull Consapevoleinconsapevole se lrsquoutente egrave
o no al corrente del processo di
riconoscimento in atto
29
Tipologia di Applicazione
bull On-line lrsquoutente egrave in attesa fincheacute il
sistema non risponde (tempi brevi di
risposta)
bull Off-line lrsquoutente viene acquisito ma non
attende una risposta immediata
30
Caratteristiche Biometriche
Caratteristiche
Biometriche
Statiche o
Fisiologiche
Impronte
DigitaliMano Volto Occhio DNA
Dinamiche o
Comportamentali
Voce CalligrafiaStile di
battituraAndatura
31
Biometria Statica o Dinamica
bull Statica (o fisiologica) metodi biometrici ndash autenticazione basata su caratteristiche sempre presentindash Impronte digitali
ndash Scan della retina e dellrsquoiride
ndash Geometria della mano
bull Dinamica (o comportamentale) metodi biometrici ndashautenticazione basata su caratteristiche comportamentalindash Firma
ndash Voce
ndash Battitura tasti
Quali Biometrie
32
33
Sistema
biometricoRobustezza Univocitagrave Accessibilitagrave Accettabilitagrave Privacy
Impronte
DigitaliAlto Alto Medio Medio Basso
Geometria della
ManoMedio Medio Medio Medio Basso
Caratt
IrideAlto Alto Medio Basso Alto
Caratter
VoltoMedio Basso Alto Alto Alto
Dinamica
Appl FirmaBasso Basso Medio Alto Medio
Caratt
VoceBasso Basso Medio Alto Medio
Caratt
RetinaMedio Alto Basso Basso Alto
Comparazione di Tecnologie Biometriche
34
Registrazione di un soggetto
(Enrollment)
bull Si associa un insieme di caratteristicheallrsquoidentitagrave di un soggettondash Raccolta dei dati ed estrazione delle caratteristiche
bull Il modello estratto (template) egrave memorizzato in un database o su un supporto portatile (smart card)
bull Questo processo puograve essere effettuato singolarmente o in blocco (batch enrollment)
35
Architettura di un
Sistema Biometrico
Slide prodotta da JL Dugelay (Eurecom-France)
36
Architettura di un
Sistema Biometrico (cont)
bull Lrsquoidentitagrave corrisponde ed il soggetto egrave
accettato
bull Lrsquoidentitagrave corrisponde ma il soggetto egrave
respinto (errore)
bull Un impostore egrave accettato (errore)
bull Un impostore egrave rifiutato
37
Architettura di un
Sistema Biometrico (cont)
User interface
NAME (PIN)
Quality
checker
Feature
Extractor
System DB
template
name
Enrollment
User interface
NAME (PIN)
Feature
Extractor
Matcher
(1 match)
System DB
one
template
Verification
TrueFalse
claimed identity
User interface
Feature
Extractor
Matcher
(N matches)
System DB
N
templates
Identification
Userrsquos identity or
ldquouser non identifiedrdquo
38
Misura delle Prestazioni
bull Non egrave possibile riconoscere un individuo senza ammettere una tolleranza drsquoerrore
bull La soglia di tolleranza egrave cruciale e dipende fortemente dallrsquoapplicazione
bull Una soglia troppo bassa causa molti errori di Tipo I (rifiuto di soggetti registrati) ndash FRR (False Recognition Rate)
bull Una soglia troppo alta causa molti errori di Tipo II (accettazione di impostori) ndash FAR (False Acceptance Rate)
bull La scelta piugrave utilizzata egrave EER Equal error rate (EER) ndash FAR = FRR
39
Misura delle Prestazioni (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
La scelta piugrave utilizzata egrave ERR Equal error rate (EER) FAR = FRR
40
Quali Biometrie
Slide prodotta da JL Dugelay (Eurecom-France)
41
Quali Biometrie (cont)
a) b) c) d) e) f)
g) h) i) j) k)
Biometrics
bull ear
bull face
bull facial thermogram
bull hand thermogram
bull hand vein
bull hand geometry
bull fingerprint
bull iris
bull retina
bull signature
bull voice
42
bull Biometria delle impronte ndash riconoscimento delle impronte
bull Biometria dellrsquoocchio ndash riconoscimento dellrsquoiride e della retina
bull Biometria del volto ndash riconoscimento facciale (foto infrarosso)
bull Biometria della mano ndash geometria delle dita
bull Biometria della firma ndash riconoscimento della firma
bull Biometria della voce ndash riconoscimento vocale
bull Biometria auricolare ndash riconoscimento dellrsquoorecchio
bull Digitazione di tasti
bull DNA
Tecniche riconosciute dallo
Standard X984 - 2003
Impronte
digitali
voltoFirma
Iride
voce
Geometria della
mano
43
Variabilitagrave delle Biometrie
bull I Dati Biometrici non possono essere persi trasferiti ad altri o dimenticatihellipma
bull Lrsquoacquisizione (digitalizzazione dei dati) puograve determinare una variabilitagrave delle biometrie
ndash Intra_Classebull Variabilitagrave delle biometrie per un individuo
ndash Inter_Classebull Similaritagrave delle biometrie tra individui diversi
44
Variabilitagrave delle Biometrie
bull Intra_Classe
ndash Il MedioBreve Termine
ndash Il Lungo Termine Lrsquoetagrave
ndash La posa
ndash Le parziali occlusioni
ndash Lrsquoespressione
ndash Lrsquoilluminazione
45
Variabilitagrave delle Biometrie
bull Inter_Classe
ndash Gemelli
ndash Sosia
ndash hellip
ndash hellip
ndash hellip
Intra-class Variations
Time duration 6 months
Time duration 2 years
Variabilitagrave Intra-Classe Il Tempo
47
Sharbat GulaSharbat Gula
1985 2002
(Left photo copy Steve McCurry Right photo Steve McCurry copy National Geographic Society)
Variabilitagrave Intra-Classe Lrsquoetagrave (cont)
48
Variabilitagrave Intra-Classe La Posa
49
Variabilitagrave Intra-Classe
LrsquoEspressione
50
Variabilitagrave Intra-Classe
Espressione Posa e Parziali Occlusioni
51
Variabilitagrave Intra-Classe
LrsquoIlluminazione
52
Similaritagrave Inter-Classe
Count of Q2 Q2
Gender A 1 A 2 A 3 A 4 A 5 A 6 A 7 A 8 A 9 A 10Grand Total
Female 8 3 4 4 16 8 0 4 2 51 100
Male 9 5 3 6 6 5 1 2 1 63 100
Grand Total 9 4 3 5 9 6 1 3 1 59 100
54
56
Standard Esistenti
wwwbiometricsorgwwwnistgovbcwg
wwwbioapiorg
wwwibiaorgwwwbiometricfoundationorg
wwwnistgovcbeff
wwwitlnistorg
57
Sistemi CommercialiPanoramica
Il numero di distributori di SDKs (Software Development Kits) da poter integrare in applicazioni
esistenti
Il problema del face detection egrave visto come un problema collaterale
Tutti gli SDKs disponibili sono reperibili solo a pagamento
CompagniaSDK Documentazione Disponibile Tecnologia
Cognitec
Germania
FaceVAC
S SDK
httpwwwcognitec-
agdedocumentationfrsdk_p
ublic
Reti Neurali
HumanScan
Germania
BioID 31
SDK
httpwwwbioidcomsdkdoc
s
Detection Model based
(Hausdorff)
Identix
USA
FaceIT
SDKLocal Feature Analysis
Imagis
Canada
ID2000
SDK
Viisage
USA
FaceTool
sEigenfaces
58
Sistemi Commerciali
Cognitec
Caratteristiche
Basato sulla tecnologia FaceVACSreg
500000 confronti al secondo su processori Pentium
Lavora anche in modalitagrave distribuita
Interfaccia amichevole che permette ordinamento riorganizzazione
navigazione selezione
Piugrave immagini per ciascuna persona
Facile gestione di nuovi soggetti da aggiungere
Possibilitagrave di sottoporre valutazioni sulla qualitagrave
Integration Kit per lrsquointegrazione con altri pacchetti software
59
Sistemi Commerciali
Cognitec
Caratteristiche
bullBasato su tecnologia FaceVACSreg
bullAutomatic face recognition per una maggiore sicurezza a costi
convenienti
bullVaria dalla gestione di un singolo punto di accesso alla
regolazioni degli accessi a reti molto vaste
bullFacile integrazione nei sistemi giagrave esistenti
bullCombinabile con lettori di carte keypads e diverse tipologie di
videocamere
bullPossibilitagrave di monitorare eventi predefiniti
bullRegistrazione on-line e off-line
bullldquoVerifica direttaldquo per sistemi di altissima sicurezza
60
Sistemi Commerciali
Cognitec
Caratteristiche
bullAnalisi di piugrave sequenze video
bullFace detection di volti in piugrave video
bullFace recognition real time
bullCreazione di un file di log
bullRegistrazione interattiva da immagini fisse o
video
bullPannello di gestione dei filmati
bullIntegration Kit per lrsquointegrazione di sistemi
esistenti
61
Viisage FacePASSreg
Caratteristiche
bullFacePASS egrave utilizzato in sistemi di sicurezza controlli
per lrsquoaccesso e verifica di corrispondenza
documentoidentitagrave
bullPermette la verifica di identitagrave
bullPermette di riconoscere a ciascun soggetto identificato
il rispettivo livello di accesso
bullFrutto della tecnologia visage egrave in uso da diversi anni in
applicazioni industriali
bullInterfaccia amichevole costruita sulla base del feed-
back ottenuto dagli utenti
62
IdentiX
ABIS Face Enterprise Edition
Le componenti del sistema ABIS lavorano su architettura distribuita con il vantaggio della scalabilitagrave e della ridondanza
bull Search Core Server ABIS System search engine firmware Lavora su Intelreg Xeontrade o Pentiumreg III blade servers
bull Database Server Oracle 9i Database memorizza fino a 20 million di volti su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni e della dimensione del database richieste
bull Application Server ABIS XML-RPC Application Programming Interface lavora su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni
63
Effettiva percentuale di
utilizzo dei sistemi biometrici
Finger Scan
521
Keystroke Scan
03
Facial Scan
114Hand Scan
100
Middleware
124
Iris Scan
73
Voice Scan
41
Signature Scan
24
64
Biometric Revenues
65
DEMO
11
Cosa egrave la Biometria
bull Principi portanti
ndash Ogni persona egrave unica
ndash Individuazione delle caratteristiche somatiche che rendono unico un individuo
ndash Metodologie per la misurazione e quantificazione di tali caratteristiche
ndash Classificazione degli individui sulla base delle misure effettuate
Storia della Biometria
1 200 DC I Cinesi usava lrsquoimpronta digitale per sigillare i documenti
2 1870 Bertillon sviluppa il Bertillonage basato su varie misure
antropometriche
3 1887 Il Bertillonage egrave adottato in Francia
4 1892 Galton sviluppa il primo sistema di classificazione per
impronte
5 1896 Il Bertillonage egrave adottato dal National Bureau of
Investigastion
6 1903 Lo stato di NY adotta il sitema di Galton per schedare i
detenuti
7 1960 Negli Usa si sviluppa il primo sistema semiautomatico per il
riconoscimento del volto
12
13
Storia della Biometria
Slide prodotta da JL Dugelay (Eurecom-France)
14
Storia della Biometria (cont)
bull Gli egiziani usavano lrsquoaltezza di una persona per identificarla durante il pagamento del salario
bull Il sistema Bertillon (1853-1914) creograve un nuovo sistema per identificare i criminali
ndash Principibull ndash lrsquoossatura umana non si modifica piugrave a
partire dai 20 anni
bull ndash ogni scheletro egrave diverso
ndash Misure antropometrichebull ndash lunghezza braccio e dita
bull ndash altezza e larghezza testa
bull ndash lunghezza piedi
ndash Descrizione generale del corpo (proporzioni armonia dei movimenti etc) caratteristiche mentali e morali
ndash Peculiaritagrave della pellebull Nei Porri Cicatrici Tatuaggi
Slide prodotta da JL Dugelay (Eurecom-France)
15
Storia della Biometria (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
16
Storia della Biometria Bertillonage
Forma della mano
Forma della testa
Misura degli arti
Misura del busto
Dettagli del voltoScheda di
Identificazione
17
Bertillonage Gli Strumenti
Caliper Compass Sliding Compass
Small
Sliding Compass
Vertical amp Orizzontal
Measures
18
Il Bertillonage nel Mondo
Slide prodotta da JL Dugelay (Eurecom-France)
19
Sistema di Bertillion - Fallimento
bull Nel 1901 e nel 1903 nel furono registrati due detenuti William West e Will West con misure antropometriche simili
Slide prodotta da JL Dugelay (Eurecom-France)
20
Sistema di Bertillion La Fine
Slide prodotta da JL Dugelay (Eurecom-France)
21
Metodi di autenticazione (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
Quante Password hai
22
bull 6 persone su 10 hanno
subito almeno un furto
drsquoidentitagrave (clonazione
carta di
creditobancomat
falsificazione CI
accesso ad aree
riservate accesso a
informazioni riservate
etc)
23
bull Biometria delle impronte ndash riconoscimento delle impronte
bull Biometria dellrsquoocchio ndash riconoscimento dellrsquoiride e della retina
bull Biometria del volto ndash riconoscimento facciale (foto infrarosso)
bull Biometria della mano ndash geometria delle dita
bull Biometria della firma ndash riconoscimento della firma
bull Biometria della voce ndash riconoscimento vocale
bull Biometria auricolare ndash riconoscimento dellrsquoorecchio
bull Digitazione di tasti
bull DNA
Biometriche riconosciute dallo
Standard X984 - 2003
a) b) c) d) e) f)
g) h) i) j) k)
24
Verifica e Riconoscimento
bull Verifica Confronto Uno a Uno Conferma
lrsquoidentitagrave dichiarata da un individuo
ndash Dichiarata mediante carta di identitagrave codice utente
smart card
bull Riconoscimento Confronto Uno a Molti
Stabilisce lrsquoidentitagrave di un soggetto a partire da un
insieme di persone registrate
25
Proprietagrave di una caratteristica
biometrica
bull Universalitagrave ogni persona deve possedere tale biometria
bull Distintivitagrave (Unicitagrave) due persone devono essere sufficientemente distinguibili in base a tale biometria
bull Permanenza (Stabilitagrave) la biometria deve rimanere invariante (rispetto ai termini di confronto) nel tempo
bull Misurabilitagrave essa deve essere misurabile quantitativamente
26
Proprietagrave di una caratteristica
biometrica
bull Performance (EfficaciaEfficienza) lrsquoacquisizione lrsquoestrazione delle caratteristiche e il confronto delle entitagrave non devono essere troppo costose in termini di tempo memoria ed efficienza del sistema
bull Accettabilitagrave la procedura di acquisizione deve essere tollerata da una vasta parte della popolazione
bull Eludibilitagrave la probabilitagrave che il sistema venga raggirato o indotto in errore deve essere minimizzata
27
Tipologia di Utente
bull Cooperativo egrave interesse dellrsquoutente che il sistema lo riconosca (un impostore cerca di farsi riconoscere)
bull Non-Cooperativo lrsquoutente egrave indifferente al processo di riconoscimento (un impostore cerca di non farsi riconoscere)
bull PubblicoPrivato se gli utenti del sistema saranno il pubblico o i dipendenti (ad esempio Amministrazione) dellrsquoEnte dove il sistema egrave installato
28
Tipologia di Utente
bull Abituatonon abituato frequenza con cui
gli utenti del sistema si prestano al
riconoscimento biometrico (piugrave volte al
giorno settimanalmente mensilmente
ecc)
bull Consapevoleinconsapevole se lrsquoutente egrave
o no al corrente del processo di
riconoscimento in atto
29
Tipologia di Applicazione
bull On-line lrsquoutente egrave in attesa fincheacute il
sistema non risponde (tempi brevi di
risposta)
bull Off-line lrsquoutente viene acquisito ma non
attende una risposta immediata
30
Caratteristiche Biometriche
Caratteristiche
Biometriche
Statiche o
Fisiologiche
Impronte
DigitaliMano Volto Occhio DNA
Dinamiche o
Comportamentali
Voce CalligrafiaStile di
battituraAndatura
31
Biometria Statica o Dinamica
bull Statica (o fisiologica) metodi biometrici ndash autenticazione basata su caratteristiche sempre presentindash Impronte digitali
ndash Scan della retina e dellrsquoiride
ndash Geometria della mano
bull Dinamica (o comportamentale) metodi biometrici ndashautenticazione basata su caratteristiche comportamentalindash Firma
ndash Voce
ndash Battitura tasti
Quali Biometrie
32
33
Sistema
biometricoRobustezza Univocitagrave Accessibilitagrave Accettabilitagrave Privacy
Impronte
DigitaliAlto Alto Medio Medio Basso
Geometria della
ManoMedio Medio Medio Medio Basso
Caratt
IrideAlto Alto Medio Basso Alto
Caratter
VoltoMedio Basso Alto Alto Alto
Dinamica
Appl FirmaBasso Basso Medio Alto Medio
Caratt
VoceBasso Basso Medio Alto Medio
Caratt
RetinaMedio Alto Basso Basso Alto
Comparazione di Tecnologie Biometriche
34
Registrazione di un soggetto
(Enrollment)
bull Si associa un insieme di caratteristicheallrsquoidentitagrave di un soggettondash Raccolta dei dati ed estrazione delle caratteristiche
bull Il modello estratto (template) egrave memorizzato in un database o su un supporto portatile (smart card)
bull Questo processo puograve essere effettuato singolarmente o in blocco (batch enrollment)
35
Architettura di un
Sistema Biometrico
Slide prodotta da JL Dugelay (Eurecom-France)
36
Architettura di un
Sistema Biometrico (cont)
bull Lrsquoidentitagrave corrisponde ed il soggetto egrave
accettato
bull Lrsquoidentitagrave corrisponde ma il soggetto egrave
respinto (errore)
bull Un impostore egrave accettato (errore)
bull Un impostore egrave rifiutato
37
Architettura di un
Sistema Biometrico (cont)
User interface
NAME (PIN)
Quality
checker
Feature
Extractor
System DB
template
name
Enrollment
User interface
NAME (PIN)
Feature
Extractor
Matcher
(1 match)
System DB
one
template
Verification
TrueFalse
claimed identity
User interface
Feature
Extractor
Matcher
(N matches)
System DB
N
templates
Identification
Userrsquos identity or
ldquouser non identifiedrdquo
38
Misura delle Prestazioni
bull Non egrave possibile riconoscere un individuo senza ammettere una tolleranza drsquoerrore
bull La soglia di tolleranza egrave cruciale e dipende fortemente dallrsquoapplicazione
bull Una soglia troppo bassa causa molti errori di Tipo I (rifiuto di soggetti registrati) ndash FRR (False Recognition Rate)
bull Una soglia troppo alta causa molti errori di Tipo II (accettazione di impostori) ndash FAR (False Acceptance Rate)
bull La scelta piugrave utilizzata egrave EER Equal error rate (EER) ndash FAR = FRR
39
Misura delle Prestazioni (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
La scelta piugrave utilizzata egrave ERR Equal error rate (EER) FAR = FRR
40
Quali Biometrie
Slide prodotta da JL Dugelay (Eurecom-France)
41
Quali Biometrie (cont)
a) b) c) d) e) f)
g) h) i) j) k)
Biometrics
bull ear
bull face
bull facial thermogram
bull hand thermogram
bull hand vein
bull hand geometry
bull fingerprint
bull iris
bull retina
bull signature
bull voice
42
bull Biometria delle impronte ndash riconoscimento delle impronte
bull Biometria dellrsquoocchio ndash riconoscimento dellrsquoiride e della retina
bull Biometria del volto ndash riconoscimento facciale (foto infrarosso)
bull Biometria della mano ndash geometria delle dita
bull Biometria della firma ndash riconoscimento della firma
bull Biometria della voce ndash riconoscimento vocale
bull Biometria auricolare ndash riconoscimento dellrsquoorecchio
bull Digitazione di tasti
bull DNA
Tecniche riconosciute dallo
Standard X984 - 2003
Impronte
digitali
voltoFirma
Iride
voce
Geometria della
mano
43
Variabilitagrave delle Biometrie
bull I Dati Biometrici non possono essere persi trasferiti ad altri o dimenticatihellipma
bull Lrsquoacquisizione (digitalizzazione dei dati) puograve determinare una variabilitagrave delle biometrie
ndash Intra_Classebull Variabilitagrave delle biometrie per un individuo
ndash Inter_Classebull Similaritagrave delle biometrie tra individui diversi
44
Variabilitagrave delle Biometrie
bull Intra_Classe
ndash Il MedioBreve Termine
ndash Il Lungo Termine Lrsquoetagrave
ndash La posa
ndash Le parziali occlusioni
ndash Lrsquoespressione
ndash Lrsquoilluminazione
45
Variabilitagrave delle Biometrie
bull Inter_Classe
ndash Gemelli
ndash Sosia
ndash hellip
ndash hellip
ndash hellip
Intra-class Variations
Time duration 6 months
Time duration 2 years
Variabilitagrave Intra-Classe Il Tempo
47
Sharbat GulaSharbat Gula
1985 2002
(Left photo copy Steve McCurry Right photo Steve McCurry copy National Geographic Society)
Variabilitagrave Intra-Classe Lrsquoetagrave (cont)
48
Variabilitagrave Intra-Classe La Posa
49
Variabilitagrave Intra-Classe
LrsquoEspressione
50
Variabilitagrave Intra-Classe
Espressione Posa e Parziali Occlusioni
51
Variabilitagrave Intra-Classe
LrsquoIlluminazione
52
Similaritagrave Inter-Classe
Count of Q2 Q2
Gender A 1 A 2 A 3 A 4 A 5 A 6 A 7 A 8 A 9 A 10Grand Total
Female 8 3 4 4 16 8 0 4 2 51 100
Male 9 5 3 6 6 5 1 2 1 63 100
Grand Total 9 4 3 5 9 6 1 3 1 59 100
54
56
Standard Esistenti
wwwbiometricsorgwwwnistgovbcwg
wwwbioapiorg
wwwibiaorgwwwbiometricfoundationorg
wwwnistgovcbeff
wwwitlnistorg
57
Sistemi CommercialiPanoramica
Il numero di distributori di SDKs (Software Development Kits) da poter integrare in applicazioni
esistenti
Il problema del face detection egrave visto come un problema collaterale
Tutti gli SDKs disponibili sono reperibili solo a pagamento
CompagniaSDK Documentazione Disponibile Tecnologia
Cognitec
Germania
FaceVAC
S SDK
httpwwwcognitec-
agdedocumentationfrsdk_p
ublic
Reti Neurali
HumanScan
Germania
BioID 31
SDK
httpwwwbioidcomsdkdoc
s
Detection Model based
(Hausdorff)
Identix
USA
FaceIT
SDKLocal Feature Analysis
Imagis
Canada
ID2000
SDK
Viisage
USA
FaceTool
sEigenfaces
58
Sistemi Commerciali
Cognitec
Caratteristiche
Basato sulla tecnologia FaceVACSreg
500000 confronti al secondo su processori Pentium
Lavora anche in modalitagrave distribuita
Interfaccia amichevole che permette ordinamento riorganizzazione
navigazione selezione
Piugrave immagini per ciascuna persona
Facile gestione di nuovi soggetti da aggiungere
Possibilitagrave di sottoporre valutazioni sulla qualitagrave
Integration Kit per lrsquointegrazione con altri pacchetti software
59
Sistemi Commerciali
Cognitec
Caratteristiche
bullBasato su tecnologia FaceVACSreg
bullAutomatic face recognition per una maggiore sicurezza a costi
convenienti
bullVaria dalla gestione di un singolo punto di accesso alla
regolazioni degli accessi a reti molto vaste
bullFacile integrazione nei sistemi giagrave esistenti
bullCombinabile con lettori di carte keypads e diverse tipologie di
videocamere
bullPossibilitagrave di monitorare eventi predefiniti
bullRegistrazione on-line e off-line
bullldquoVerifica direttaldquo per sistemi di altissima sicurezza
60
Sistemi Commerciali
Cognitec
Caratteristiche
bullAnalisi di piugrave sequenze video
bullFace detection di volti in piugrave video
bullFace recognition real time
bullCreazione di un file di log
bullRegistrazione interattiva da immagini fisse o
video
bullPannello di gestione dei filmati
bullIntegration Kit per lrsquointegrazione di sistemi
esistenti
61
Viisage FacePASSreg
Caratteristiche
bullFacePASS egrave utilizzato in sistemi di sicurezza controlli
per lrsquoaccesso e verifica di corrispondenza
documentoidentitagrave
bullPermette la verifica di identitagrave
bullPermette di riconoscere a ciascun soggetto identificato
il rispettivo livello di accesso
bullFrutto della tecnologia visage egrave in uso da diversi anni in
applicazioni industriali
bullInterfaccia amichevole costruita sulla base del feed-
back ottenuto dagli utenti
62
IdentiX
ABIS Face Enterprise Edition
Le componenti del sistema ABIS lavorano su architettura distribuita con il vantaggio della scalabilitagrave e della ridondanza
bull Search Core Server ABIS System search engine firmware Lavora su Intelreg Xeontrade o Pentiumreg III blade servers
bull Database Server Oracle 9i Database memorizza fino a 20 million di volti su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni e della dimensione del database richieste
bull Application Server ABIS XML-RPC Application Programming Interface lavora su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni
63
Effettiva percentuale di
utilizzo dei sistemi biometrici
Finger Scan
521
Keystroke Scan
03
Facial Scan
114Hand Scan
100
Middleware
124
Iris Scan
73
Voice Scan
41
Signature Scan
24
64
Biometric Revenues
65
DEMO
Storia della Biometria
1 200 DC I Cinesi usava lrsquoimpronta digitale per sigillare i documenti
2 1870 Bertillon sviluppa il Bertillonage basato su varie misure
antropometriche
3 1887 Il Bertillonage egrave adottato in Francia
4 1892 Galton sviluppa il primo sistema di classificazione per
impronte
5 1896 Il Bertillonage egrave adottato dal National Bureau of
Investigastion
6 1903 Lo stato di NY adotta il sitema di Galton per schedare i
detenuti
7 1960 Negli Usa si sviluppa il primo sistema semiautomatico per il
riconoscimento del volto
12
13
Storia della Biometria
Slide prodotta da JL Dugelay (Eurecom-France)
14
Storia della Biometria (cont)
bull Gli egiziani usavano lrsquoaltezza di una persona per identificarla durante il pagamento del salario
bull Il sistema Bertillon (1853-1914) creograve un nuovo sistema per identificare i criminali
ndash Principibull ndash lrsquoossatura umana non si modifica piugrave a
partire dai 20 anni
bull ndash ogni scheletro egrave diverso
ndash Misure antropometrichebull ndash lunghezza braccio e dita
bull ndash altezza e larghezza testa
bull ndash lunghezza piedi
ndash Descrizione generale del corpo (proporzioni armonia dei movimenti etc) caratteristiche mentali e morali
ndash Peculiaritagrave della pellebull Nei Porri Cicatrici Tatuaggi
Slide prodotta da JL Dugelay (Eurecom-France)
15
Storia della Biometria (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
16
Storia della Biometria Bertillonage
Forma della mano
Forma della testa
Misura degli arti
Misura del busto
Dettagli del voltoScheda di
Identificazione
17
Bertillonage Gli Strumenti
Caliper Compass Sliding Compass
Small
Sliding Compass
Vertical amp Orizzontal
Measures
18
Il Bertillonage nel Mondo
Slide prodotta da JL Dugelay (Eurecom-France)
19
Sistema di Bertillion - Fallimento
bull Nel 1901 e nel 1903 nel furono registrati due detenuti William West e Will West con misure antropometriche simili
Slide prodotta da JL Dugelay (Eurecom-France)
20
Sistema di Bertillion La Fine
Slide prodotta da JL Dugelay (Eurecom-France)
21
Metodi di autenticazione (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
Quante Password hai
22
bull 6 persone su 10 hanno
subito almeno un furto
drsquoidentitagrave (clonazione
carta di
creditobancomat
falsificazione CI
accesso ad aree
riservate accesso a
informazioni riservate
etc)
23
bull Biometria delle impronte ndash riconoscimento delle impronte
bull Biometria dellrsquoocchio ndash riconoscimento dellrsquoiride e della retina
bull Biometria del volto ndash riconoscimento facciale (foto infrarosso)
bull Biometria della mano ndash geometria delle dita
bull Biometria della firma ndash riconoscimento della firma
bull Biometria della voce ndash riconoscimento vocale
bull Biometria auricolare ndash riconoscimento dellrsquoorecchio
bull Digitazione di tasti
bull DNA
Biometriche riconosciute dallo
Standard X984 - 2003
a) b) c) d) e) f)
g) h) i) j) k)
24
Verifica e Riconoscimento
bull Verifica Confronto Uno a Uno Conferma
lrsquoidentitagrave dichiarata da un individuo
ndash Dichiarata mediante carta di identitagrave codice utente
smart card
bull Riconoscimento Confronto Uno a Molti
Stabilisce lrsquoidentitagrave di un soggetto a partire da un
insieme di persone registrate
25
Proprietagrave di una caratteristica
biometrica
bull Universalitagrave ogni persona deve possedere tale biometria
bull Distintivitagrave (Unicitagrave) due persone devono essere sufficientemente distinguibili in base a tale biometria
bull Permanenza (Stabilitagrave) la biometria deve rimanere invariante (rispetto ai termini di confronto) nel tempo
bull Misurabilitagrave essa deve essere misurabile quantitativamente
26
Proprietagrave di una caratteristica
biometrica
bull Performance (EfficaciaEfficienza) lrsquoacquisizione lrsquoestrazione delle caratteristiche e il confronto delle entitagrave non devono essere troppo costose in termini di tempo memoria ed efficienza del sistema
bull Accettabilitagrave la procedura di acquisizione deve essere tollerata da una vasta parte della popolazione
bull Eludibilitagrave la probabilitagrave che il sistema venga raggirato o indotto in errore deve essere minimizzata
27
Tipologia di Utente
bull Cooperativo egrave interesse dellrsquoutente che il sistema lo riconosca (un impostore cerca di farsi riconoscere)
bull Non-Cooperativo lrsquoutente egrave indifferente al processo di riconoscimento (un impostore cerca di non farsi riconoscere)
bull PubblicoPrivato se gli utenti del sistema saranno il pubblico o i dipendenti (ad esempio Amministrazione) dellrsquoEnte dove il sistema egrave installato
28
Tipologia di Utente
bull Abituatonon abituato frequenza con cui
gli utenti del sistema si prestano al
riconoscimento biometrico (piugrave volte al
giorno settimanalmente mensilmente
ecc)
bull Consapevoleinconsapevole se lrsquoutente egrave
o no al corrente del processo di
riconoscimento in atto
29
Tipologia di Applicazione
bull On-line lrsquoutente egrave in attesa fincheacute il
sistema non risponde (tempi brevi di
risposta)
bull Off-line lrsquoutente viene acquisito ma non
attende una risposta immediata
30
Caratteristiche Biometriche
Caratteristiche
Biometriche
Statiche o
Fisiologiche
Impronte
DigitaliMano Volto Occhio DNA
Dinamiche o
Comportamentali
Voce CalligrafiaStile di
battituraAndatura
31
Biometria Statica o Dinamica
bull Statica (o fisiologica) metodi biometrici ndash autenticazione basata su caratteristiche sempre presentindash Impronte digitali
ndash Scan della retina e dellrsquoiride
ndash Geometria della mano
bull Dinamica (o comportamentale) metodi biometrici ndashautenticazione basata su caratteristiche comportamentalindash Firma
ndash Voce
ndash Battitura tasti
Quali Biometrie
32
33
Sistema
biometricoRobustezza Univocitagrave Accessibilitagrave Accettabilitagrave Privacy
Impronte
DigitaliAlto Alto Medio Medio Basso
Geometria della
ManoMedio Medio Medio Medio Basso
Caratt
IrideAlto Alto Medio Basso Alto
Caratter
VoltoMedio Basso Alto Alto Alto
Dinamica
Appl FirmaBasso Basso Medio Alto Medio
Caratt
VoceBasso Basso Medio Alto Medio
Caratt
RetinaMedio Alto Basso Basso Alto
Comparazione di Tecnologie Biometriche
34
Registrazione di un soggetto
(Enrollment)
bull Si associa un insieme di caratteristicheallrsquoidentitagrave di un soggettondash Raccolta dei dati ed estrazione delle caratteristiche
bull Il modello estratto (template) egrave memorizzato in un database o su un supporto portatile (smart card)
bull Questo processo puograve essere effettuato singolarmente o in blocco (batch enrollment)
35
Architettura di un
Sistema Biometrico
Slide prodotta da JL Dugelay (Eurecom-France)
36
Architettura di un
Sistema Biometrico (cont)
bull Lrsquoidentitagrave corrisponde ed il soggetto egrave
accettato
bull Lrsquoidentitagrave corrisponde ma il soggetto egrave
respinto (errore)
bull Un impostore egrave accettato (errore)
bull Un impostore egrave rifiutato
37
Architettura di un
Sistema Biometrico (cont)
User interface
NAME (PIN)
Quality
checker
Feature
Extractor
System DB
template
name
Enrollment
User interface
NAME (PIN)
Feature
Extractor
Matcher
(1 match)
System DB
one
template
Verification
TrueFalse
claimed identity
User interface
Feature
Extractor
Matcher
(N matches)
System DB
N
templates
Identification
Userrsquos identity or
ldquouser non identifiedrdquo
38
Misura delle Prestazioni
bull Non egrave possibile riconoscere un individuo senza ammettere una tolleranza drsquoerrore
bull La soglia di tolleranza egrave cruciale e dipende fortemente dallrsquoapplicazione
bull Una soglia troppo bassa causa molti errori di Tipo I (rifiuto di soggetti registrati) ndash FRR (False Recognition Rate)
bull Una soglia troppo alta causa molti errori di Tipo II (accettazione di impostori) ndash FAR (False Acceptance Rate)
bull La scelta piugrave utilizzata egrave EER Equal error rate (EER) ndash FAR = FRR
39
Misura delle Prestazioni (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
La scelta piugrave utilizzata egrave ERR Equal error rate (EER) FAR = FRR
40
Quali Biometrie
Slide prodotta da JL Dugelay (Eurecom-France)
41
Quali Biometrie (cont)
a) b) c) d) e) f)
g) h) i) j) k)
Biometrics
bull ear
bull face
bull facial thermogram
bull hand thermogram
bull hand vein
bull hand geometry
bull fingerprint
bull iris
bull retina
bull signature
bull voice
42
bull Biometria delle impronte ndash riconoscimento delle impronte
bull Biometria dellrsquoocchio ndash riconoscimento dellrsquoiride e della retina
bull Biometria del volto ndash riconoscimento facciale (foto infrarosso)
bull Biometria della mano ndash geometria delle dita
bull Biometria della firma ndash riconoscimento della firma
bull Biometria della voce ndash riconoscimento vocale
bull Biometria auricolare ndash riconoscimento dellrsquoorecchio
bull Digitazione di tasti
bull DNA
Tecniche riconosciute dallo
Standard X984 - 2003
Impronte
digitali
voltoFirma
Iride
voce
Geometria della
mano
43
Variabilitagrave delle Biometrie
bull I Dati Biometrici non possono essere persi trasferiti ad altri o dimenticatihellipma
bull Lrsquoacquisizione (digitalizzazione dei dati) puograve determinare una variabilitagrave delle biometrie
ndash Intra_Classebull Variabilitagrave delle biometrie per un individuo
ndash Inter_Classebull Similaritagrave delle biometrie tra individui diversi
44
Variabilitagrave delle Biometrie
bull Intra_Classe
ndash Il MedioBreve Termine
ndash Il Lungo Termine Lrsquoetagrave
ndash La posa
ndash Le parziali occlusioni
ndash Lrsquoespressione
ndash Lrsquoilluminazione
45
Variabilitagrave delle Biometrie
bull Inter_Classe
ndash Gemelli
ndash Sosia
ndash hellip
ndash hellip
ndash hellip
Intra-class Variations
Time duration 6 months
Time duration 2 years
Variabilitagrave Intra-Classe Il Tempo
47
Sharbat GulaSharbat Gula
1985 2002
(Left photo copy Steve McCurry Right photo Steve McCurry copy National Geographic Society)
Variabilitagrave Intra-Classe Lrsquoetagrave (cont)
48
Variabilitagrave Intra-Classe La Posa
49
Variabilitagrave Intra-Classe
LrsquoEspressione
50
Variabilitagrave Intra-Classe
Espressione Posa e Parziali Occlusioni
51
Variabilitagrave Intra-Classe
LrsquoIlluminazione
52
Similaritagrave Inter-Classe
Count of Q2 Q2
Gender A 1 A 2 A 3 A 4 A 5 A 6 A 7 A 8 A 9 A 10Grand Total
Female 8 3 4 4 16 8 0 4 2 51 100
Male 9 5 3 6 6 5 1 2 1 63 100
Grand Total 9 4 3 5 9 6 1 3 1 59 100
54
56
Standard Esistenti
wwwbiometricsorgwwwnistgovbcwg
wwwbioapiorg
wwwibiaorgwwwbiometricfoundationorg
wwwnistgovcbeff
wwwitlnistorg
57
Sistemi CommercialiPanoramica
Il numero di distributori di SDKs (Software Development Kits) da poter integrare in applicazioni
esistenti
Il problema del face detection egrave visto come un problema collaterale
Tutti gli SDKs disponibili sono reperibili solo a pagamento
CompagniaSDK Documentazione Disponibile Tecnologia
Cognitec
Germania
FaceVAC
S SDK
httpwwwcognitec-
agdedocumentationfrsdk_p
ublic
Reti Neurali
HumanScan
Germania
BioID 31
SDK
httpwwwbioidcomsdkdoc
s
Detection Model based
(Hausdorff)
Identix
USA
FaceIT
SDKLocal Feature Analysis
Imagis
Canada
ID2000
SDK
Viisage
USA
FaceTool
sEigenfaces
58
Sistemi Commerciali
Cognitec
Caratteristiche
Basato sulla tecnologia FaceVACSreg
500000 confronti al secondo su processori Pentium
Lavora anche in modalitagrave distribuita
Interfaccia amichevole che permette ordinamento riorganizzazione
navigazione selezione
Piugrave immagini per ciascuna persona
Facile gestione di nuovi soggetti da aggiungere
Possibilitagrave di sottoporre valutazioni sulla qualitagrave
Integration Kit per lrsquointegrazione con altri pacchetti software
59
Sistemi Commerciali
Cognitec
Caratteristiche
bullBasato su tecnologia FaceVACSreg
bullAutomatic face recognition per una maggiore sicurezza a costi
convenienti
bullVaria dalla gestione di un singolo punto di accesso alla
regolazioni degli accessi a reti molto vaste
bullFacile integrazione nei sistemi giagrave esistenti
bullCombinabile con lettori di carte keypads e diverse tipologie di
videocamere
bullPossibilitagrave di monitorare eventi predefiniti
bullRegistrazione on-line e off-line
bullldquoVerifica direttaldquo per sistemi di altissima sicurezza
60
Sistemi Commerciali
Cognitec
Caratteristiche
bullAnalisi di piugrave sequenze video
bullFace detection di volti in piugrave video
bullFace recognition real time
bullCreazione di un file di log
bullRegistrazione interattiva da immagini fisse o
video
bullPannello di gestione dei filmati
bullIntegration Kit per lrsquointegrazione di sistemi
esistenti
61
Viisage FacePASSreg
Caratteristiche
bullFacePASS egrave utilizzato in sistemi di sicurezza controlli
per lrsquoaccesso e verifica di corrispondenza
documentoidentitagrave
bullPermette la verifica di identitagrave
bullPermette di riconoscere a ciascun soggetto identificato
il rispettivo livello di accesso
bullFrutto della tecnologia visage egrave in uso da diversi anni in
applicazioni industriali
bullInterfaccia amichevole costruita sulla base del feed-
back ottenuto dagli utenti
62
IdentiX
ABIS Face Enterprise Edition
Le componenti del sistema ABIS lavorano su architettura distribuita con il vantaggio della scalabilitagrave e della ridondanza
bull Search Core Server ABIS System search engine firmware Lavora su Intelreg Xeontrade o Pentiumreg III blade servers
bull Database Server Oracle 9i Database memorizza fino a 20 million di volti su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni e della dimensione del database richieste
bull Application Server ABIS XML-RPC Application Programming Interface lavora su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni
63
Effettiva percentuale di
utilizzo dei sistemi biometrici
Finger Scan
521
Keystroke Scan
03
Facial Scan
114Hand Scan
100
Middleware
124
Iris Scan
73
Voice Scan
41
Signature Scan
24
64
Biometric Revenues
65
DEMO
13
Storia della Biometria
Slide prodotta da JL Dugelay (Eurecom-France)
14
Storia della Biometria (cont)
bull Gli egiziani usavano lrsquoaltezza di una persona per identificarla durante il pagamento del salario
bull Il sistema Bertillon (1853-1914) creograve un nuovo sistema per identificare i criminali
ndash Principibull ndash lrsquoossatura umana non si modifica piugrave a
partire dai 20 anni
bull ndash ogni scheletro egrave diverso
ndash Misure antropometrichebull ndash lunghezza braccio e dita
bull ndash altezza e larghezza testa
bull ndash lunghezza piedi
ndash Descrizione generale del corpo (proporzioni armonia dei movimenti etc) caratteristiche mentali e morali
ndash Peculiaritagrave della pellebull Nei Porri Cicatrici Tatuaggi
Slide prodotta da JL Dugelay (Eurecom-France)
15
Storia della Biometria (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
16
Storia della Biometria Bertillonage
Forma della mano
Forma della testa
Misura degli arti
Misura del busto
Dettagli del voltoScheda di
Identificazione
17
Bertillonage Gli Strumenti
Caliper Compass Sliding Compass
Small
Sliding Compass
Vertical amp Orizzontal
Measures
18
Il Bertillonage nel Mondo
Slide prodotta da JL Dugelay (Eurecom-France)
19
Sistema di Bertillion - Fallimento
bull Nel 1901 e nel 1903 nel furono registrati due detenuti William West e Will West con misure antropometriche simili
Slide prodotta da JL Dugelay (Eurecom-France)
20
Sistema di Bertillion La Fine
Slide prodotta da JL Dugelay (Eurecom-France)
21
Metodi di autenticazione (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
Quante Password hai
22
bull 6 persone su 10 hanno
subito almeno un furto
drsquoidentitagrave (clonazione
carta di
creditobancomat
falsificazione CI
accesso ad aree
riservate accesso a
informazioni riservate
etc)
23
bull Biometria delle impronte ndash riconoscimento delle impronte
bull Biometria dellrsquoocchio ndash riconoscimento dellrsquoiride e della retina
bull Biometria del volto ndash riconoscimento facciale (foto infrarosso)
bull Biometria della mano ndash geometria delle dita
bull Biometria della firma ndash riconoscimento della firma
bull Biometria della voce ndash riconoscimento vocale
bull Biometria auricolare ndash riconoscimento dellrsquoorecchio
bull Digitazione di tasti
bull DNA
Biometriche riconosciute dallo
Standard X984 - 2003
a) b) c) d) e) f)
g) h) i) j) k)
24
Verifica e Riconoscimento
bull Verifica Confronto Uno a Uno Conferma
lrsquoidentitagrave dichiarata da un individuo
ndash Dichiarata mediante carta di identitagrave codice utente
smart card
bull Riconoscimento Confronto Uno a Molti
Stabilisce lrsquoidentitagrave di un soggetto a partire da un
insieme di persone registrate
25
Proprietagrave di una caratteristica
biometrica
bull Universalitagrave ogni persona deve possedere tale biometria
bull Distintivitagrave (Unicitagrave) due persone devono essere sufficientemente distinguibili in base a tale biometria
bull Permanenza (Stabilitagrave) la biometria deve rimanere invariante (rispetto ai termini di confronto) nel tempo
bull Misurabilitagrave essa deve essere misurabile quantitativamente
26
Proprietagrave di una caratteristica
biometrica
bull Performance (EfficaciaEfficienza) lrsquoacquisizione lrsquoestrazione delle caratteristiche e il confronto delle entitagrave non devono essere troppo costose in termini di tempo memoria ed efficienza del sistema
bull Accettabilitagrave la procedura di acquisizione deve essere tollerata da una vasta parte della popolazione
bull Eludibilitagrave la probabilitagrave che il sistema venga raggirato o indotto in errore deve essere minimizzata
27
Tipologia di Utente
bull Cooperativo egrave interesse dellrsquoutente che il sistema lo riconosca (un impostore cerca di farsi riconoscere)
bull Non-Cooperativo lrsquoutente egrave indifferente al processo di riconoscimento (un impostore cerca di non farsi riconoscere)
bull PubblicoPrivato se gli utenti del sistema saranno il pubblico o i dipendenti (ad esempio Amministrazione) dellrsquoEnte dove il sistema egrave installato
28
Tipologia di Utente
bull Abituatonon abituato frequenza con cui
gli utenti del sistema si prestano al
riconoscimento biometrico (piugrave volte al
giorno settimanalmente mensilmente
ecc)
bull Consapevoleinconsapevole se lrsquoutente egrave
o no al corrente del processo di
riconoscimento in atto
29
Tipologia di Applicazione
bull On-line lrsquoutente egrave in attesa fincheacute il
sistema non risponde (tempi brevi di
risposta)
bull Off-line lrsquoutente viene acquisito ma non
attende una risposta immediata
30
Caratteristiche Biometriche
Caratteristiche
Biometriche
Statiche o
Fisiologiche
Impronte
DigitaliMano Volto Occhio DNA
Dinamiche o
Comportamentali
Voce CalligrafiaStile di
battituraAndatura
31
Biometria Statica o Dinamica
bull Statica (o fisiologica) metodi biometrici ndash autenticazione basata su caratteristiche sempre presentindash Impronte digitali
ndash Scan della retina e dellrsquoiride
ndash Geometria della mano
bull Dinamica (o comportamentale) metodi biometrici ndashautenticazione basata su caratteristiche comportamentalindash Firma
ndash Voce
ndash Battitura tasti
Quali Biometrie
32
33
Sistema
biometricoRobustezza Univocitagrave Accessibilitagrave Accettabilitagrave Privacy
Impronte
DigitaliAlto Alto Medio Medio Basso
Geometria della
ManoMedio Medio Medio Medio Basso
Caratt
IrideAlto Alto Medio Basso Alto
Caratter
VoltoMedio Basso Alto Alto Alto
Dinamica
Appl FirmaBasso Basso Medio Alto Medio
Caratt
VoceBasso Basso Medio Alto Medio
Caratt
RetinaMedio Alto Basso Basso Alto
Comparazione di Tecnologie Biometriche
34
Registrazione di un soggetto
(Enrollment)
bull Si associa un insieme di caratteristicheallrsquoidentitagrave di un soggettondash Raccolta dei dati ed estrazione delle caratteristiche
bull Il modello estratto (template) egrave memorizzato in un database o su un supporto portatile (smart card)
bull Questo processo puograve essere effettuato singolarmente o in blocco (batch enrollment)
35
Architettura di un
Sistema Biometrico
Slide prodotta da JL Dugelay (Eurecom-France)
36
Architettura di un
Sistema Biometrico (cont)
bull Lrsquoidentitagrave corrisponde ed il soggetto egrave
accettato
bull Lrsquoidentitagrave corrisponde ma il soggetto egrave
respinto (errore)
bull Un impostore egrave accettato (errore)
bull Un impostore egrave rifiutato
37
Architettura di un
Sistema Biometrico (cont)
User interface
NAME (PIN)
Quality
checker
Feature
Extractor
System DB
template
name
Enrollment
User interface
NAME (PIN)
Feature
Extractor
Matcher
(1 match)
System DB
one
template
Verification
TrueFalse
claimed identity
User interface
Feature
Extractor
Matcher
(N matches)
System DB
N
templates
Identification
Userrsquos identity or
ldquouser non identifiedrdquo
38
Misura delle Prestazioni
bull Non egrave possibile riconoscere un individuo senza ammettere una tolleranza drsquoerrore
bull La soglia di tolleranza egrave cruciale e dipende fortemente dallrsquoapplicazione
bull Una soglia troppo bassa causa molti errori di Tipo I (rifiuto di soggetti registrati) ndash FRR (False Recognition Rate)
bull Una soglia troppo alta causa molti errori di Tipo II (accettazione di impostori) ndash FAR (False Acceptance Rate)
bull La scelta piugrave utilizzata egrave EER Equal error rate (EER) ndash FAR = FRR
39
Misura delle Prestazioni (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
La scelta piugrave utilizzata egrave ERR Equal error rate (EER) FAR = FRR
40
Quali Biometrie
Slide prodotta da JL Dugelay (Eurecom-France)
41
Quali Biometrie (cont)
a) b) c) d) e) f)
g) h) i) j) k)
Biometrics
bull ear
bull face
bull facial thermogram
bull hand thermogram
bull hand vein
bull hand geometry
bull fingerprint
bull iris
bull retina
bull signature
bull voice
42
bull Biometria delle impronte ndash riconoscimento delle impronte
bull Biometria dellrsquoocchio ndash riconoscimento dellrsquoiride e della retina
bull Biometria del volto ndash riconoscimento facciale (foto infrarosso)
bull Biometria della mano ndash geometria delle dita
bull Biometria della firma ndash riconoscimento della firma
bull Biometria della voce ndash riconoscimento vocale
bull Biometria auricolare ndash riconoscimento dellrsquoorecchio
bull Digitazione di tasti
bull DNA
Tecniche riconosciute dallo
Standard X984 - 2003
Impronte
digitali
voltoFirma
Iride
voce
Geometria della
mano
43
Variabilitagrave delle Biometrie
bull I Dati Biometrici non possono essere persi trasferiti ad altri o dimenticatihellipma
bull Lrsquoacquisizione (digitalizzazione dei dati) puograve determinare una variabilitagrave delle biometrie
ndash Intra_Classebull Variabilitagrave delle biometrie per un individuo
ndash Inter_Classebull Similaritagrave delle biometrie tra individui diversi
44
Variabilitagrave delle Biometrie
bull Intra_Classe
ndash Il MedioBreve Termine
ndash Il Lungo Termine Lrsquoetagrave
ndash La posa
ndash Le parziali occlusioni
ndash Lrsquoespressione
ndash Lrsquoilluminazione
45
Variabilitagrave delle Biometrie
bull Inter_Classe
ndash Gemelli
ndash Sosia
ndash hellip
ndash hellip
ndash hellip
Intra-class Variations
Time duration 6 months
Time duration 2 years
Variabilitagrave Intra-Classe Il Tempo
47
Sharbat GulaSharbat Gula
1985 2002
(Left photo copy Steve McCurry Right photo Steve McCurry copy National Geographic Society)
Variabilitagrave Intra-Classe Lrsquoetagrave (cont)
48
Variabilitagrave Intra-Classe La Posa
49
Variabilitagrave Intra-Classe
LrsquoEspressione
50
Variabilitagrave Intra-Classe
Espressione Posa e Parziali Occlusioni
51
Variabilitagrave Intra-Classe
LrsquoIlluminazione
52
Similaritagrave Inter-Classe
Count of Q2 Q2
Gender A 1 A 2 A 3 A 4 A 5 A 6 A 7 A 8 A 9 A 10Grand Total
Female 8 3 4 4 16 8 0 4 2 51 100
Male 9 5 3 6 6 5 1 2 1 63 100
Grand Total 9 4 3 5 9 6 1 3 1 59 100
54
56
Standard Esistenti
wwwbiometricsorgwwwnistgovbcwg
wwwbioapiorg
wwwibiaorgwwwbiometricfoundationorg
wwwnistgovcbeff
wwwitlnistorg
57
Sistemi CommercialiPanoramica
Il numero di distributori di SDKs (Software Development Kits) da poter integrare in applicazioni
esistenti
Il problema del face detection egrave visto come un problema collaterale
Tutti gli SDKs disponibili sono reperibili solo a pagamento
CompagniaSDK Documentazione Disponibile Tecnologia
Cognitec
Germania
FaceVAC
S SDK
httpwwwcognitec-
agdedocumentationfrsdk_p
ublic
Reti Neurali
HumanScan
Germania
BioID 31
SDK
httpwwwbioidcomsdkdoc
s
Detection Model based
(Hausdorff)
Identix
USA
FaceIT
SDKLocal Feature Analysis
Imagis
Canada
ID2000
SDK
Viisage
USA
FaceTool
sEigenfaces
58
Sistemi Commerciali
Cognitec
Caratteristiche
Basato sulla tecnologia FaceVACSreg
500000 confronti al secondo su processori Pentium
Lavora anche in modalitagrave distribuita
Interfaccia amichevole che permette ordinamento riorganizzazione
navigazione selezione
Piugrave immagini per ciascuna persona
Facile gestione di nuovi soggetti da aggiungere
Possibilitagrave di sottoporre valutazioni sulla qualitagrave
Integration Kit per lrsquointegrazione con altri pacchetti software
59
Sistemi Commerciali
Cognitec
Caratteristiche
bullBasato su tecnologia FaceVACSreg
bullAutomatic face recognition per una maggiore sicurezza a costi
convenienti
bullVaria dalla gestione di un singolo punto di accesso alla
regolazioni degli accessi a reti molto vaste
bullFacile integrazione nei sistemi giagrave esistenti
bullCombinabile con lettori di carte keypads e diverse tipologie di
videocamere
bullPossibilitagrave di monitorare eventi predefiniti
bullRegistrazione on-line e off-line
bullldquoVerifica direttaldquo per sistemi di altissima sicurezza
60
Sistemi Commerciali
Cognitec
Caratteristiche
bullAnalisi di piugrave sequenze video
bullFace detection di volti in piugrave video
bullFace recognition real time
bullCreazione di un file di log
bullRegistrazione interattiva da immagini fisse o
video
bullPannello di gestione dei filmati
bullIntegration Kit per lrsquointegrazione di sistemi
esistenti
61
Viisage FacePASSreg
Caratteristiche
bullFacePASS egrave utilizzato in sistemi di sicurezza controlli
per lrsquoaccesso e verifica di corrispondenza
documentoidentitagrave
bullPermette la verifica di identitagrave
bullPermette di riconoscere a ciascun soggetto identificato
il rispettivo livello di accesso
bullFrutto della tecnologia visage egrave in uso da diversi anni in
applicazioni industriali
bullInterfaccia amichevole costruita sulla base del feed-
back ottenuto dagli utenti
62
IdentiX
ABIS Face Enterprise Edition
Le componenti del sistema ABIS lavorano su architettura distribuita con il vantaggio della scalabilitagrave e della ridondanza
bull Search Core Server ABIS System search engine firmware Lavora su Intelreg Xeontrade o Pentiumreg III blade servers
bull Database Server Oracle 9i Database memorizza fino a 20 million di volti su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni e della dimensione del database richieste
bull Application Server ABIS XML-RPC Application Programming Interface lavora su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni
63
Effettiva percentuale di
utilizzo dei sistemi biometrici
Finger Scan
521
Keystroke Scan
03
Facial Scan
114Hand Scan
100
Middleware
124
Iris Scan
73
Voice Scan
41
Signature Scan
24
64
Biometric Revenues
65
DEMO
14
Storia della Biometria (cont)
bull Gli egiziani usavano lrsquoaltezza di una persona per identificarla durante il pagamento del salario
bull Il sistema Bertillon (1853-1914) creograve un nuovo sistema per identificare i criminali
ndash Principibull ndash lrsquoossatura umana non si modifica piugrave a
partire dai 20 anni
bull ndash ogni scheletro egrave diverso
ndash Misure antropometrichebull ndash lunghezza braccio e dita
bull ndash altezza e larghezza testa
bull ndash lunghezza piedi
ndash Descrizione generale del corpo (proporzioni armonia dei movimenti etc) caratteristiche mentali e morali
ndash Peculiaritagrave della pellebull Nei Porri Cicatrici Tatuaggi
Slide prodotta da JL Dugelay (Eurecom-France)
15
Storia della Biometria (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
16
Storia della Biometria Bertillonage
Forma della mano
Forma della testa
Misura degli arti
Misura del busto
Dettagli del voltoScheda di
Identificazione
17
Bertillonage Gli Strumenti
Caliper Compass Sliding Compass
Small
Sliding Compass
Vertical amp Orizzontal
Measures
18
Il Bertillonage nel Mondo
Slide prodotta da JL Dugelay (Eurecom-France)
19
Sistema di Bertillion - Fallimento
bull Nel 1901 e nel 1903 nel furono registrati due detenuti William West e Will West con misure antropometriche simili
Slide prodotta da JL Dugelay (Eurecom-France)
20
Sistema di Bertillion La Fine
Slide prodotta da JL Dugelay (Eurecom-France)
21
Metodi di autenticazione (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
Quante Password hai
22
bull 6 persone su 10 hanno
subito almeno un furto
drsquoidentitagrave (clonazione
carta di
creditobancomat
falsificazione CI
accesso ad aree
riservate accesso a
informazioni riservate
etc)
23
bull Biometria delle impronte ndash riconoscimento delle impronte
bull Biometria dellrsquoocchio ndash riconoscimento dellrsquoiride e della retina
bull Biometria del volto ndash riconoscimento facciale (foto infrarosso)
bull Biometria della mano ndash geometria delle dita
bull Biometria della firma ndash riconoscimento della firma
bull Biometria della voce ndash riconoscimento vocale
bull Biometria auricolare ndash riconoscimento dellrsquoorecchio
bull Digitazione di tasti
bull DNA
Biometriche riconosciute dallo
Standard X984 - 2003
a) b) c) d) e) f)
g) h) i) j) k)
24
Verifica e Riconoscimento
bull Verifica Confronto Uno a Uno Conferma
lrsquoidentitagrave dichiarata da un individuo
ndash Dichiarata mediante carta di identitagrave codice utente
smart card
bull Riconoscimento Confronto Uno a Molti
Stabilisce lrsquoidentitagrave di un soggetto a partire da un
insieme di persone registrate
25
Proprietagrave di una caratteristica
biometrica
bull Universalitagrave ogni persona deve possedere tale biometria
bull Distintivitagrave (Unicitagrave) due persone devono essere sufficientemente distinguibili in base a tale biometria
bull Permanenza (Stabilitagrave) la biometria deve rimanere invariante (rispetto ai termini di confronto) nel tempo
bull Misurabilitagrave essa deve essere misurabile quantitativamente
26
Proprietagrave di una caratteristica
biometrica
bull Performance (EfficaciaEfficienza) lrsquoacquisizione lrsquoestrazione delle caratteristiche e il confronto delle entitagrave non devono essere troppo costose in termini di tempo memoria ed efficienza del sistema
bull Accettabilitagrave la procedura di acquisizione deve essere tollerata da una vasta parte della popolazione
bull Eludibilitagrave la probabilitagrave che il sistema venga raggirato o indotto in errore deve essere minimizzata
27
Tipologia di Utente
bull Cooperativo egrave interesse dellrsquoutente che il sistema lo riconosca (un impostore cerca di farsi riconoscere)
bull Non-Cooperativo lrsquoutente egrave indifferente al processo di riconoscimento (un impostore cerca di non farsi riconoscere)
bull PubblicoPrivato se gli utenti del sistema saranno il pubblico o i dipendenti (ad esempio Amministrazione) dellrsquoEnte dove il sistema egrave installato
28
Tipologia di Utente
bull Abituatonon abituato frequenza con cui
gli utenti del sistema si prestano al
riconoscimento biometrico (piugrave volte al
giorno settimanalmente mensilmente
ecc)
bull Consapevoleinconsapevole se lrsquoutente egrave
o no al corrente del processo di
riconoscimento in atto
29
Tipologia di Applicazione
bull On-line lrsquoutente egrave in attesa fincheacute il
sistema non risponde (tempi brevi di
risposta)
bull Off-line lrsquoutente viene acquisito ma non
attende una risposta immediata
30
Caratteristiche Biometriche
Caratteristiche
Biometriche
Statiche o
Fisiologiche
Impronte
DigitaliMano Volto Occhio DNA
Dinamiche o
Comportamentali
Voce CalligrafiaStile di
battituraAndatura
31
Biometria Statica o Dinamica
bull Statica (o fisiologica) metodi biometrici ndash autenticazione basata su caratteristiche sempre presentindash Impronte digitali
ndash Scan della retina e dellrsquoiride
ndash Geometria della mano
bull Dinamica (o comportamentale) metodi biometrici ndashautenticazione basata su caratteristiche comportamentalindash Firma
ndash Voce
ndash Battitura tasti
Quali Biometrie
32
33
Sistema
biometricoRobustezza Univocitagrave Accessibilitagrave Accettabilitagrave Privacy
Impronte
DigitaliAlto Alto Medio Medio Basso
Geometria della
ManoMedio Medio Medio Medio Basso
Caratt
IrideAlto Alto Medio Basso Alto
Caratter
VoltoMedio Basso Alto Alto Alto
Dinamica
Appl FirmaBasso Basso Medio Alto Medio
Caratt
VoceBasso Basso Medio Alto Medio
Caratt
RetinaMedio Alto Basso Basso Alto
Comparazione di Tecnologie Biometriche
34
Registrazione di un soggetto
(Enrollment)
bull Si associa un insieme di caratteristicheallrsquoidentitagrave di un soggettondash Raccolta dei dati ed estrazione delle caratteristiche
bull Il modello estratto (template) egrave memorizzato in un database o su un supporto portatile (smart card)
bull Questo processo puograve essere effettuato singolarmente o in blocco (batch enrollment)
35
Architettura di un
Sistema Biometrico
Slide prodotta da JL Dugelay (Eurecom-France)
36
Architettura di un
Sistema Biometrico (cont)
bull Lrsquoidentitagrave corrisponde ed il soggetto egrave
accettato
bull Lrsquoidentitagrave corrisponde ma il soggetto egrave
respinto (errore)
bull Un impostore egrave accettato (errore)
bull Un impostore egrave rifiutato
37
Architettura di un
Sistema Biometrico (cont)
User interface
NAME (PIN)
Quality
checker
Feature
Extractor
System DB
template
name
Enrollment
User interface
NAME (PIN)
Feature
Extractor
Matcher
(1 match)
System DB
one
template
Verification
TrueFalse
claimed identity
User interface
Feature
Extractor
Matcher
(N matches)
System DB
N
templates
Identification
Userrsquos identity or
ldquouser non identifiedrdquo
38
Misura delle Prestazioni
bull Non egrave possibile riconoscere un individuo senza ammettere una tolleranza drsquoerrore
bull La soglia di tolleranza egrave cruciale e dipende fortemente dallrsquoapplicazione
bull Una soglia troppo bassa causa molti errori di Tipo I (rifiuto di soggetti registrati) ndash FRR (False Recognition Rate)
bull Una soglia troppo alta causa molti errori di Tipo II (accettazione di impostori) ndash FAR (False Acceptance Rate)
bull La scelta piugrave utilizzata egrave EER Equal error rate (EER) ndash FAR = FRR
39
Misura delle Prestazioni (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
La scelta piugrave utilizzata egrave ERR Equal error rate (EER) FAR = FRR
40
Quali Biometrie
Slide prodotta da JL Dugelay (Eurecom-France)
41
Quali Biometrie (cont)
a) b) c) d) e) f)
g) h) i) j) k)
Biometrics
bull ear
bull face
bull facial thermogram
bull hand thermogram
bull hand vein
bull hand geometry
bull fingerprint
bull iris
bull retina
bull signature
bull voice
42
bull Biometria delle impronte ndash riconoscimento delle impronte
bull Biometria dellrsquoocchio ndash riconoscimento dellrsquoiride e della retina
bull Biometria del volto ndash riconoscimento facciale (foto infrarosso)
bull Biometria della mano ndash geometria delle dita
bull Biometria della firma ndash riconoscimento della firma
bull Biometria della voce ndash riconoscimento vocale
bull Biometria auricolare ndash riconoscimento dellrsquoorecchio
bull Digitazione di tasti
bull DNA
Tecniche riconosciute dallo
Standard X984 - 2003
Impronte
digitali
voltoFirma
Iride
voce
Geometria della
mano
43
Variabilitagrave delle Biometrie
bull I Dati Biometrici non possono essere persi trasferiti ad altri o dimenticatihellipma
bull Lrsquoacquisizione (digitalizzazione dei dati) puograve determinare una variabilitagrave delle biometrie
ndash Intra_Classebull Variabilitagrave delle biometrie per un individuo
ndash Inter_Classebull Similaritagrave delle biometrie tra individui diversi
44
Variabilitagrave delle Biometrie
bull Intra_Classe
ndash Il MedioBreve Termine
ndash Il Lungo Termine Lrsquoetagrave
ndash La posa
ndash Le parziali occlusioni
ndash Lrsquoespressione
ndash Lrsquoilluminazione
45
Variabilitagrave delle Biometrie
bull Inter_Classe
ndash Gemelli
ndash Sosia
ndash hellip
ndash hellip
ndash hellip
Intra-class Variations
Time duration 6 months
Time duration 2 years
Variabilitagrave Intra-Classe Il Tempo
47
Sharbat GulaSharbat Gula
1985 2002
(Left photo copy Steve McCurry Right photo Steve McCurry copy National Geographic Society)
Variabilitagrave Intra-Classe Lrsquoetagrave (cont)
48
Variabilitagrave Intra-Classe La Posa
49
Variabilitagrave Intra-Classe
LrsquoEspressione
50
Variabilitagrave Intra-Classe
Espressione Posa e Parziali Occlusioni
51
Variabilitagrave Intra-Classe
LrsquoIlluminazione
52
Similaritagrave Inter-Classe
Count of Q2 Q2
Gender A 1 A 2 A 3 A 4 A 5 A 6 A 7 A 8 A 9 A 10Grand Total
Female 8 3 4 4 16 8 0 4 2 51 100
Male 9 5 3 6 6 5 1 2 1 63 100
Grand Total 9 4 3 5 9 6 1 3 1 59 100
54
56
Standard Esistenti
wwwbiometricsorgwwwnistgovbcwg
wwwbioapiorg
wwwibiaorgwwwbiometricfoundationorg
wwwnistgovcbeff
wwwitlnistorg
57
Sistemi CommercialiPanoramica
Il numero di distributori di SDKs (Software Development Kits) da poter integrare in applicazioni
esistenti
Il problema del face detection egrave visto come un problema collaterale
Tutti gli SDKs disponibili sono reperibili solo a pagamento
CompagniaSDK Documentazione Disponibile Tecnologia
Cognitec
Germania
FaceVAC
S SDK
httpwwwcognitec-
agdedocumentationfrsdk_p
ublic
Reti Neurali
HumanScan
Germania
BioID 31
SDK
httpwwwbioidcomsdkdoc
s
Detection Model based
(Hausdorff)
Identix
USA
FaceIT
SDKLocal Feature Analysis
Imagis
Canada
ID2000
SDK
Viisage
USA
FaceTool
sEigenfaces
58
Sistemi Commerciali
Cognitec
Caratteristiche
Basato sulla tecnologia FaceVACSreg
500000 confronti al secondo su processori Pentium
Lavora anche in modalitagrave distribuita
Interfaccia amichevole che permette ordinamento riorganizzazione
navigazione selezione
Piugrave immagini per ciascuna persona
Facile gestione di nuovi soggetti da aggiungere
Possibilitagrave di sottoporre valutazioni sulla qualitagrave
Integration Kit per lrsquointegrazione con altri pacchetti software
59
Sistemi Commerciali
Cognitec
Caratteristiche
bullBasato su tecnologia FaceVACSreg
bullAutomatic face recognition per una maggiore sicurezza a costi
convenienti
bullVaria dalla gestione di un singolo punto di accesso alla
regolazioni degli accessi a reti molto vaste
bullFacile integrazione nei sistemi giagrave esistenti
bullCombinabile con lettori di carte keypads e diverse tipologie di
videocamere
bullPossibilitagrave di monitorare eventi predefiniti
bullRegistrazione on-line e off-line
bullldquoVerifica direttaldquo per sistemi di altissima sicurezza
60
Sistemi Commerciali
Cognitec
Caratteristiche
bullAnalisi di piugrave sequenze video
bullFace detection di volti in piugrave video
bullFace recognition real time
bullCreazione di un file di log
bullRegistrazione interattiva da immagini fisse o
video
bullPannello di gestione dei filmati
bullIntegration Kit per lrsquointegrazione di sistemi
esistenti
61
Viisage FacePASSreg
Caratteristiche
bullFacePASS egrave utilizzato in sistemi di sicurezza controlli
per lrsquoaccesso e verifica di corrispondenza
documentoidentitagrave
bullPermette la verifica di identitagrave
bullPermette di riconoscere a ciascun soggetto identificato
il rispettivo livello di accesso
bullFrutto della tecnologia visage egrave in uso da diversi anni in
applicazioni industriali
bullInterfaccia amichevole costruita sulla base del feed-
back ottenuto dagli utenti
62
IdentiX
ABIS Face Enterprise Edition
Le componenti del sistema ABIS lavorano su architettura distribuita con il vantaggio della scalabilitagrave e della ridondanza
bull Search Core Server ABIS System search engine firmware Lavora su Intelreg Xeontrade o Pentiumreg III blade servers
bull Database Server Oracle 9i Database memorizza fino a 20 million di volti su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni e della dimensione del database richieste
bull Application Server ABIS XML-RPC Application Programming Interface lavora su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni
63
Effettiva percentuale di
utilizzo dei sistemi biometrici
Finger Scan
521
Keystroke Scan
03
Facial Scan
114Hand Scan
100
Middleware
124
Iris Scan
73
Voice Scan
41
Signature Scan
24
64
Biometric Revenues
65
DEMO
15
Storia della Biometria (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
16
Storia della Biometria Bertillonage
Forma della mano
Forma della testa
Misura degli arti
Misura del busto
Dettagli del voltoScheda di
Identificazione
17
Bertillonage Gli Strumenti
Caliper Compass Sliding Compass
Small
Sliding Compass
Vertical amp Orizzontal
Measures
18
Il Bertillonage nel Mondo
Slide prodotta da JL Dugelay (Eurecom-France)
19
Sistema di Bertillion - Fallimento
bull Nel 1901 e nel 1903 nel furono registrati due detenuti William West e Will West con misure antropometriche simili
Slide prodotta da JL Dugelay (Eurecom-France)
20
Sistema di Bertillion La Fine
Slide prodotta da JL Dugelay (Eurecom-France)
21
Metodi di autenticazione (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
Quante Password hai
22
bull 6 persone su 10 hanno
subito almeno un furto
drsquoidentitagrave (clonazione
carta di
creditobancomat
falsificazione CI
accesso ad aree
riservate accesso a
informazioni riservate
etc)
23
bull Biometria delle impronte ndash riconoscimento delle impronte
bull Biometria dellrsquoocchio ndash riconoscimento dellrsquoiride e della retina
bull Biometria del volto ndash riconoscimento facciale (foto infrarosso)
bull Biometria della mano ndash geometria delle dita
bull Biometria della firma ndash riconoscimento della firma
bull Biometria della voce ndash riconoscimento vocale
bull Biometria auricolare ndash riconoscimento dellrsquoorecchio
bull Digitazione di tasti
bull DNA
Biometriche riconosciute dallo
Standard X984 - 2003
a) b) c) d) e) f)
g) h) i) j) k)
24
Verifica e Riconoscimento
bull Verifica Confronto Uno a Uno Conferma
lrsquoidentitagrave dichiarata da un individuo
ndash Dichiarata mediante carta di identitagrave codice utente
smart card
bull Riconoscimento Confronto Uno a Molti
Stabilisce lrsquoidentitagrave di un soggetto a partire da un
insieme di persone registrate
25
Proprietagrave di una caratteristica
biometrica
bull Universalitagrave ogni persona deve possedere tale biometria
bull Distintivitagrave (Unicitagrave) due persone devono essere sufficientemente distinguibili in base a tale biometria
bull Permanenza (Stabilitagrave) la biometria deve rimanere invariante (rispetto ai termini di confronto) nel tempo
bull Misurabilitagrave essa deve essere misurabile quantitativamente
26
Proprietagrave di una caratteristica
biometrica
bull Performance (EfficaciaEfficienza) lrsquoacquisizione lrsquoestrazione delle caratteristiche e il confronto delle entitagrave non devono essere troppo costose in termini di tempo memoria ed efficienza del sistema
bull Accettabilitagrave la procedura di acquisizione deve essere tollerata da una vasta parte della popolazione
bull Eludibilitagrave la probabilitagrave che il sistema venga raggirato o indotto in errore deve essere minimizzata
27
Tipologia di Utente
bull Cooperativo egrave interesse dellrsquoutente che il sistema lo riconosca (un impostore cerca di farsi riconoscere)
bull Non-Cooperativo lrsquoutente egrave indifferente al processo di riconoscimento (un impostore cerca di non farsi riconoscere)
bull PubblicoPrivato se gli utenti del sistema saranno il pubblico o i dipendenti (ad esempio Amministrazione) dellrsquoEnte dove il sistema egrave installato
28
Tipologia di Utente
bull Abituatonon abituato frequenza con cui
gli utenti del sistema si prestano al
riconoscimento biometrico (piugrave volte al
giorno settimanalmente mensilmente
ecc)
bull Consapevoleinconsapevole se lrsquoutente egrave
o no al corrente del processo di
riconoscimento in atto
29
Tipologia di Applicazione
bull On-line lrsquoutente egrave in attesa fincheacute il
sistema non risponde (tempi brevi di
risposta)
bull Off-line lrsquoutente viene acquisito ma non
attende una risposta immediata
30
Caratteristiche Biometriche
Caratteristiche
Biometriche
Statiche o
Fisiologiche
Impronte
DigitaliMano Volto Occhio DNA
Dinamiche o
Comportamentali
Voce CalligrafiaStile di
battituraAndatura
31
Biometria Statica o Dinamica
bull Statica (o fisiologica) metodi biometrici ndash autenticazione basata su caratteristiche sempre presentindash Impronte digitali
ndash Scan della retina e dellrsquoiride
ndash Geometria della mano
bull Dinamica (o comportamentale) metodi biometrici ndashautenticazione basata su caratteristiche comportamentalindash Firma
ndash Voce
ndash Battitura tasti
Quali Biometrie
32
33
Sistema
biometricoRobustezza Univocitagrave Accessibilitagrave Accettabilitagrave Privacy
Impronte
DigitaliAlto Alto Medio Medio Basso
Geometria della
ManoMedio Medio Medio Medio Basso
Caratt
IrideAlto Alto Medio Basso Alto
Caratter
VoltoMedio Basso Alto Alto Alto
Dinamica
Appl FirmaBasso Basso Medio Alto Medio
Caratt
VoceBasso Basso Medio Alto Medio
Caratt
RetinaMedio Alto Basso Basso Alto
Comparazione di Tecnologie Biometriche
34
Registrazione di un soggetto
(Enrollment)
bull Si associa un insieme di caratteristicheallrsquoidentitagrave di un soggettondash Raccolta dei dati ed estrazione delle caratteristiche
bull Il modello estratto (template) egrave memorizzato in un database o su un supporto portatile (smart card)
bull Questo processo puograve essere effettuato singolarmente o in blocco (batch enrollment)
35
Architettura di un
Sistema Biometrico
Slide prodotta da JL Dugelay (Eurecom-France)
36
Architettura di un
Sistema Biometrico (cont)
bull Lrsquoidentitagrave corrisponde ed il soggetto egrave
accettato
bull Lrsquoidentitagrave corrisponde ma il soggetto egrave
respinto (errore)
bull Un impostore egrave accettato (errore)
bull Un impostore egrave rifiutato
37
Architettura di un
Sistema Biometrico (cont)
User interface
NAME (PIN)
Quality
checker
Feature
Extractor
System DB
template
name
Enrollment
User interface
NAME (PIN)
Feature
Extractor
Matcher
(1 match)
System DB
one
template
Verification
TrueFalse
claimed identity
User interface
Feature
Extractor
Matcher
(N matches)
System DB
N
templates
Identification
Userrsquos identity or
ldquouser non identifiedrdquo
38
Misura delle Prestazioni
bull Non egrave possibile riconoscere un individuo senza ammettere una tolleranza drsquoerrore
bull La soglia di tolleranza egrave cruciale e dipende fortemente dallrsquoapplicazione
bull Una soglia troppo bassa causa molti errori di Tipo I (rifiuto di soggetti registrati) ndash FRR (False Recognition Rate)
bull Una soglia troppo alta causa molti errori di Tipo II (accettazione di impostori) ndash FAR (False Acceptance Rate)
bull La scelta piugrave utilizzata egrave EER Equal error rate (EER) ndash FAR = FRR
39
Misura delle Prestazioni (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
La scelta piugrave utilizzata egrave ERR Equal error rate (EER) FAR = FRR
40
Quali Biometrie
Slide prodotta da JL Dugelay (Eurecom-France)
41
Quali Biometrie (cont)
a) b) c) d) e) f)
g) h) i) j) k)
Biometrics
bull ear
bull face
bull facial thermogram
bull hand thermogram
bull hand vein
bull hand geometry
bull fingerprint
bull iris
bull retina
bull signature
bull voice
42
bull Biometria delle impronte ndash riconoscimento delle impronte
bull Biometria dellrsquoocchio ndash riconoscimento dellrsquoiride e della retina
bull Biometria del volto ndash riconoscimento facciale (foto infrarosso)
bull Biometria della mano ndash geometria delle dita
bull Biometria della firma ndash riconoscimento della firma
bull Biometria della voce ndash riconoscimento vocale
bull Biometria auricolare ndash riconoscimento dellrsquoorecchio
bull Digitazione di tasti
bull DNA
Tecniche riconosciute dallo
Standard X984 - 2003
Impronte
digitali
voltoFirma
Iride
voce
Geometria della
mano
43
Variabilitagrave delle Biometrie
bull I Dati Biometrici non possono essere persi trasferiti ad altri o dimenticatihellipma
bull Lrsquoacquisizione (digitalizzazione dei dati) puograve determinare una variabilitagrave delle biometrie
ndash Intra_Classebull Variabilitagrave delle biometrie per un individuo
ndash Inter_Classebull Similaritagrave delle biometrie tra individui diversi
44
Variabilitagrave delle Biometrie
bull Intra_Classe
ndash Il MedioBreve Termine
ndash Il Lungo Termine Lrsquoetagrave
ndash La posa
ndash Le parziali occlusioni
ndash Lrsquoespressione
ndash Lrsquoilluminazione
45
Variabilitagrave delle Biometrie
bull Inter_Classe
ndash Gemelli
ndash Sosia
ndash hellip
ndash hellip
ndash hellip
Intra-class Variations
Time duration 6 months
Time duration 2 years
Variabilitagrave Intra-Classe Il Tempo
47
Sharbat GulaSharbat Gula
1985 2002
(Left photo copy Steve McCurry Right photo Steve McCurry copy National Geographic Society)
Variabilitagrave Intra-Classe Lrsquoetagrave (cont)
48
Variabilitagrave Intra-Classe La Posa
49
Variabilitagrave Intra-Classe
LrsquoEspressione
50
Variabilitagrave Intra-Classe
Espressione Posa e Parziali Occlusioni
51
Variabilitagrave Intra-Classe
LrsquoIlluminazione
52
Similaritagrave Inter-Classe
Count of Q2 Q2
Gender A 1 A 2 A 3 A 4 A 5 A 6 A 7 A 8 A 9 A 10Grand Total
Female 8 3 4 4 16 8 0 4 2 51 100
Male 9 5 3 6 6 5 1 2 1 63 100
Grand Total 9 4 3 5 9 6 1 3 1 59 100
54
56
Standard Esistenti
wwwbiometricsorgwwwnistgovbcwg
wwwbioapiorg
wwwibiaorgwwwbiometricfoundationorg
wwwnistgovcbeff
wwwitlnistorg
57
Sistemi CommercialiPanoramica
Il numero di distributori di SDKs (Software Development Kits) da poter integrare in applicazioni
esistenti
Il problema del face detection egrave visto come un problema collaterale
Tutti gli SDKs disponibili sono reperibili solo a pagamento
CompagniaSDK Documentazione Disponibile Tecnologia
Cognitec
Germania
FaceVAC
S SDK
httpwwwcognitec-
agdedocumentationfrsdk_p
ublic
Reti Neurali
HumanScan
Germania
BioID 31
SDK
httpwwwbioidcomsdkdoc
s
Detection Model based
(Hausdorff)
Identix
USA
FaceIT
SDKLocal Feature Analysis
Imagis
Canada
ID2000
SDK
Viisage
USA
FaceTool
sEigenfaces
58
Sistemi Commerciali
Cognitec
Caratteristiche
Basato sulla tecnologia FaceVACSreg
500000 confronti al secondo su processori Pentium
Lavora anche in modalitagrave distribuita
Interfaccia amichevole che permette ordinamento riorganizzazione
navigazione selezione
Piugrave immagini per ciascuna persona
Facile gestione di nuovi soggetti da aggiungere
Possibilitagrave di sottoporre valutazioni sulla qualitagrave
Integration Kit per lrsquointegrazione con altri pacchetti software
59
Sistemi Commerciali
Cognitec
Caratteristiche
bullBasato su tecnologia FaceVACSreg
bullAutomatic face recognition per una maggiore sicurezza a costi
convenienti
bullVaria dalla gestione di un singolo punto di accesso alla
regolazioni degli accessi a reti molto vaste
bullFacile integrazione nei sistemi giagrave esistenti
bullCombinabile con lettori di carte keypads e diverse tipologie di
videocamere
bullPossibilitagrave di monitorare eventi predefiniti
bullRegistrazione on-line e off-line
bullldquoVerifica direttaldquo per sistemi di altissima sicurezza
60
Sistemi Commerciali
Cognitec
Caratteristiche
bullAnalisi di piugrave sequenze video
bullFace detection di volti in piugrave video
bullFace recognition real time
bullCreazione di un file di log
bullRegistrazione interattiva da immagini fisse o
video
bullPannello di gestione dei filmati
bullIntegration Kit per lrsquointegrazione di sistemi
esistenti
61
Viisage FacePASSreg
Caratteristiche
bullFacePASS egrave utilizzato in sistemi di sicurezza controlli
per lrsquoaccesso e verifica di corrispondenza
documentoidentitagrave
bullPermette la verifica di identitagrave
bullPermette di riconoscere a ciascun soggetto identificato
il rispettivo livello di accesso
bullFrutto della tecnologia visage egrave in uso da diversi anni in
applicazioni industriali
bullInterfaccia amichevole costruita sulla base del feed-
back ottenuto dagli utenti
62
IdentiX
ABIS Face Enterprise Edition
Le componenti del sistema ABIS lavorano su architettura distribuita con il vantaggio della scalabilitagrave e della ridondanza
bull Search Core Server ABIS System search engine firmware Lavora su Intelreg Xeontrade o Pentiumreg III blade servers
bull Database Server Oracle 9i Database memorizza fino a 20 million di volti su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni e della dimensione del database richieste
bull Application Server ABIS XML-RPC Application Programming Interface lavora su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni
63
Effettiva percentuale di
utilizzo dei sistemi biometrici
Finger Scan
521
Keystroke Scan
03
Facial Scan
114Hand Scan
100
Middleware
124
Iris Scan
73
Voice Scan
41
Signature Scan
24
64
Biometric Revenues
65
DEMO
16
Storia della Biometria Bertillonage
Forma della mano
Forma della testa
Misura degli arti
Misura del busto
Dettagli del voltoScheda di
Identificazione
17
Bertillonage Gli Strumenti
Caliper Compass Sliding Compass
Small
Sliding Compass
Vertical amp Orizzontal
Measures
18
Il Bertillonage nel Mondo
Slide prodotta da JL Dugelay (Eurecom-France)
19
Sistema di Bertillion - Fallimento
bull Nel 1901 e nel 1903 nel furono registrati due detenuti William West e Will West con misure antropometriche simili
Slide prodotta da JL Dugelay (Eurecom-France)
20
Sistema di Bertillion La Fine
Slide prodotta da JL Dugelay (Eurecom-France)
21
Metodi di autenticazione (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
Quante Password hai
22
bull 6 persone su 10 hanno
subito almeno un furto
drsquoidentitagrave (clonazione
carta di
creditobancomat
falsificazione CI
accesso ad aree
riservate accesso a
informazioni riservate
etc)
23
bull Biometria delle impronte ndash riconoscimento delle impronte
bull Biometria dellrsquoocchio ndash riconoscimento dellrsquoiride e della retina
bull Biometria del volto ndash riconoscimento facciale (foto infrarosso)
bull Biometria della mano ndash geometria delle dita
bull Biometria della firma ndash riconoscimento della firma
bull Biometria della voce ndash riconoscimento vocale
bull Biometria auricolare ndash riconoscimento dellrsquoorecchio
bull Digitazione di tasti
bull DNA
Biometriche riconosciute dallo
Standard X984 - 2003
a) b) c) d) e) f)
g) h) i) j) k)
24
Verifica e Riconoscimento
bull Verifica Confronto Uno a Uno Conferma
lrsquoidentitagrave dichiarata da un individuo
ndash Dichiarata mediante carta di identitagrave codice utente
smart card
bull Riconoscimento Confronto Uno a Molti
Stabilisce lrsquoidentitagrave di un soggetto a partire da un
insieme di persone registrate
25
Proprietagrave di una caratteristica
biometrica
bull Universalitagrave ogni persona deve possedere tale biometria
bull Distintivitagrave (Unicitagrave) due persone devono essere sufficientemente distinguibili in base a tale biometria
bull Permanenza (Stabilitagrave) la biometria deve rimanere invariante (rispetto ai termini di confronto) nel tempo
bull Misurabilitagrave essa deve essere misurabile quantitativamente
26
Proprietagrave di una caratteristica
biometrica
bull Performance (EfficaciaEfficienza) lrsquoacquisizione lrsquoestrazione delle caratteristiche e il confronto delle entitagrave non devono essere troppo costose in termini di tempo memoria ed efficienza del sistema
bull Accettabilitagrave la procedura di acquisizione deve essere tollerata da una vasta parte della popolazione
bull Eludibilitagrave la probabilitagrave che il sistema venga raggirato o indotto in errore deve essere minimizzata
27
Tipologia di Utente
bull Cooperativo egrave interesse dellrsquoutente che il sistema lo riconosca (un impostore cerca di farsi riconoscere)
bull Non-Cooperativo lrsquoutente egrave indifferente al processo di riconoscimento (un impostore cerca di non farsi riconoscere)
bull PubblicoPrivato se gli utenti del sistema saranno il pubblico o i dipendenti (ad esempio Amministrazione) dellrsquoEnte dove il sistema egrave installato
28
Tipologia di Utente
bull Abituatonon abituato frequenza con cui
gli utenti del sistema si prestano al
riconoscimento biometrico (piugrave volte al
giorno settimanalmente mensilmente
ecc)
bull Consapevoleinconsapevole se lrsquoutente egrave
o no al corrente del processo di
riconoscimento in atto
29
Tipologia di Applicazione
bull On-line lrsquoutente egrave in attesa fincheacute il
sistema non risponde (tempi brevi di
risposta)
bull Off-line lrsquoutente viene acquisito ma non
attende una risposta immediata
30
Caratteristiche Biometriche
Caratteristiche
Biometriche
Statiche o
Fisiologiche
Impronte
DigitaliMano Volto Occhio DNA
Dinamiche o
Comportamentali
Voce CalligrafiaStile di
battituraAndatura
31
Biometria Statica o Dinamica
bull Statica (o fisiologica) metodi biometrici ndash autenticazione basata su caratteristiche sempre presentindash Impronte digitali
ndash Scan della retina e dellrsquoiride
ndash Geometria della mano
bull Dinamica (o comportamentale) metodi biometrici ndashautenticazione basata su caratteristiche comportamentalindash Firma
ndash Voce
ndash Battitura tasti
Quali Biometrie
32
33
Sistema
biometricoRobustezza Univocitagrave Accessibilitagrave Accettabilitagrave Privacy
Impronte
DigitaliAlto Alto Medio Medio Basso
Geometria della
ManoMedio Medio Medio Medio Basso
Caratt
IrideAlto Alto Medio Basso Alto
Caratter
VoltoMedio Basso Alto Alto Alto
Dinamica
Appl FirmaBasso Basso Medio Alto Medio
Caratt
VoceBasso Basso Medio Alto Medio
Caratt
RetinaMedio Alto Basso Basso Alto
Comparazione di Tecnologie Biometriche
34
Registrazione di un soggetto
(Enrollment)
bull Si associa un insieme di caratteristicheallrsquoidentitagrave di un soggettondash Raccolta dei dati ed estrazione delle caratteristiche
bull Il modello estratto (template) egrave memorizzato in un database o su un supporto portatile (smart card)
bull Questo processo puograve essere effettuato singolarmente o in blocco (batch enrollment)
35
Architettura di un
Sistema Biometrico
Slide prodotta da JL Dugelay (Eurecom-France)
36
Architettura di un
Sistema Biometrico (cont)
bull Lrsquoidentitagrave corrisponde ed il soggetto egrave
accettato
bull Lrsquoidentitagrave corrisponde ma il soggetto egrave
respinto (errore)
bull Un impostore egrave accettato (errore)
bull Un impostore egrave rifiutato
37
Architettura di un
Sistema Biometrico (cont)
User interface
NAME (PIN)
Quality
checker
Feature
Extractor
System DB
template
name
Enrollment
User interface
NAME (PIN)
Feature
Extractor
Matcher
(1 match)
System DB
one
template
Verification
TrueFalse
claimed identity
User interface
Feature
Extractor
Matcher
(N matches)
System DB
N
templates
Identification
Userrsquos identity or
ldquouser non identifiedrdquo
38
Misura delle Prestazioni
bull Non egrave possibile riconoscere un individuo senza ammettere una tolleranza drsquoerrore
bull La soglia di tolleranza egrave cruciale e dipende fortemente dallrsquoapplicazione
bull Una soglia troppo bassa causa molti errori di Tipo I (rifiuto di soggetti registrati) ndash FRR (False Recognition Rate)
bull Una soglia troppo alta causa molti errori di Tipo II (accettazione di impostori) ndash FAR (False Acceptance Rate)
bull La scelta piugrave utilizzata egrave EER Equal error rate (EER) ndash FAR = FRR
39
Misura delle Prestazioni (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
La scelta piugrave utilizzata egrave ERR Equal error rate (EER) FAR = FRR
40
Quali Biometrie
Slide prodotta da JL Dugelay (Eurecom-France)
41
Quali Biometrie (cont)
a) b) c) d) e) f)
g) h) i) j) k)
Biometrics
bull ear
bull face
bull facial thermogram
bull hand thermogram
bull hand vein
bull hand geometry
bull fingerprint
bull iris
bull retina
bull signature
bull voice
42
bull Biometria delle impronte ndash riconoscimento delle impronte
bull Biometria dellrsquoocchio ndash riconoscimento dellrsquoiride e della retina
bull Biometria del volto ndash riconoscimento facciale (foto infrarosso)
bull Biometria della mano ndash geometria delle dita
bull Biometria della firma ndash riconoscimento della firma
bull Biometria della voce ndash riconoscimento vocale
bull Biometria auricolare ndash riconoscimento dellrsquoorecchio
bull Digitazione di tasti
bull DNA
Tecniche riconosciute dallo
Standard X984 - 2003
Impronte
digitali
voltoFirma
Iride
voce
Geometria della
mano
43
Variabilitagrave delle Biometrie
bull I Dati Biometrici non possono essere persi trasferiti ad altri o dimenticatihellipma
bull Lrsquoacquisizione (digitalizzazione dei dati) puograve determinare una variabilitagrave delle biometrie
ndash Intra_Classebull Variabilitagrave delle biometrie per un individuo
ndash Inter_Classebull Similaritagrave delle biometrie tra individui diversi
44
Variabilitagrave delle Biometrie
bull Intra_Classe
ndash Il MedioBreve Termine
ndash Il Lungo Termine Lrsquoetagrave
ndash La posa
ndash Le parziali occlusioni
ndash Lrsquoespressione
ndash Lrsquoilluminazione
45
Variabilitagrave delle Biometrie
bull Inter_Classe
ndash Gemelli
ndash Sosia
ndash hellip
ndash hellip
ndash hellip
Intra-class Variations
Time duration 6 months
Time duration 2 years
Variabilitagrave Intra-Classe Il Tempo
47
Sharbat GulaSharbat Gula
1985 2002
(Left photo copy Steve McCurry Right photo Steve McCurry copy National Geographic Society)
Variabilitagrave Intra-Classe Lrsquoetagrave (cont)
48
Variabilitagrave Intra-Classe La Posa
49
Variabilitagrave Intra-Classe
LrsquoEspressione
50
Variabilitagrave Intra-Classe
Espressione Posa e Parziali Occlusioni
51
Variabilitagrave Intra-Classe
LrsquoIlluminazione
52
Similaritagrave Inter-Classe
Count of Q2 Q2
Gender A 1 A 2 A 3 A 4 A 5 A 6 A 7 A 8 A 9 A 10Grand Total
Female 8 3 4 4 16 8 0 4 2 51 100
Male 9 5 3 6 6 5 1 2 1 63 100
Grand Total 9 4 3 5 9 6 1 3 1 59 100
54
56
Standard Esistenti
wwwbiometricsorgwwwnistgovbcwg
wwwbioapiorg
wwwibiaorgwwwbiometricfoundationorg
wwwnistgovcbeff
wwwitlnistorg
57
Sistemi CommercialiPanoramica
Il numero di distributori di SDKs (Software Development Kits) da poter integrare in applicazioni
esistenti
Il problema del face detection egrave visto come un problema collaterale
Tutti gli SDKs disponibili sono reperibili solo a pagamento
CompagniaSDK Documentazione Disponibile Tecnologia
Cognitec
Germania
FaceVAC
S SDK
httpwwwcognitec-
agdedocumentationfrsdk_p
ublic
Reti Neurali
HumanScan
Germania
BioID 31
SDK
httpwwwbioidcomsdkdoc
s
Detection Model based
(Hausdorff)
Identix
USA
FaceIT
SDKLocal Feature Analysis
Imagis
Canada
ID2000
SDK
Viisage
USA
FaceTool
sEigenfaces
58
Sistemi Commerciali
Cognitec
Caratteristiche
Basato sulla tecnologia FaceVACSreg
500000 confronti al secondo su processori Pentium
Lavora anche in modalitagrave distribuita
Interfaccia amichevole che permette ordinamento riorganizzazione
navigazione selezione
Piugrave immagini per ciascuna persona
Facile gestione di nuovi soggetti da aggiungere
Possibilitagrave di sottoporre valutazioni sulla qualitagrave
Integration Kit per lrsquointegrazione con altri pacchetti software
59
Sistemi Commerciali
Cognitec
Caratteristiche
bullBasato su tecnologia FaceVACSreg
bullAutomatic face recognition per una maggiore sicurezza a costi
convenienti
bullVaria dalla gestione di un singolo punto di accesso alla
regolazioni degli accessi a reti molto vaste
bullFacile integrazione nei sistemi giagrave esistenti
bullCombinabile con lettori di carte keypads e diverse tipologie di
videocamere
bullPossibilitagrave di monitorare eventi predefiniti
bullRegistrazione on-line e off-line
bullldquoVerifica direttaldquo per sistemi di altissima sicurezza
60
Sistemi Commerciali
Cognitec
Caratteristiche
bullAnalisi di piugrave sequenze video
bullFace detection di volti in piugrave video
bullFace recognition real time
bullCreazione di un file di log
bullRegistrazione interattiva da immagini fisse o
video
bullPannello di gestione dei filmati
bullIntegration Kit per lrsquointegrazione di sistemi
esistenti
61
Viisage FacePASSreg
Caratteristiche
bullFacePASS egrave utilizzato in sistemi di sicurezza controlli
per lrsquoaccesso e verifica di corrispondenza
documentoidentitagrave
bullPermette la verifica di identitagrave
bullPermette di riconoscere a ciascun soggetto identificato
il rispettivo livello di accesso
bullFrutto della tecnologia visage egrave in uso da diversi anni in
applicazioni industriali
bullInterfaccia amichevole costruita sulla base del feed-
back ottenuto dagli utenti
62
IdentiX
ABIS Face Enterprise Edition
Le componenti del sistema ABIS lavorano su architettura distribuita con il vantaggio della scalabilitagrave e della ridondanza
bull Search Core Server ABIS System search engine firmware Lavora su Intelreg Xeontrade o Pentiumreg III blade servers
bull Database Server Oracle 9i Database memorizza fino a 20 million di volti su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni e della dimensione del database richieste
bull Application Server ABIS XML-RPC Application Programming Interface lavora su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni
63
Effettiva percentuale di
utilizzo dei sistemi biometrici
Finger Scan
521
Keystroke Scan
03
Facial Scan
114Hand Scan
100
Middleware
124
Iris Scan
73
Voice Scan
41
Signature Scan
24
64
Biometric Revenues
65
DEMO
17
Bertillonage Gli Strumenti
Caliper Compass Sliding Compass
Small
Sliding Compass
Vertical amp Orizzontal
Measures
18
Il Bertillonage nel Mondo
Slide prodotta da JL Dugelay (Eurecom-France)
19
Sistema di Bertillion - Fallimento
bull Nel 1901 e nel 1903 nel furono registrati due detenuti William West e Will West con misure antropometriche simili
Slide prodotta da JL Dugelay (Eurecom-France)
20
Sistema di Bertillion La Fine
Slide prodotta da JL Dugelay (Eurecom-France)
21
Metodi di autenticazione (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
Quante Password hai
22
bull 6 persone su 10 hanno
subito almeno un furto
drsquoidentitagrave (clonazione
carta di
creditobancomat
falsificazione CI
accesso ad aree
riservate accesso a
informazioni riservate
etc)
23
bull Biometria delle impronte ndash riconoscimento delle impronte
bull Biometria dellrsquoocchio ndash riconoscimento dellrsquoiride e della retina
bull Biometria del volto ndash riconoscimento facciale (foto infrarosso)
bull Biometria della mano ndash geometria delle dita
bull Biometria della firma ndash riconoscimento della firma
bull Biometria della voce ndash riconoscimento vocale
bull Biometria auricolare ndash riconoscimento dellrsquoorecchio
bull Digitazione di tasti
bull DNA
Biometriche riconosciute dallo
Standard X984 - 2003
a) b) c) d) e) f)
g) h) i) j) k)
24
Verifica e Riconoscimento
bull Verifica Confronto Uno a Uno Conferma
lrsquoidentitagrave dichiarata da un individuo
ndash Dichiarata mediante carta di identitagrave codice utente
smart card
bull Riconoscimento Confronto Uno a Molti
Stabilisce lrsquoidentitagrave di un soggetto a partire da un
insieme di persone registrate
25
Proprietagrave di una caratteristica
biometrica
bull Universalitagrave ogni persona deve possedere tale biometria
bull Distintivitagrave (Unicitagrave) due persone devono essere sufficientemente distinguibili in base a tale biometria
bull Permanenza (Stabilitagrave) la biometria deve rimanere invariante (rispetto ai termini di confronto) nel tempo
bull Misurabilitagrave essa deve essere misurabile quantitativamente
26
Proprietagrave di una caratteristica
biometrica
bull Performance (EfficaciaEfficienza) lrsquoacquisizione lrsquoestrazione delle caratteristiche e il confronto delle entitagrave non devono essere troppo costose in termini di tempo memoria ed efficienza del sistema
bull Accettabilitagrave la procedura di acquisizione deve essere tollerata da una vasta parte della popolazione
bull Eludibilitagrave la probabilitagrave che il sistema venga raggirato o indotto in errore deve essere minimizzata
27
Tipologia di Utente
bull Cooperativo egrave interesse dellrsquoutente che il sistema lo riconosca (un impostore cerca di farsi riconoscere)
bull Non-Cooperativo lrsquoutente egrave indifferente al processo di riconoscimento (un impostore cerca di non farsi riconoscere)
bull PubblicoPrivato se gli utenti del sistema saranno il pubblico o i dipendenti (ad esempio Amministrazione) dellrsquoEnte dove il sistema egrave installato
28
Tipologia di Utente
bull Abituatonon abituato frequenza con cui
gli utenti del sistema si prestano al
riconoscimento biometrico (piugrave volte al
giorno settimanalmente mensilmente
ecc)
bull Consapevoleinconsapevole se lrsquoutente egrave
o no al corrente del processo di
riconoscimento in atto
29
Tipologia di Applicazione
bull On-line lrsquoutente egrave in attesa fincheacute il
sistema non risponde (tempi brevi di
risposta)
bull Off-line lrsquoutente viene acquisito ma non
attende una risposta immediata
30
Caratteristiche Biometriche
Caratteristiche
Biometriche
Statiche o
Fisiologiche
Impronte
DigitaliMano Volto Occhio DNA
Dinamiche o
Comportamentali
Voce CalligrafiaStile di
battituraAndatura
31
Biometria Statica o Dinamica
bull Statica (o fisiologica) metodi biometrici ndash autenticazione basata su caratteristiche sempre presentindash Impronte digitali
ndash Scan della retina e dellrsquoiride
ndash Geometria della mano
bull Dinamica (o comportamentale) metodi biometrici ndashautenticazione basata su caratteristiche comportamentalindash Firma
ndash Voce
ndash Battitura tasti
Quali Biometrie
32
33
Sistema
biometricoRobustezza Univocitagrave Accessibilitagrave Accettabilitagrave Privacy
Impronte
DigitaliAlto Alto Medio Medio Basso
Geometria della
ManoMedio Medio Medio Medio Basso
Caratt
IrideAlto Alto Medio Basso Alto
Caratter
VoltoMedio Basso Alto Alto Alto
Dinamica
Appl FirmaBasso Basso Medio Alto Medio
Caratt
VoceBasso Basso Medio Alto Medio
Caratt
RetinaMedio Alto Basso Basso Alto
Comparazione di Tecnologie Biometriche
34
Registrazione di un soggetto
(Enrollment)
bull Si associa un insieme di caratteristicheallrsquoidentitagrave di un soggettondash Raccolta dei dati ed estrazione delle caratteristiche
bull Il modello estratto (template) egrave memorizzato in un database o su un supporto portatile (smart card)
bull Questo processo puograve essere effettuato singolarmente o in blocco (batch enrollment)
35
Architettura di un
Sistema Biometrico
Slide prodotta da JL Dugelay (Eurecom-France)
36
Architettura di un
Sistema Biometrico (cont)
bull Lrsquoidentitagrave corrisponde ed il soggetto egrave
accettato
bull Lrsquoidentitagrave corrisponde ma il soggetto egrave
respinto (errore)
bull Un impostore egrave accettato (errore)
bull Un impostore egrave rifiutato
37
Architettura di un
Sistema Biometrico (cont)
User interface
NAME (PIN)
Quality
checker
Feature
Extractor
System DB
template
name
Enrollment
User interface
NAME (PIN)
Feature
Extractor
Matcher
(1 match)
System DB
one
template
Verification
TrueFalse
claimed identity
User interface
Feature
Extractor
Matcher
(N matches)
System DB
N
templates
Identification
Userrsquos identity or
ldquouser non identifiedrdquo
38
Misura delle Prestazioni
bull Non egrave possibile riconoscere un individuo senza ammettere una tolleranza drsquoerrore
bull La soglia di tolleranza egrave cruciale e dipende fortemente dallrsquoapplicazione
bull Una soglia troppo bassa causa molti errori di Tipo I (rifiuto di soggetti registrati) ndash FRR (False Recognition Rate)
bull Una soglia troppo alta causa molti errori di Tipo II (accettazione di impostori) ndash FAR (False Acceptance Rate)
bull La scelta piugrave utilizzata egrave EER Equal error rate (EER) ndash FAR = FRR
39
Misura delle Prestazioni (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
La scelta piugrave utilizzata egrave ERR Equal error rate (EER) FAR = FRR
40
Quali Biometrie
Slide prodotta da JL Dugelay (Eurecom-France)
41
Quali Biometrie (cont)
a) b) c) d) e) f)
g) h) i) j) k)
Biometrics
bull ear
bull face
bull facial thermogram
bull hand thermogram
bull hand vein
bull hand geometry
bull fingerprint
bull iris
bull retina
bull signature
bull voice
42
bull Biometria delle impronte ndash riconoscimento delle impronte
bull Biometria dellrsquoocchio ndash riconoscimento dellrsquoiride e della retina
bull Biometria del volto ndash riconoscimento facciale (foto infrarosso)
bull Biometria della mano ndash geometria delle dita
bull Biometria della firma ndash riconoscimento della firma
bull Biometria della voce ndash riconoscimento vocale
bull Biometria auricolare ndash riconoscimento dellrsquoorecchio
bull Digitazione di tasti
bull DNA
Tecniche riconosciute dallo
Standard X984 - 2003
Impronte
digitali
voltoFirma
Iride
voce
Geometria della
mano
43
Variabilitagrave delle Biometrie
bull I Dati Biometrici non possono essere persi trasferiti ad altri o dimenticatihellipma
bull Lrsquoacquisizione (digitalizzazione dei dati) puograve determinare una variabilitagrave delle biometrie
ndash Intra_Classebull Variabilitagrave delle biometrie per un individuo
ndash Inter_Classebull Similaritagrave delle biometrie tra individui diversi
44
Variabilitagrave delle Biometrie
bull Intra_Classe
ndash Il MedioBreve Termine
ndash Il Lungo Termine Lrsquoetagrave
ndash La posa
ndash Le parziali occlusioni
ndash Lrsquoespressione
ndash Lrsquoilluminazione
45
Variabilitagrave delle Biometrie
bull Inter_Classe
ndash Gemelli
ndash Sosia
ndash hellip
ndash hellip
ndash hellip
Intra-class Variations
Time duration 6 months
Time duration 2 years
Variabilitagrave Intra-Classe Il Tempo
47
Sharbat GulaSharbat Gula
1985 2002
(Left photo copy Steve McCurry Right photo Steve McCurry copy National Geographic Society)
Variabilitagrave Intra-Classe Lrsquoetagrave (cont)
48
Variabilitagrave Intra-Classe La Posa
49
Variabilitagrave Intra-Classe
LrsquoEspressione
50
Variabilitagrave Intra-Classe
Espressione Posa e Parziali Occlusioni
51
Variabilitagrave Intra-Classe
LrsquoIlluminazione
52
Similaritagrave Inter-Classe
Count of Q2 Q2
Gender A 1 A 2 A 3 A 4 A 5 A 6 A 7 A 8 A 9 A 10Grand Total
Female 8 3 4 4 16 8 0 4 2 51 100
Male 9 5 3 6 6 5 1 2 1 63 100
Grand Total 9 4 3 5 9 6 1 3 1 59 100
54
56
Standard Esistenti
wwwbiometricsorgwwwnistgovbcwg
wwwbioapiorg
wwwibiaorgwwwbiometricfoundationorg
wwwnistgovcbeff
wwwitlnistorg
57
Sistemi CommercialiPanoramica
Il numero di distributori di SDKs (Software Development Kits) da poter integrare in applicazioni
esistenti
Il problema del face detection egrave visto come un problema collaterale
Tutti gli SDKs disponibili sono reperibili solo a pagamento
CompagniaSDK Documentazione Disponibile Tecnologia
Cognitec
Germania
FaceVAC
S SDK
httpwwwcognitec-
agdedocumentationfrsdk_p
ublic
Reti Neurali
HumanScan
Germania
BioID 31
SDK
httpwwwbioidcomsdkdoc
s
Detection Model based
(Hausdorff)
Identix
USA
FaceIT
SDKLocal Feature Analysis
Imagis
Canada
ID2000
SDK
Viisage
USA
FaceTool
sEigenfaces
58
Sistemi Commerciali
Cognitec
Caratteristiche
Basato sulla tecnologia FaceVACSreg
500000 confronti al secondo su processori Pentium
Lavora anche in modalitagrave distribuita
Interfaccia amichevole che permette ordinamento riorganizzazione
navigazione selezione
Piugrave immagini per ciascuna persona
Facile gestione di nuovi soggetti da aggiungere
Possibilitagrave di sottoporre valutazioni sulla qualitagrave
Integration Kit per lrsquointegrazione con altri pacchetti software
59
Sistemi Commerciali
Cognitec
Caratteristiche
bullBasato su tecnologia FaceVACSreg
bullAutomatic face recognition per una maggiore sicurezza a costi
convenienti
bullVaria dalla gestione di un singolo punto di accesso alla
regolazioni degli accessi a reti molto vaste
bullFacile integrazione nei sistemi giagrave esistenti
bullCombinabile con lettori di carte keypads e diverse tipologie di
videocamere
bullPossibilitagrave di monitorare eventi predefiniti
bullRegistrazione on-line e off-line
bullldquoVerifica direttaldquo per sistemi di altissima sicurezza
60
Sistemi Commerciali
Cognitec
Caratteristiche
bullAnalisi di piugrave sequenze video
bullFace detection di volti in piugrave video
bullFace recognition real time
bullCreazione di un file di log
bullRegistrazione interattiva da immagini fisse o
video
bullPannello di gestione dei filmati
bullIntegration Kit per lrsquointegrazione di sistemi
esistenti
61
Viisage FacePASSreg
Caratteristiche
bullFacePASS egrave utilizzato in sistemi di sicurezza controlli
per lrsquoaccesso e verifica di corrispondenza
documentoidentitagrave
bullPermette la verifica di identitagrave
bullPermette di riconoscere a ciascun soggetto identificato
il rispettivo livello di accesso
bullFrutto della tecnologia visage egrave in uso da diversi anni in
applicazioni industriali
bullInterfaccia amichevole costruita sulla base del feed-
back ottenuto dagli utenti
62
IdentiX
ABIS Face Enterprise Edition
Le componenti del sistema ABIS lavorano su architettura distribuita con il vantaggio della scalabilitagrave e della ridondanza
bull Search Core Server ABIS System search engine firmware Lavora su Intelreg Xeontrade o Pentiumreg III blade servers
bull Database Server Oracle 9i Database memorizza fino a 20 million di volti su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni e della dimensione del database richieste
bull Application Server ABIS XML-RPC Application Programming Interface lavora su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni
63
Effettiva percentuale di
utilizzo dei sistemi biometrici
Finger Scan
521
Keystroke Scan
03
Facial Scan
114Hand Scan
100
Middleware
124
Iris Scan
73
Voice Scan
41
Signature Scan
24
64
Biometric Revenues
65
DEMO
18
Il Bertillonage nel Mondo
Slide prodotta da JL Dugelay (Eurecom-France)
19
Sistema di Bertillion - Fallimento
bull Nel 1901 e nel 1903 nel furono registrati due detenuti William West e Will West con misure antropometriche simili
Slide prodotta da JL Dugelay (Eurecom-France)
20
Sistema di Bertillion La Fine
Slide prodotta da JL Dugelay (Eurecom-France)
21
Metodi di autenticazione (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
Quante Password hai
22
bull 6 persone su 10 hanno
subito almeno un furto
drsquoidentitagrave (clonazione
carta di
creditobancomat
falsificazione CI
accesso ad aree
riservate accesso a
informazioni riservate
etc)
23
bull Biometria delle impronte ndash riconoscimento delle impronte
bull Biometria dellrsquoocchio ndash riconoscimento dellrsquoiride e della retina
bull Biometria del volto ndash riconoscimento facciale (foto infrarosso)
bull Biometria della mano ndash geometria delle dita
bull Biometria della firma ndash riconoscimento della firma
bull Biometria della voce ndash riconoscimento vocale
bull Biometria auricolare ndash riconoscimento dellrsquoorecchio
bull Digitazione di tasti
bull DNA
Biometriche riconosciute dallo
Standard X984 - 2003
a) b) c) d) e) f)
g) h) i) j) k)
24
Verifica e Riconoscimento
bull Verifica Confronto Uno a Uno Conferma
lrsquoidentitagrave dichiarata da un individuo
ndash Dichiarata mediante carta di identitagrave codice utente
smart card
bull Riconoscimento Confronto Uno a Molti
Stabilisce lrsquoidentitagrave di un soggetto a partire da un
insieme di persone registrate
25
Proprietagrave di una caratteristica
biometrica
bull Universalitagrave ogni persona deve possedere tale biometria
bull Distintivitagrave (Unicitagrave) due persone devono essere sufficientemente distinguibili in base a tale biometria
bull Permanenza (Stabilitagrave) la biometria deve rimanere invariante (rispetto ai termini di confronto) nel tempo
bull Misurabilitagrave essa deve essere misurabile quantitativamente
26
Proprietagrave di una caratteristica
biometrica
bull Performance (EfficaciaEfficienza) lrsquoacquisizione lrsquoestrazione delle caratteristiche e il confronto delle entitagrave non devono essere troppo costose in termini di tempo memoria ed efficienza del sistema
bull Accettabilitagrave la procedura di acquisizione deve essere tollerata da una vasta parte della popolazione
bull Eludibilitagrave la probabilitagrave che il sistema venga raggirato o indotto in errore deve essere minimizzata
27
Tipologia di Utente
bull Cooperativo egrave interesse dellrsquoutente che il sistema lo riconosca (un impostore cerca di farsi riconoscere)
bull Non-Cooperativo lrsquoutente egrave indifferente al processo di riconoscimento (un impostore cerca di non farsi riconoscere)
bull PubblicoPrivato se gli utenti del sistema saranno il pubblico o i dipendenti (ad esempio Amministrazione) dellrsquoEnte dove il sistema egrave installato
28
Tipologia di Utente
bull Abituatonon abituato frequenza con cui
gli utenti del sistema si prestano al
riconoscimento biometrico (piugrave volte al
giorno settimanalmente mensilmente
ecc)
bull Consapevoleinconsapevole se lrsquoutente egrave
o no al corrente del processo di
riconoscimento in atto
29
Tipologia di Applicazione
bull On-line lrsquoutente egrave in attesa fincheacute il
sistema non risponde (tempi brevi di
risposta)
bull Off-line lrsquoutente viene acquisito ma non
attende una risposta immediata
30
Caratteristiche Biometriche
Caratteristiche
Biometriche
Statiche o
Fisiologiche
Impronte
DigitaliMano Volto Occhio DNA
Dinamiche o
Comportamentali
Voce CalligrafiaStile di
battituraAndatura
31
Biometria Statica o Dinamica
bull Statica (o fisiologica) metodi biometrici ndash autenticazione basata su caratteristiche sempre presentindash Impronte digitali
ndash Scan della retina e dellrsquoiride
ndash Geometria della mano
bull Dinamica (o comportamentale) metodi biometrici ndashautenticazione basata su caratteristiche comportamentalindash Firma
ndash Voce
ndash Battitura tasti
Quali Biometrie
32
33
Sistema
biometricoRobustezza Univocitagrave Accessibilitagrave Accettabilitagrave Privacy
Impronte
DigitaliAlto Alto Medio Medio Basso
Geometria della
ManoMedio Medio Medio Medio Basso
Caratt
IrideAlto Alto Medio Basso Alto
Caratter
VoltoMedio Basso Alto Alto Alto
Dinamica
Appl FirmaBasso Basso Medio Alto Medio
Caratt
VoceBasso Basso Medio Alto Medio
Caratt
RetinaMedio Alto Basso Basso Alto
Comparazione di Tecnologie Biometriche
34
Registrazione di un soggetto
(Enrollment)
bull Si associa un insieme di caratteristicheallrsquoidentitagrave di un soggettondash Raccolta dei dati ed estrazione delle caratteristiche
bull Il modello estratto (template) egrave memorizzato in un database o su un supporto portatile (smart card)
bull Questo processo puograve essere effettuato singolarmente o in blocco (batch enrollment)
35
Architettura di un
Sistema Biometrico
Slide prodotta da JL Dugelay (Eurecom-France)
36
Architettura di un
Sistema Biometrico (cont)
bull Lrsquoidentitagrave corrisponde ed il soggetto egrave
accettato
bull Lrsquoidentitagrave corrisponde ma il soggetto egrave
respinto (errore)
bull Un impostore egrave accettato (errore)
bull Un impostore egrave rifiutato
37
Architettura di un
Sistema Biometrico (cont)
User interface
NAME (PIN)
Quality
checker
Feature
Extractor
System DB
template
name
Enrollment
User interface
NAME (PIN)
Feature
Extractor
Matcher
(1 match)
System DB
one
template
Verification
TrueFalse
claimed identity
User interface
Feature
Extractor
Matcher
(N matches)
System DB
N
templates
Identification
Userrsquos identity or
ldquouser non identifiedrdquo
38
Misura delle Prestazioni
bull Non egrave possibile riconoscere un individuo senza ammettere una tolleranza drsquoerrore
bull La soglia di tolleranza egrave cruciale e dipende fortemente dallrsquoapplicazione
bull Una soglia troppo bassa causa molti errori di Tipo I (rifiuto di soggetti registrati) ndash FRR (False Recognition Rate)
bull Una soglia troppo alta causa molti errori di Tipo II (accettazione di impostori) ndash FAR (False Acceptance Rate)
bull La scelta piugrave utilizzata egrave EER Equal error rate (EER) ndash FAR = FRR
39
Misura delle Prestazioni (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
La scelta piugrave utilizzata egrave ERR Equal error rate (EER) FAR = FRR
40
Quali Biometrie
Slide prodotta da JL Dugelay (Eurecom-France)
41
Quali Biometrie (cont)
a) b) c) d) e) f)
g) h) i) j) k)
Biometrics
bull ear
bull face
bull facial thermogram
bull hand thermogram
bull hand vein
bull hand geometry
bull fingerprint
bull iris
bull retina
bull signature
bull voice
42
bull Biometria delle impronte ndash riconoscimento delle impronte
bull Biometria dellrsquoocchio ndash riconoscimento dellrsquoiride e della retina
bull Biometria del volto ndash riconoscimento facciale (foto infrarosso)
bull Biometria della mano ndash geometria delle dita
bull Biometria della firma ndash riconoscimento della firma
bull Biometria della voce ndash riconoscimento vocale
bull Biometria auricolare ndash riconoscimento dellrsquoorecchio
bull Digitazione di tasti
bull DNA
Tecniche riconosciute dallo
Standard X984 - 2003
Impronte
digitali
voltoFirma
Iride
voce
Geometria della
mano
43
Variabilitagrave delle Biometrie
bull I Dati Biometrici non possono essere persi trasferiti ad altri o dimenticatihellipma
bull Lrsquoacquisizione (digitalizzazione dei dati) puograve determinare una variabilitagrave delle biometrie
ndash Intra_Classebull Variabilitagrave delle biometrie per un individuo
ndash Inter_Classebull Similaritagrave delle biometrie tra individui diversi
44
Variabilitagrave delle Biometrie
bull Intra_Classe
ndash Il MedioBreve Termine
ndash Il Lungo Termine Lrsquoetagrave
ndash La posa
ndash Le parziali occlusioni
ndash Lrsquoespressione
ndash Lrsquoilluminazione
45
Variabilitagrave delle Biometrie
bull Inter_Classe
ndash Gemelli
ndash Sosia
ndash hellip
ndash hellip
ndash hellip
Intra-class Variations
Time duration 6 months
Time duration 2 years
Variabilitagrave Intra-Classe Il Tempo
47
Sharbat GulaSharbat Gula
1985 2002
(Left photo copy Steve McCurry Right photo Steve McCurry copy National Geographic Society)
Variabilitagrave Intra-Classe Lrsquoetagrave (cont)
48
Variabilitagrave Intra-Classe La Posa
49
Variabilitagrave Intra-Classe
LrsquoEspressione
50
Variabilitagrave Intra-Classe
Espressione Posa e Parziali Occlusioni
51
Variabilitagrave Intra-Classe
LrsquoIlluminazione
52
Similaritagrave Inter-Classe
Count of Q2 Q2
Gender A 1 A 2 A 3 A 4 A 5 A 6 A 7 A 8 A 9 A 10Grand Total
Female 8 3 4 4 16 8 0 4 2 51 100
Male 9 5 3 6 6 5 1 2 1 63 100
Grand Total 9 4 3 5 9 6 1 3 1 59 100
54
56
Standard Esistenti
wwwbiometricsorgwwwnistgovbcwg
wwwbioapiorg
wwwibiaorgwwwbiometricfoundationorg
wwwnistgovcbeff
wwwitlnistorg
57
Sistemi CommercialiPanoramica
Il numero di distributori di SDKs (Software Development Kits) da poter integrare in applicazioni
esistenti
Il problema del face detection egrave visto come un problema collaterale
Tutti gli SDKs disponibili sono reperibili solo a pagamento
CompagniaSDK Documentazione Disponibile Tecnologia
Cognitec
Germania
FaceVAC
S SDK
httpwwwcognitec-
agdedocumentationfrsdk_p
ublic
Reti Neurali
HumanScan
Germania
BioID 31
SDK
httpwwwbioidcomsdkdoc
s
Detection Model based
(Hausdorff)
Identix
USA
FaceIT
SDKLocal Feature Analysis
Imagis
Canada
ID2000
SDK
Viisage
USA
FaceTool
sEigenfaces
58
Sistemi Commerciali
Cognitec
Caratteristiche
Basato sulla tecnologia FaceVACSreg
500000 confronti al secondo su processori Pentium
Lavora anche in modalitagrave distribuita
Interfaccia amichevole che permette ordinamento riorganizzazione
navigazione selezione
Piugrave immagini per ciascuna persona
Facile gestione di nuovi soggetti da aggiungere
Possibilitagrave di sottoporre valutazioni sulla qualitagrave
Integration Kit per lrsquointegrazione con altri pacchetti software
59
Sistemi Commerciali
Cognitec
Caratteristiche
bullBasato su tecnologia FaceVACSreg
bullAutomatic face recognition per una maggiore sicurezza a costi
convenienti
bullVaria dalla gestione di un singolo punto di accesso alla
regolazioni degli accessi a reti molto vaste
bullFacile integrazione nei sistemi giagrave esistenti
bullCombinabile con lettori di carte keypads e diverse tipologie di
videocamere
bullPossibilitagrave di monitorare eventi predefiniti
bullRegistrazione on-line e off-line
bullldquoVerifica direttaldquo per sistemi di altissima sicurezza
60
Sistemi Commerciali
Cognitec
Caratteristiche
bullAnalisi di piugrave sequenze video
bullFace detection di volti in piugrave video
bullFace recognition real time
bullCreazione di un file di log
bullRegistrazione interattiva da immagini fisse o
video
bullPannello di gestione dei filmati
bullIntegration Kit per lrsquointegrazione di sistemi
esistenti
61
Viisage FacePASSreg
Caratteristiche
bullFacePASS egrave utilizzato in sistemi di sicurezza controlli
per lrsquoaccesso e verifica di corrispondenza
documentoidentitagrave
bullPermette la verifica di identitagrave
bullPermette di riconoscere a ciascun soggetto identificato
il rispettivo livello di accesso
bullFrutto della tecnologia visage egrave in uso da diversi anni in
applicazioni industriali
bullInterfaccia amichevole costruita sulla base del feed-
back ottenuto dagli utenti
62
IdentiX
ABIS Face Enterprise Edition
Le componenti del sistema ABIS lavorano su architettura distribuita con il vantaggio della scalabilitagrave e della ridondanza
bull Search Core Server ABIS System search engine firmware Lavora su Intelreg Xeontrade o Pentiumreg III blade servers
bull Database Server Oracle 9i Database memorizza fino a 20 million di volti su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni e della dimensione del database richieste
bull Application Server ABIS XML-RPC Application Programming Interface lavora su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni
63
Effettiva percentuale di
utilizzo dei sistemi biometrici
Finger Scan
521
Keystroke Scan
03
Facial Scan
114Hand Scan
100
Middleware
124
Iris Scan
73
Voice Scan
41
Signature Scan
24
64
Biometric Revenues
65
DEMO
19
Sistema di Bertillion - Fallimento
bull Nel 1901 e nel 1903 nel furono registrati due detenuti William West e Will West con misure antropometriche simili
Slide prodotta da JL Dugelay (Eurecom-France)
20
Sistema di Bertillion La Fine
Slide prodotta da JL Dugelay (Eurecom-France)
21
Metodi di autenticazione (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
Quante Password hai
22
bull 6 persone su 10 hanno
subito almeno un furto
drsquoidentitagrave (clonazione
carta di
creditobancomat
falsificazione CI
accesso ad aree
riservate accesso a
informazioni riservate
etc)
23
bull Biometria delle impronte ndash riconoscimento delle impronte
bull Biometria dellrsquoocchio ndash riconoscimento dellrsquoiride e della retina
bull Biometria del volto ndash riconoscimento facciale (foto infrarosso)
bull Biometria della mano ndash geometria delle dita
bull Biometria della firma ndash riconoscimento della firma
bull Biometria della voce ndash riconoscimento vocale
bull Biometria auricolare ndash riconoscimento dellrsquoorecchio
bull Digitazione di tasti
bull DNA
Biometriche riconosciute dallo
Standard X984 - 2003
a) b) c) d) e) f)
g) h) i) j) k)
24
Verifica e Riconoscimento
bull Verifica Confronto Uno a Uno Conferma
lrsquoidentitagrave dichiarata da un individuo
ndash Dichiarata mediante carta di identitagrave codice utente
smart card
bull Riconoscimento Confronto Uno a Molti
Stabilisce lrsquoidentitagrave di un soggetto a partire da un
insieme di persone registrate
25
Proprietagrave di una caratteristica
biometrica
bull Universalitagrave ogni persona deve possedere tale biometria
bull Distintivitagrave (Unicitagrave) due persone devono essere sufficientemente distinguibili in base a tale biometria
bull Permanenza (Stabilitagrave) la biometria deve rimanere invariante (rispetto ai termini di confronto) nel tempo
bull Misurabilitagrave essa deve essere misurabile quantitativamente
26
Proprietagrave di una caratteristica
biometrica
bull Performance (EfficaciaEfficienza) lrsquoacquisizione lrsquoestrazione delle caratteristiche e il confronto delle entitagrave non devono essere troppo costose in termini di tempo memoria ed efficienza del sistema
bull Accettabilitagrave la procedura di acquisizione deve essere tollerata da una vasta parte della popolazione
bull Eludibilitagrave la probabilitagrave che il sistema venga raggirato o indotto in errore deve essere minimizzata
27
Tipologia di Utente
bull Cooperativo egrave interesse dellrsquoutente che il sistema lo riconosca (un impostore cerca di farsi riconoscere)
bull Non-Cooperativo lrsquoutente egrave indifferente al processo di riconoscimento (un impostore cerca di non farsi riconoscere)
bull PubblicoPrivato se gli utenti del sistema saranno il pubblico o i dipendenti (ad esempio Amministrazione) dellrsquoEnte dove il sistema egrave installato
28
Tipologia di Utente
bull Abituatonon abituato frequenza con cui
gli utenti del sistema si prestano al
riconoscimento biometrico (piugrave volte al
giorno settimanalmente mensilmente
ecc)
bull Consapevoleinconsapevole se lrsquoutente egrave
o no al corrente del processo di
riconoscimento in atto
29
Tipologia di Applicazione
bull On-line lrsquoutente egrave in attesa fincheacute il
sistema non risponde (tempi brevi di
risposta)
bull Off-line lrsquoutente viene acquisito ma non
attende una risposta immediata
30
Caratteristiche Biometriche
Caratteristiche
Biometriche
Statiche o
Fisiologiche
Impronte
DigitaliMano Volto Occhio DNA
Dinamiche o
Comportamentali
Voce CalligrafiaStile di
battituraAndatura
31
Biometria Statica o Dinamica
bull Statica (o fisiologica) metodi biometrici ndash autenticazione basata su caratteristiche sempre presentindash Impronte digitali
ndash Scan della retina e dellrsquoiride
ndash Geometria della mano
bull Dinamica (o comportamentale) metodi biometrici ndashautenticazione basata su caratteristiche comportamentalindash Firma
ndash Voce
ndash Battitura tasti
Quali Biometrie
32
33
Sistema
biometricoRobustezza Univocitagrave Accessibilitagrave Accettabilitagrave Privacy
Impronte
DigitaliAlto Alto Medio Medio Basso
Geometria della
ManoMedio Medio Medio Medio Basso
Caratt
IrideAlto Alto Medio Basso Alto
Caratter
VoltoMedio Basso Alto Alto Alto
Dinamica
Appl FirmaBasso Basso Medio Alto Medio
Caratt
VoceBasso Basso Medio Alto Medio
Caratt
RetinaMedio Alto Basso Basso Alto
Comparazione di Tecnologie Biometriche
34
Registrazione di un soggetto
(Enrollment)
bull Si associa un insieme di caratteristicheallrsquoidentitagrave di un soggettondash Raccolta dei dati ed estrazione delle caratteristiche
bull Il modello estratto (template) egrave memorizzato in un database o su un supporto portatile (smart card)
bull Questo processo puograve essere effettuato singolarmente o in blocco (batch enrollment)
35
Architettura di un
Sistema Biometrico
Slide prodotta da JL Dugelay (Eurecom-France)
36
Architettura di un
Sistema Biometrico (cont)
bull Lrsquoidentitagrave corrisponde ed il soggetto egrave
accettato
bull Lrsquoidentitagrave corrisponde ma il soggetto egrave
respinto (errore)
bull Un impostore egrave accettato (errore)
bull Un impostore egrave rifiutato
37
Architettura di un
Sistema Biometrico (cont)
User interface
NAME (PIN)
Quality
checker
Feature
Extractor
System DB
template
name
Enrollment
User interface
NAME (PIN)
Feature
Extractor
Matcher
(1 match)
System DB
one
template
Verification
TrueFalse
claimed identity
User interface
Feature
Extractor
Matcher
(N matches)
System DB
N
templates
Identification
Userrsquos identity or
ldquouser non identifiedrdquo
38
Misura delle Prestazioni
bull Non egrave possibile riconoscere un individuo senza ammettere una tolleranza drsquoerrore
bull La soglia di tolleranza egrave cruciale e dipende fortemente dallrsquoapplicazione
bull Una soglia troppo bassa causa molti errori di Tipo I (rifiuto di soggetti registrati) ndash FRR (False Recognition Rate)
bull Una soglia troppo alta causa molti errori di Tipo II (accettazione di impostori) ndash FAR (False Acceptance Rate)
bull La scelta piugrave utilizzata egrave EER Equal error rate (EER) ndash FAR = FRR
39
Misura delle Prestazioni (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
La scelta piugrave utilizzata egrave ERR Equal error rate (EER) FAR = FRR
40
Quali Biometrie
Slide prodotta da JL Dugelay (Eurecom-France)
41
Quali Biometrie (cont)
a) b) c) d) e) f)
g) h) i) j) k)
Biometrics
bull ear
bull face
bull facial thermogram
bull hand thermogram
bull hand vein
bull hand geometry
bull fingerprint
bull iris
bull retina
bull signature
bull voice
42
bull Biometria delle impronte ndash riconoscimento delle impronte
bull Biometria dellrsquoocchio ndash riconoscimento dellrsquoiride e della retina
bull Biometria del volto ndash riconoscimento facciale (foto infrarosso)
bull Biometria della mano ndash geometria delle dita
bull Biometria della firma ndash riconoscimento della firma
bull Biometria della voce ndash riconoscimento vocale
bull Biometria auricolare ndash riconoscimento dellrsquoorecchio
bull Digitazione di tasti
bull DNA
Tecniche riconosciute dallo
Standard X984 - 2003
Impronte
digitali
voltoFirma
Iride
voce
Geometria della
mano
43
Variabilitagrave delle Biometrie
bull I Dati Biometrici non possono essere persi trasferiti ad altri o dimenticatihellipma
bull Lrsquoacquisizione (digitalizzazione dei dati) puograve determinare una variabilitagrave delle biometrie
ndash Intra_Classebull Variabilitagrave delle biometrie per un individuo
ndash Inter_Classebull Similaritagrave delle biometrie tra individui diversi
44
Variabilitagrave delle Biometrie
bull Intra_Classe
ndash Il MedioBreve Termine
ndash Il Lungo Termine Lrsquoetagrave
ndash La posa
ndash Le parziali occlusioni
ndash Lrsquoespressione
ndash Lrsquoilluminazione
45
Variabilitagrave delle Biometrie
bull Inter_Classe
ndash Gemelli
ndash Sosia
ndash hellip
ndash hellip
ndash hellip
Intra-class Variations
Time duration 6 months
Time duration 2 years
Variabilitagrave Intra-Classe Il Tempo
47
Sharbat GulaSharbat Gula
1985 2002
(Left photo copy Steve McCurry Right photo Steve McCurry copy National Geographic Society)
Variabilitagrave Intra-Classe Lrsquoetagrave (cont)
48
Variabilitagrave Intra-Classe La Posa
49
Variabilitagrave Intra-Classe
LrsquoEspressione
50
Variabilitagrave Intra-Classe
Espressione Posa e Parziali Occlusioni
51
Variabilitagrave Intra-Classe
LrsquoIlluminazione
52
Similaritagrave Inter-Classe
Count of Q2 Q2
Gender A 1 A 2 A 3 A 4 A 5 A 6 A 7 A 8 A 9 A 10Grand Total
Female 8 3 4 4 16 8 0 4 2 51 100
Male 9 5 3 6 6 5 1 2 1 63 100
Grand Total 9 4 3 5 9 6 1 3 1 59 100
54
56
Standard Esistenti
wwwbiometricsorgwwwnistgovbcwg
wwwbioapiorg
wwwibiaorgwwwbiometricfoundationorg
wwwnistgovcbeff
wwwitlnistorg
57
Sistemi CommercialiPanoramica
Il numero di distributori di SDKs (Software Development Kits) da poter integrare in applicazioni
esistenti
Il problema del face detection egrave visto come un problema collaterale
Tutti gli SDKs disponibili sono reperibili solo a pagamento
CompagniaSDK Documentazione Disponibile Tecnologia
Cognitec
Germania
FaceVAC
S SDK
httpwwwcognitec-
agdedocumentationfrsdk_p
ublic
Reti Neurali
HumanScan
Germania
BioID 31
SDK
httpwwwbioidcomsdkdoc
s
Detection Model based
(Hausdorff)
Identix
USA
FaceIT
SDKLocal Feature Analysis
Imagis
Canada
ID2000
SDK
Viisage
USA
FaceTool
sEigenfaces
58
Sistemi Commerciali
Cognitec
Caratteristiche
Basato sulla tecnologia FaceVACSreg
500000 confronti al secondo su processori Pentium
Lavora anche in modalitagrave distribuita
Interfaccia amichevole che permette ordinamento riorganizzazione
navigazione selezione
Piugrave immagini per ciascuna persona
Facile gestione di nuovi soggetti da aggiungere
Possibilitagrave di sottoporre valutazioni sulla qualitagrave
Integration Kit per lrsquointegrazione con altri pacchetti software
59
Sistemi Commerciali
Cognitec
Caratteristiche
bullBasato su tecnologia FaceVACSreg
bullAutomatic face recognition per una maggiore sicurezza a costi
convenienti
bullVaria dalla gestione di un singolo punto di accesso alla
regolazioni degli accessi a reti molto vaste
bullFacile integrazione nei sistemi giagrave esistenti
bullCombinabile con lettori di carte keypads e diverse tipologie di
videocamere
bullPossibilitagrave di monitorare eventi predefiniti
bullRegistrazione on-line e off-line
bullldquoVerifica direttaldquo per sistemi di altissima sicurezza
60
Sistemi Commerciali
Cognitec
Caratteristiche
bullAnalisi di piugrave sequenze video
bullFace detection di volti in piugrave video
bullFace recognition real time
bullCreazione di un file di log
bullRegistrazione interattiva da immagini fisse o
video
bullPannello di gestione dei filmati
bullIntegration Kit per lrsquointegrazione di sistemi
esistenti
61
Viisage FacePASSreg
Caratteristiche
bullFacePASS egrave utilizzato in sistemi di sicurezza controlli
per lrsquoaccesso e verifica di corrispondenza
documentoidentitagrave
bullPermette la verifica di identitagrave
bullPermette di riconoscere a ciascun soggetto identificato
il rispettivo livello di accesso
bullFrutto della tecnologia visage egrave in uso da diversi anni in
applicazioni industriali
bullInterfaccia amichevole costruita sulla base del feed-
back ottenuto dagli utenti
62
IdentiX
ABIS Face Enterprise Edition
Le componenti del sistema ABIS lavorano su architettura distribuita con il vantaggio della scalabilitagrave e della ridondanza
bull Search Core Server ABIS System search engine firmware Lavora su Intelreg Xeontrade o Pentiumreg III blade servers
bull Database Server Oracle 9i Database memorizza fino a 20 million di volti su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni e della dimensione del database richieste
bull Application Server ABIS XML-RPC Application Programming Interface lavora su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni
63
Effettiva percentuale di
utilizzo dei sistemi biometrici
Finger Scan
521
Keystroke Scan
03
Facial Scan
114Hand Scan
100
Middleware
124
Iris Scan
73
Voice Scan
41
Signature Scan
24
64
Biometric Revenues
65
DEMO
20
Sistema di Bertillion La Fine
Slide prodotta da JL Dugelay (Eurecom-France)
21
Metodi di autenticazione (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
Quante Password hai
22
bull 6 persone su 10 hanno
subito almeno un furto
drsquoidentitagrave (clonazione
carta di
creditobancomat
falsificazione CI
accesso ad aree
riservate accesso a
informazioni riservate
etc)
23
bull Biometria delle impronte ndash riconoscimento delle impronte
bull Biometria dellrsquoocchio ndash riconoscimento dellrsquoiride e della retina
bull Biometria del volto ndash riconoscimento facciale (foto infrarosso)
bull Biometria della mano ndash geometria delle dita
bull Biometria della firma ndash riconoscimento della firma
bull Biometria della voce ndash riconoscimento vocale
bull Biometria auricolare ndash riconoscimento dellrsquoorecchio
bull Digitazione di tasti
bull DNA
Biometriche riconosciute dallo
Standard X984 - 2003
a) b) c) d) e) f)
g) h) i) j) k)
24
Verifica e Riconoscimento
bull Verifica Confronto Uno a Uno Conferma
lrsquoidentitagrave dichiarata da un individuo
ndash Dichiarata mediante carta di identitagrave codice utente
smart card
bull Riconoscimento Confronto Uno a Molti
Stabilisce lrsquoidentitagrave di un soggetto a partire da un
insieme di persone registrate
25
Proprietagrave di una caratteristica
biometrica
bull Universalitagrave ogni persona deve possedere tale biometria
bull Distintivitagrave (Unicitagrave) due persone devono essere sufficientemente distinguibili in base a tale biometria
bull Permanenza (Stabilitagrave) la biometria deve rimanere invariante (rispetto ai termini di confronto) nel tempo
bull Misurabilitagrave essa deve essere misurabile quantitativamente
26
Proprietagrave di una caratteristica
biometrica
bull Performance (EfficaciaEfficienza) lrsquoacquisizione lrsquoestrazione delle caratteristiche e il confronto delle entitagrave non devono essere troppo costose in termini di tempo memoria ed efficienza del sistema
bull Accettabilitagrave la procedura di acquisizione deve essere tollerata da una vasta parte della popolazione
bull Eludibilitagrave la probabilitagrave che il sistema venga raggirato o indotto in errore deve essere minimizzata
27
Tipologia di Utente
bull Cooperativo egrave interesse dellrsquoutente che il sistema lo riconosca (un impostore cerca di farsi riconoscere)
bull Non-Cooperativo lrsquoutente egrave indifferente al processo di riconoscimento (un impostore cerca di non farsi riconoscere)
bull PubblicoPrivato se gli utenti del sistema saranno il pubblico o i dipendenti (ad esempio Amministrazione) dellrsquoEnte dove il sistema egrave installato
28
Tipologia di Utente
bull Abituatonon abituato frequenza con cui
gli utenti del sistema si prestano al
riconoscimento biometrico (piugrave volte al
giorno settimanalmente mensilmente
ecc)
bull Consapevoleinconsapevole se lrsquoutente egrave
o no al corrente del processo di
riconoscimento in atto
29
Tipologia di Applicazione
bull On-line lrsquoutente egrave in attesa fincheacute il
sistema non risponde (tempi brevi di
risposta)
bull Off-line lrsquoutente viene acquisito ma non
attende una risposta immediata
30
Caratteristiche Biometriche
Caratteristiche
Biometriche
Statiche o
Fisiologiche
Impronte
DigitaliMano Volto Occhio DNA
Dinamiche o
Comportamentali
Voce CalligrafiaStile di
battituraAndatura
31
Biometria Statica o Dinamica
bull Statica (o fisiologica) metodi biometrici ndash autenticazione basata su caratteristiche sempre presentindash Impronte digitali
ndash Scan della retina e dellrsquoiride
ndash Geometria della mano
bull Dinamica (o comportamentale) metodi biometrici ndashautenticazione basata su caratteristiche comportamentalindash Firma
ndash Voce
ndash Battitura tasti
Quali Biometrie
32
33
Sistema
biometricoRobustezza Univocitagrave Accessibilitagrave Accettabilitagrave Privacy
Impronte
DigitaliAlto Alto Medio Medio Basso
Geometria della
ManoMedio Medio Medio Medio Basso
Caratt
IrideAlto Alto Medio Basso Alto
Caratter
VoltoMedio Basso Alto Alto Alto
Dinamica
Appl FirmaBasso Basso Medio Alto Medio
Caratt
VoceBasso Basso Medio Alto Medio
Caratt
RetinaMedio Alto Basso Basso Alto
Comparazione di Tecnologie Biometriche
34
Registrazione di un soggetto
(Enrollment)
bull Si associa un insieme di caratteristicheallrsquoidentitagrave di un soggettondash Raccolta dei dati ed estrazione delle caratteristiche
bull Il modello estratto (template) egrave memorizzato in un database o su un supporto portatile (smart card)
bull Questo processo puograve essere effettuato singolarmente o in blocco (batch enrollment)
35
Architettura di un
Sistema Biometrico
Slide prodotta da JL Dugelay (Eurecom-France)
36
Architettura di un
Sistema Biometrico (cont)
bull Lrsquoidentitagrave corrisponde ed il soggetto egrave
accettato
bull Lrsquoidentitagrave corrisponde ma il soggetto egrave
respinto (errore)
bull Un impostore egrave accettato (errore)
bull Un impostore egrave rifiutato
37
Architettura di un
Sistema Biometrico (cont)
User interface
NAME (PIN)
Quality
checker
Feature
Extractor
System DB
template
name
Enrollment
User interface
NAME (PIN)
Feature
Extractor
Matcher
(1 match)
System DB
one
template
Verification
TrueFalse
claimed identity
User interface
Feature
Extractor
Matcher
(N matches)
System DB
N
templates
Identification
Userrsquos identity or
ldquouser non identifiedrdquo
38
Misura delle Prestazioni
bull Non egrave possibile riconoscere un individuo senza ammettere una tolleranza drsquoerrore
bull La soglia di tolleranza egrave cruciale e dipende fortemente dallrsquoapplicazione
bull Una soglia troppo bassa causa molti errori di Tipo I (rifiuto di soggetti registrati) ndash FRR (False Recognition Rate)
bull Una soglia troppo alta causa molti errori di Tipo II (accettazione di impostori) ndash FAR (False Acceptance Rate)
bull La scelta piugrave utilizzata egrave EER Equal error rate (EER) ndash FAR = FRR
39
Misura delle Prestazioni (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
La scelta piugrave utilizzata egrave ERR Equal error rate (EER) FAR = FRR
40
Quali Biometrie
Slide prodotta da JL Dugelay (Eurecom-France)
41
Quali Biometrie (cont)
a) b) c) d) e) f)
g) h) i) j) k)
Biometrics
bull ear
bull face
bull facial thermogram
bull hand thermogram
bull hand vein
bull hand geometry
bull fingerprint
bull iris
bull retina
bull signature
bull voice
42
bull Biometria delle impronte ndash riconoscimento delle impronte
bull Biometria dellrsquoocchio ndash riconoscimento dellrsquoiride e della retina
bull Biometria del volto ndash riconoscimento facciale (foto infrarosso)
bull Biometria della mano ndash geometria delle dita
bull Biometria della firma ndash riconoscimento della firma
bull Biometria della voce ndash riconoscimento vocale
bull Biometria auricolare ndash riconoscimento dellrsquoorecchio
bull Digitazione di tasti
bull DNA
Tecniche riconosciute dallo
Standard X984 - 2003
Impronte
digitali
voltoFirma
Iride
voce
Geometria della
mano
43
Variabilitagrave delle Biometrie
bull I Dati Biometrici non possono essere persi trasferiti ad altri o dimenticatihellipma
bull Lrsquoacquisizione (digitalizzazione dei dati) puograve determinare una variabilitagrave delle biometrie
ndash Intra_Classebull Variabilitagrave delle biometrie per un individuo
ndash Inter_Classebull Similaritagrave delle biometrie tra individui diversi
44
Variabilitagrave delle Biometrie
bull Intra_Classe
ndash Il MedioBreve Termine
ndash Il Lungo Termine Lrsquoetagrave
ndash La posa
ndash Le parziali occlusioni
ndash Lrsquoespressione
ndash Lrsquoilluminazione
45
Variabilitagrave delle Biometrie
bull Inter_Classe
ndash Gemelli
ndash Sosia
ndash hellip
ndash hellip
ndash hellip
Intra-class Variations
Time duration 6 months
Time duration 2 years
Variabilitagrave Intra-Classe Il Tempo
47
Sharbat GulaSharbat Gula
1985 2002
(Left photo copy Steve McCurry Right photo Steve McCurry copy National Geographic Society)
Variabilitagrave Intra-Classe Lrsquoetagrave (cont)
48
Variabilitagrave Intra-Classe La Posa
49
Variabilitagrave Intra-Classe
LrsquoEspressione
50
Variabilitagrave Intra-Classe
Espressione Posa e Parziali Occlusioni
51
Variabilitagrave Intra-Classe
LrsquoIlluminazione
52
Similaritagrave Inter-Classe
Count of Q2 Q2
Gender A 1 A 2 A 3 A 4 A 5 A 6 A 7 A 8 A 9 A 10Grand Total
Female 8 3 4 4 16 8 0 4 2 51 100
Male 9 5 3 6 6 5 1 2 1 63 100
Grand Total 9 4 3 5 9 6 1 3 1 59 100
54
56
Standard Esistenti
wwwbiometricsorgwwwnistgovbcwg
wwwbioapiorg
wwwibiaorgwwwbiometricfoundationorg
wwwnistgovcbeff
wwwitlnistorg
57
Sistemi CommercialiPanoramica
Il numero di distributori di SDKs (Software Development Kits) da poter integrare in applicazioni
esistenti
Il problema del face detection egrave visto come un problema collaterale
Tutti gli SDKs disponibili sono reperibili solo a pagamento
CompagniaSDK Documentazione Disponibile Tecnologia
Cognitec
Germania
FaceVAC
S SDK
httpwwwcognitec-
agdedocumentationfrsdk_p
ublic
Reti Neurali
HumanScan
Germania
BioID 31
SDK
httpwwwbioidcomsdkdoc
s
Detection Model based
(Hausdorff)
Identix
USA
FaceIT
SDKLocal Feature Analysis
Imagis
Canada
ID2000
SDK
Viisage
USA
FaceTool
sEigenfaces
58
Sistemi Commerciali
Cognitec
Caratteristiche
Basato sulla tecnologia FaceVACSreg
500000 confronti al secondo su processori Pentium
Lavora anche in modalitagrave distribuita
Interfaccia amichevole che permette ordinamento riorganizzazione
navigazione selezione
Piugrave immagini per ciascuna persona
Facile gestione di nuovi soggetti da aggiungere
Possibilitagrave di sottoporre valutazioni sulla qualitagrave
Integration Kit per lrsquointegrazione con altri pacchetti software
59
Sistemi Commerciali
Cognitec
Caratteristiche
bullBasato su tecnologia FaceVACSreg
bullAutomatic face recognition per una maggiore sicurezza a costi
convenienti
bullVaria dalla gestione di un singolo punto di accesso alla
regolazioni degli accessi a reti molto vaste
bullFacile integrazione nei sistemi giagrave esistenti
bullCombinabile con lettori di carte keypads e diverse tipologie di
videocamere
bullPossibilitagrave di monitorare eventi predefiniti
bullRegistrazione on-line e off-line
bullldquoVerifica direttaldquo per sistemi di altissima sicurezza
60
Sistemi Commerciali
Cognitec
Caratteristiche
bullAnalisi di piugrave sequenze video
bullFace detection di volti in piugrave video
bullFace recognition real time
bullCreazione di un file di log
bullRegistrazione interattiva da immagini fisse o
video
bullPannello di gestione dei filmati
bullIntegration Kit per lrsquointegrazione di sistemi
esistenti
61
Viisage FacePASSreg
Caratteristiche
bullFacePASS egrave utilizzato in sistemi di sicurezza controlli
per lrsquoaccesso e verifica di corrispondenza
documentoidentitagrave
bullPermette la verifica di identitagrave
bullPermette di riconoscere a ciascun soggetto identificato
il rispettivo livello di accesso
bullFrutto della tecnologia visage egrave in uso da diversi anni in
applicazioni industriali
bullInterfaccia amichevole costruita sulla base del feed-
back ottenuto dagli utenti
62
IdentiX
ABIS Face Enterprise Edition
Le componenti del sistema ABIS lavorano su architettura distribuita con il vantaggio della scalabilitagrave e della ridondanza
bull Search Core Server ABIS System search engine firmware Lavora su Intelreg Xeontrade o Pentiumreg III blade servers
bull Database Server Oracle 9i Database memorizza fino a 20 million di volti su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni e della dimensione del database richieste
bull Application Server ABIS XML-RPC Application Programming Interface lavora su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni
63
Effettiva percentuale di
utilizzo dei sistemi biometrici
Finger Scan
521
Keystroke Scan
03
Facial Scan
114Hand Scan
100
Middleware
124
Iris Scan
73
Voice Scan
41
Signature Scan
24
64
Biometric Revenues
65
DEMO
21
Metodi di autenticazione (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
Quante Password hai
22
bull 6 persone su 10 hanno
subito almeno un furto
drsquoidentitagrave (clonazione
carta di
creditobancomat
falsificazione CI
accesso ad aree
riservate accesso a
informazioni riservate
etc)
23
bull Biometria delle impronte ndash riconoscimento delle impronte
bull Biometria dellrsquoocchio ndash riconoscimento dellrsquoiride e della retina
bull Biometria del volto ndash riconoscimento facciale (foto infrarosso)
bull Biometria della mano ndash geometria delle dita
bull Biometria della firma ndash riconoscimento della firma
bull Biometria della voce ndash riconoscimento vocale
bull Biometria auricolare ndash riconoscimento dellrsquoorecchio
bull Digitazione di tasti
bull DNA
Biometriche riconosciute dallo
Standard X984 - 2003
a) b) c) d) e) f)
g) h) i) j) k)
24
Verifica e Riconoscimento
bull Verifica Confronto Uno a Uno Conferma
lrsquoidentitagrave dichiarata da un individuo
ndash Dichiarata mediante carta di identitagrave codice utente
smart card
bull Riconoscimento Confronto Uno a Molti
Stabilisce lrsquoidentitagrave di un soggetto a partire da un
insieme di persone registrate
25
Proprietagrave di una caratteristica
biometrica
bull Universalitagrave ogni persona deve possedere tale biometria
bull Distintivitagrave (Unicitagrave) due persone devono essere sufficientemente distinguibili in base a tale biometria
bull Permanenza (Stabilitagrave) la biometria deve rimanere invariante (rispetto ai termini di confronto) nel tempo
bull Misurabilitagrave essa deve essere misurabile quantitativamente
26
Proprietagrave di una caratteristica
biometrica
bull Performance (EfficaciaEfficienza) lrsquoacquisizione lrsquoestrazione delle caratteristiche e il confronto delle entitagrave non devono essere troppo costose in termini di tempo memoria ed efficienza del sistema
bull Accettabilitagrave la procedura di acquisizione deve essere tollerata da una vasta parte della popolazione
bull Eludibilitagrave la probabilitagrave che il sistema venga raggirato o indotto in errore deve essere minimizzata
27
Tipologia di Utente
bull Cooperativo egrave interesse dellrsquoutente che il sistema lo riconosca (un impostore cerca di farsi riconoscere)
bull Non-Cooperativo lrsquoutente egrave indifferente al processo di riconoscimento (un impostore cerca di non farsi riconoscere)
bull PubblicoPrivato se gli utenti del sistema saranno il pubblico o i dipendenti (ad esempio Amministrazione) dellrsquoEnte dove il sistema egrave installato
28
Tipologia di Utente
bull Abituatonon abituato frequenza con cui
gli utenti del sistema si prestano al
riconoscimento biometrico (piugrave volte al
giorno settimanalmente mensilmente
ecc)
bull Consapevoleinconsapevole se lrsquoutente egrave
o no al corrente del processo di
riconoscimento in atto
29
Tipologia di Applicazione
bull On-line lrsquoutente egrave in attesa fincheacute il
sistema non risponde (tempi brevi di
risposta)
bull Off-line lrsquoutente viene acquisito ma non
attende una risposta immediata
30
Caratteristiche Biometriche
Caratteristiche
Biometriche
Statiche o
Fisiologiche
Impronte
DigitaliMano Volto Occhio DNA
Dinamiche o
Comportamentali
Voce CalligrafiaStile di
battituraAndatura
31
Biometria Statica o Dinamica
bull Statica (o fisiologica) metodi biometrici ndash autenticazione basata su caratteristiche sempre presentindash Impronte digitali
ndash Scan della retina e dellrsquoiride
ndash Geometria della mano
bull Dinamica (o comportamentale) metodi biometrici ndashautenticazione basata su caratteristiche comportamentalindash Firma
ndash Voce
ndash Battitura tasti
Quali Biometrie
32
33
Sistema
biometricoRobustezza Univocitagrave Accessibilitagrave Accettabilitagrave Privacy
Impronte
DigitaliAlto Alto Medio Medio Basso
Geometria della
ManoMedio Medio Medio Medio Basso
Caratt
IrideAlto Alto Medio Basso Alto
Caratter
VoltoMedio Basso Alto Alto Alto
Dinamica
Appl FirmaBasso Basso Medio Alto Medio
Caratt
VoceBasso Basso Medio Alto Medio
Caratt
RetinaMedio Alto Basso Basso Alto
Comparazione di Tecnologie Biometriche
34
Registrazione di un soggetto
(Enrollment)
bull Si associa un insieme di caratteristicheallrsquoidentitagrave di un soggettondash Raccolta dei dati ed estrazione delle caratteristiche
bull Il modello estratto (template) egrave memorizzato in un database o su un supporto portatile (smart card)
bull Questo processo puograve essere effettuato singolarmente o in blocco (batch enrollment)
35
Architettura di un
Sistema Biometrico
Slide prodotta da JL Dugelay (Eurecom-France)
36
Architettura di un
Sistema Biometrico (cont)
bull Lrsquoidentitagrave corrisponde ed il soggetto egrave
accettato
bull Lrsquoidentitagrave corrisponde ma il soggetto egrave
respinto (errore)
bull Un impostore egrave accettato (errore)
bull Un impostore egrave rifiutato
37
Architettura di un
Sistema Biometrico (cont)
User interface
NAME (PIN)
Quality
checker
Feature
Extractor
System DB
template
name
Enrollment
User interface
NAME (PIN)
Feature
Extractor
Matcher
(1 match)
System DB
one
template
Verification
TrueFalse
claimed identity
User interface
Feature
Extractor
Matcher
(N matches)
System DB
N
templates
Identification
Userrsquos identity or
ldquouser non identifiedrdquo
38
Misura delle Prestazioni
bull Non egrave possibile riconoscere un individuo senza ammettere una tolleranza drsquoerrore
bull La soglia di tolleranza egrave cruciale e dipende fortemente dallrsquoapplicazione
bull Una soglia troppo bassa causa molti errori di Tipo I (rifiuto di soggetti registrati) ndash FRR (False Recognition Rate)
bull Una soglia troppo alta causa molti errori di Tipo II (accettazione di impostori) ndash FAR (False Acceptance Rate)
bull La scelta piugrave utilizzata egrave EER Equal error rate (EER) ndash FAR = FRR
39
Misura delle Prestazioni (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
La scelta piugrave utilizzata egrave ERR Equal error rate (EER) FAR = FRR
40
Quali Biometrie
Slide prodotta da JL Dugelay (Eurecom-France)
41
Quali Biometrie (cont)
a) b) c) d) e) f)
g) h) i) j) k)
Biometrics
bull ear
bull face
bull facial thermogram
bull hand thermogram
bull hand vein
bull hand geometry
bull fingerprint
bull iris
bull retina
bull signature
bull voice
42
bull Biometria delle impronte ndash riconoscimento delle impronte
bull Biometria dellrsquoocchio ndash riconoscimento dellrsquoiride e della retina
bull Biometria del volto ndash riconoscimento facciale (foto infrarosso)
bull Biometria della mano ndash geometria delle dita
bull Biometria della firma ndash riconoscimento della firma
bull Biometria della voce ndash riconoscimento vocale
bull Biometria auricolare ndash riconoscimento dellrsquoorecchio
bull Digitazione di tasti
bull DNA
Tecniche riconosciute dallo
Standard X984 - 2003
Impronte
digitali
voltoFirma
Iride
voce
Geometria della
mano
43
Variabilitagrave delle Biometrie
bull I Dati Biometrici non possono essere persi trasferiti ad altri o dimenticatihellipma
bull Lrsquoacquisizione (digitalizzazione dei dati) puograve determinare una variabilitagrave delle biometrie
ndash Intra_Classebull Variabilitagrave delle biometrie per un individuo
ndash Inter_Classebull Similaritagrave delle biometrie tra individui diversi
44
Variabilitagrave delle Biometrie
bull Intra_Classe
ndash Il MedioBreve Termine
ndash Il Lungo Termine Lrsquoetagrave
ndash La posa
ndash Le parziali occlusioni
ndash Lrsquoespressione
ndash Lrsquoilluminazione
45
Variabilitagrave delle Biometrie
bull Inter_Classe
ndash Gemelli
ndash Sosia
ndash hellip
ndash hellip
ndash hellip
Intra-class Variations
Time duration 6 months
Time duration 2 years
Variabilitagrave Intra-Classe Il Tempo
47
Sharbat GulaSharbat Gula
1985 2002
(Left photo copy Steve McCurry Right photo Steve McCurry copy National Geographic Society)
Variabilitagrave Intra-Classe Lrsquoetagrave (cont)
48
Variabilitagrave Intra-Classe La Posa
49
Variabilitagrave Intra-Classe
LrsquoEspressione
50
Variabilitagrave Intra-Classe
Espressione Posa e Parziali Occlusioni
51
Variabilitagrave Intra-Classe
LrsquoIlluminazione
52
Similaritagrave Inter-Classe
Count of Q2 Q2
Gender A 1 A 2 A 3 A 4 A 5 A 6 A 7 A 8 A 9 A 10Grand Total
Female 8 3 4 4 16 8 0 4 2 51 100
Male 9 5 3 6 6 5 1 2 1 63 100
Grand Total 9 4 3 5 9 6 1 3 1 59 100
54
56
Standard Esistenti
wwwbiometricsorgwwwnistgovbcwg
wwwbioapiorg
wwwibiaorgwwwbiometricfoundationorg
wwwnistgovcbeff
wwwitlnistorg
57
Sistemi CommercialiPanoramica
Il numero di distributori di SDKs (Software Development Kits) da poter integrare in applicazioni
esistenti
Il problema del face detection egrave visto come un problema collaterale
Tutti gli SDKs disponibili sono reperibili solo a pagamento
CompagniaSDK Documentazione Disponibile Tecnologia
Cognitec
Germania
FaceVAC
S SDK
httpwwwcognitec-
agdedocumentationfrsdk_p
ublic
Reti Neurali
HumanScan
Germania
BioID 31
SDK
httpwwwbioidcomsdkdoc
s
Detection Model based
(Hausdorff)
Identix
USA
FaceIT
SDKLocal Feature Analysis
Imagis
Canada
ID2000
SDK
Viisage
USA
FaceTool
sEigenfaces
58
Sistemi Commerciali
Cognitec
Caratteristiche
Basato sulla tecnologia FaceVACSreg
500000 confronti al secondo su processori Pentium
Lavora anche in modalitagrave distribuita
Interfaccia amichevole che permette ordinamento riorganizzazione
navigazione selezione
Piugrave immagini per ciascuna persona
Facile gestione di nuovi soggetti da aggiungere
Possibilitagrave di sottoporre valutazioni sulla qualitagrave
Integration Kit per lrsquointegrazione con altri pacchetti software
59
Sistemi Commerciali
Cognitec
Caratteristiche
bullBasato su tecnologia FaceVACSreg
bullAutomatic face recognition per una maggiore sicurezza a costi
convenienti
bullVaria dalla gestione di un singolo punto di accesso alla
regolazioni degli accessi a reti molto vaste
bullFacile integrazione nei sistemi giagrave esistenti
bullCombinabile con lettori di carte keypads e diverse tipologie di
videocamere
bullPossibilitagrave di monitorare eventi predefiniti
bullRegistrazione on-line e off-line
bullldquoVerifica direttaldquo per sistemi di altissima sicurezza
60
Sistemi Commerciali
Cognitec
Caratteristiche
bullAnalisi di piugrave sequenze video
bullFace detection di volti in piugrave video
bullFace recognition real time
bullCreazione di un file di log
bullRegistrazione interattiva da immagini fisse o
video
bullPannello di gestione dei filmati
bullIntegration Kit per lrsquointegrazione di sistemi
esistenti
61
Viisage FacePASSreg
Caratteristiche
bullFacePASS egrave utilizzato in sistemi di sicurezza controlli
per lrsquoaccesso e verifica di corrispondenza
documentoidentitagrave
bullPermette la verifica di identitagrave
bullPermette di riconoscere a ciascun soggetto identificato
il rispettivo livello di accesso
bullFrutto della tecnologia visage egrave in uso da diversi anni in
applicazioni industriali
bullInterfaccia amichevole costruita sulla base del feed-
back ottenuto dagli utenti
62
IdentiX
ABIS Face Enterprise Edition
Le componenti del sistema ABIS lavorano su architettura distribuita con il vantaggio della scalabilitagrave e della ridondanza
bull Search Core Server ABIS System search engine firmware Lavora su Intelreg Xeontrade o Pentiumreg III blade servers
bull Database Server Oracle 9i Database memorizza fino a 20 million di volti su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni e della dimensione del database richieste
bull Application Server ABIS XML-RPC Application Programming Interface lavora su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni
63
Effettiva percentuale di
utilizzo dei sistemi biometrici
Finger Scan
521
Keystroke Scan
03
Facial Scan
114Hand Scan
100
Middleware
124
Iris Scan
73
Voice Scan
41
Signature Scan
24
64
Biometric Revenues
65
DEMO
Quante Password hai
22
bull 6 persone su 10 hanno
subito almeno un furto
drsquoidentitagrave (clonazione
carta di
creditobancomat
falsificazione CI
accesso ad aree
riservate accesso a
informazioni riservate
etc)
23
bull Biometria delle impronte ndash riconoscimento delle impronte
bull Biometria dellrsquoocchio ndash riconoscimento dellrsquoiride e della retina
bull Biometria del volto ndash riconoscimento facciale (foto infrarosso)
bull Biometria della mano ndash geometria delle dita
bull Biometria della firma ndash riconoscimento della firma
bull Biometria della voce ndash riconoscimento vocale
bull Biometria auricolare ndash riconoscimento dellrsquoorecchio
bull Digitazione di tasti
bull DNA
Biometriche riconosciute dallo
Standard X984 - 2003
a) b) c) d) e) f)
g) h) i) j) k)
24
Verifica e Riconoscimento
bull Verifica Confronto Uno a Uno Conferma
lrsquoidentitagrave dichiarata da un individuo
ndash Dichiarata mediante carta di identitagrave codice utente
smart card
bull Riconoscimento Confronto Uno a Molti
Stabilisce lrsquoidentitagrave di un soggetto a partire da un
insieme di persone registrate
25
Proprietagrave di una caratteristica
biometrica
bull Universalitagrave ogni persona deve possedere tale biometria
bull Distintivitagrave (Unicitagrave) due persone devono essere sufficientemente distinguibili in base a tale biometria
bull Permanenza (Stabilitagrave) la biometria deve rimanere invariante (rispetto ai termini di confronto) nel tempo
bull Misurabilitagrave essa deve essere misurabile quantitativamente
26
Proprietagrave di una caratteristica
biometrica
bull Performance (EfficaciaEfficienza) lrsquoacquisizione lrsquoestrazione delle caratteristiche e il confronto delle entitagrave non devono essere troppo costose in termini di tempo memoria ed efficienza del sistema
bull Accettabilitagrave la procedura di acquisizione deve essere tollerata da una vasta parte della popolazione
bull Eludibilitagrave la probabilitagrave che il sistema venga raggirato o indotto in errore deve essere minimizzata
27
Tipologia di Utente
bull Cooperativo egrave interesse dellrsquoutente che il sistema lo riconosca (un impostore cerca di farsi riconoscere)
bull Non-Cooperativo lrsquoutente egrave indifferente al processo di riconoscimento (un impostore cerca di non farsi riconoscere)
bull PubblicoPrivato se gli utenti del sistema saranno il pubblico o i dipendenti (ad esempio Amministrazione) dellrsquoEnte dove il sistema egrave installato
28
Tipologia di Utente
bull Abituatonon abituato frequenza con cui
gli utenti del sistema si prestano al
riconoscimento biometrico (piugrave volte al
giorno settimanalmente mensilmente
ecc)
bull Consapevoleinconsapevole se lrsquoutente egrave
o no al corrente del processo di
riconoscimento in atto
29
Tipologia di Applicazione
bull On-line lrsquoutente egrave in attesa fincheacute il
sistema non risponde (tempi brevi di
risposta)
bull Off-line lrsquoutente viene acquisito ma non
attende una risposta immediata
30
Caratteristiche Biometriche
Caratteristiche
Biometriche
Statiche o
Fisiologiche
Impronte
DigitaliMano Volto Occhio DNA
Dinamiche o
Comportamentali
Voce CalligrafiaStile di
battituraAndatura
31
Biometria Statica o Dinamica
bull Statica (o fisiologica) metodi biometrici ndash autenticazione basata su caratteristiche sempre presentindash Impronte digitali
ndash Scan della retina e dellrsquoiride
ndash Geometria della mano
bull Dinamica (o comportamentale) metodi biometrici ndashautenticazione basata su caratteristiche comportamentalindash Firma
ndash Voce
ndash Battitura tasti
Quali Biometrie
32
33
Sistema
biometricoRobustezza Univocitagrave Accessibilitagrave Accettabilitagrave Privacy
Impronte
DigitaliAlto Alto Medio Medio Basso
Geometria della
ManoMedio Medio Medio Medio Basso
Caratt
IrideAlto Alto Medio Basso Alto
Caratter
VoltoMedio Basso Alto Alto Alto
Dinamica
Appl FirmaBasso Basso Medio Alto Medio
Caratt
VoceBasso Basso Medio Alto Medio
Caratt
RetinaMedio Alto Basso Basso Alto
Comparazione di Tecnologie Biometriche
34
Registrazione di un soggetto
(Enrollment)
bull Si associa un insieme di caratteristicheallrsquoidentitagrave di un soggettondash Raccolta dei dati ed estrazione delle caratteristiche
bull Il modello estratto (template) egrave memorizzato in un database o su un supporto portatile (smart card)
bull Questo processo puograve essere effettuato singolarmente o in blocco (batch enrollment)
35
Architettura di un
Sistema Biometrico
Slide prodotta da JL Dugelay (Eurecom-France)
36
Architettura di un
Sistema Biometrico (cont)
bull Lrsquoidentitagrave corrisponde ed il soggetto egrave
accettato
bull Lrsquoidentitagrave corrisponde ma il soggetto egrave
respinto (errore)
bull Un impostore egrave accettato (errore)
bull Un impostore egrave rifiutato
37
Architettura di un
Sistema Biometrico (cont)
User interface
NAME (PIN)
Quality
checker
Feature
Extractor
System DB
template
name
Enrollment
User interface
NAME (PIN)
Feature
Extractor
Matcher
(1 match)
System DB
one
template
Verification
TrueFalse
claimed identity
User interface
Feature
Extractor
Matcher
(N matches)
System DB
N
templates
Identification
Userrsquos identity or
ldquouser non identifiedrdquo
38
Misura delle Prestazioni
bull Non egrave possibile riconoscere un individuo senza ammettere una tolleranza drsquoerrore
bull La soglia di tolleranza egrave cruciale e dipende fortemente dallrsquoapplicazione
bull Una soglia troppo bassa causa molti errori di Tipo I (rifiuto di soggetti registrati) ndash FRR (False Recognition Rate)
bull Una soglia troppo alta causa molti errori di Tipo II (accettazione di impostori) ndash FAR (False Acceptance Rate)
bull La scelta piugrave utilizzata egrave EER Equal error rate (EER) ndash FAR = FRR
39
Misura delle Prestazioni (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
La scelta piugrave utilizzata egrave ERR Equal error rate (EER) FAR = FRR
40
Quali Biometrie
Slide prodotta da JL Dugelay (Eurecom-France)
41
Quali Biometrie (cont)
a) b) c) d) e) f)
g) h) i) j) k)
Biometrics
bull ear
bull face
bull facial thermogram
bull hand thermogram
bull hand vein
bull hand geometry
bull fingerprint
bull iris
bull retina
bull signature
bull voice
42
bull Biometria delle impronte ndash riconoscimento delle impronte
bull Biometria dellrsquoocchio ndash riconoscimento dellrsquoiride e della retina
bull Biometria del volto ndash riconoscimento facciale (foto infrarosso)
bull Biometria della mano ndash geometria delle dita
bull Biometria della firma ndash riconoscimento della firma
bull Biometria della voce ndash riconoscimento vocale
bull Biometria auricolare ndash riconoscimento dellrsquoorecchio
bull Digitazione di tasti
bull DNA
Tecniche riconosciute dallo
Standard X984 - 2003
Impronte
digitali
voltoFirma
Iride
voce
Geometria della
mano
43
Variabilitagrave delle Biometrie
bull I Dati Biometrici non possono essere persi trasferiti ad altri o dimenticatihellipma
bull Lrsquoacquisizione (digitalizzazione dei dati) puograve determinare una variabilitagrave delle biometrie
ndash Intra_Classebull Variabilitagrave delle biometrie per un individuo
ndash Inter_Classebull Similaritagrave delle biometrie tra individui diversi
44
Variabilitagrave delle Biometrie
bull Intra_Classe
ndash Il MedioBreve Termine
ndash Il Lungo Termine Lrsquoetagrave
ndash La posa
ndash Le parziali occlusioni
ndash Lrsquoespressione
ndash Lrsquoilluminazione
45
Variabilitagrave delle Biometrie
bull Inter_Classe
ndash Gemelli
ndash Sosia
ndash hellip
ndash hellip
ndash hellip
Intra-class Variations
Time duration 6 months
Time duration 2 years
Variabilitagrave Intra-Classe Il Tempo
47
Sharbat GulaSharbat Gula
1985 2002
(Left photo copy Steve McCurry Right photo Steve McCurry copy National Geographic Society)
Variabilitagrave Intra-Classe Lrsquoetagrave (cont)
48
Variabilitagrave Intra-Classe La Posa
49
Variabilitagrave Intra-Classe
LrsquoEspressione
50
Variabilitagrave Intra-Classe
Espressione Posa e Parziali Occlusioni
51
Variabilitagrave Intra-Classe
LrsquoIlluminazione
52
Similaritagrave Inter-Classe
Count of Q2 Q2
Gender A 1 A 2 A 3 A 4 A 5 A 6 A 7 A 8 A 9 A 10Grand Total
Female 8 3 4 4 16 8 0 4 2 51 100
Male 9 5 3 6 6 5 1 2 1 63 100
Grand Total 9 4 3 5 9 6 1 3 1 59 100
54
56
Standard Esistenti
wwwbiometricsorgwwwnistgovbcwg
wwwbioapiorg
wwwibiaorgwwwbiometricfoundationorg
wwwnistgovcbeff
wwwitlnistorg
57
Sistemi CommercialiPanoramica
Il numero di distributori di SDKs (Software Development Kits) da poter integrare in applicazioni
esistenti
Il problema del face detection egrave visto come un problema collaterale
Tutti gli SDKs disponibili sono reperibili solo a pagamento
CompagniaSDK Documentazione Disponibile Tecnologia
Cognitec
Germania
FaceVAC
S SDK
httpwwwcognitec-
agdedocumentationfrsdk_p
ublic
Reti Neurali
HumanScan
Germania
BioID 31
SDK
httpwwwbioidcomsdkdoc
s
Detection Model based
(Hausdorff)
Identix
USA
FaceIT
SDKLocal Feature Analysis
Imagis
Canada
ID2000
SDK
Viisage
USA
FaceTool
sEigenfaces
58
Sistemi Commerciali
Cognitec
Caratteristiche
Basato sulla tecnologia FaceVACSreg
500000 confronti al secondo su processori Pentium
Lavora anche in modalitagrave distribuita
Interfaccia amichevole che permette ordinamento riorganizzazione
navigazione selezione
Piugrave immagini per ciascuna persona
Facile gestione di nuovi soggetti da aggiungere
Possibilitagrave di sottoporre valutazioni sulla qualitagrave
Integration Kit per lrsquointegrazione con altri pacchetti software
59
Sistemi Commerciali
Cognitec
Caratteristiche
bullBasato su tecnologia FaceVACSreg
bullAutomatic face recognition per una maggiore sicurezza a costi
convenienti
bullVaria dalla gestione di un singolo punto di accesso alla
regolazioni degli accessi a reti molto vaste
bullFacile integrazione nei sistemi giagrave esistenti
bullCombinabile con lettori di carte keypads e diverse tipologie di
videocamere
bullPossibilitagrave di monitorare eventi predefiniti
bullRegistrazione on-line e off-line
bullldquoVerifica direttaldquo per sistemi di altissima sicurezza
60
Sistemi Commerciali
Cognitec
Caratteristiche
bullAnalisi di piugrave sequenze video
bullFace detection di volti in piugrave video
bullFace recognition real time
bullCreazione di un file di log
bullRegistrazione interattiva da immagini fisse o
video
bullPannello di gestione dei filmati
bullIntegration Kit per lrsquointegrazione di sistemi
esistenti
61
Viisage FacePASSreg
Caratteristiche
bullFacePASS egrave utilizzato in sistemi di sicurezza controlli
per lrsquoaccesso e verifica di corrispondenza
documentoidentitagrave
bullPermette la verifica di identitagrave
bullPermette di riconoscere a ciascun soggetto identificato
il rispettivo livello di accesso
bullFrutto della tecnologia visage egrave in uso da diversi anni in
applicazioni industriali
bullInterfaccia amichevole costruita sulla base del feed-
back ottenuto dagli utenti
62
IdentiX
ABIS Face Enterprise Edition
Le componenti del sistema ABIS lavorano su architettura distribuita con il vantaggio della scalabilitagrave e della ridondanza
bull Search Core Server ABIS System search engine firmware Lavora su Intelreg Xeontrade o Pentiumreg III blade servers
bull Database Server Oracle 9i Database memorizza fino a 20 million di volti su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni e della dimensione del database richieste
bull Application Server ABIS XML-RPC Application Programming Interface lavora su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni
63
Effettiva percentuale di
utilizzo dei sistemi biometrici
Finger Scan
521
Keystroke Scan
03
Facial Scan
114Hand Scan
100
Middleware
124
Iris Scan
73
Voice Scan
41
Signature Scan
24
64
Biometric Revenues
65
DEMO
23
bull Biometria delle impronte ndash riconoscimento delle impronte
bull Biometria dellrsquoocchio ndash riconoscimento dellrsquoiride e della retina
bull Biometria del volto ndash riconoscimento facciale (foto infrarosso)
bull Biometria della mano ndash geometria delle dita
bull Biometria della firma ndash riconoscimento della firma
bull Biometria della voce ndash riconoscimento vocale
bull Biometria auricolare ndash riconoscimento dellrsquoorecchio
bull Digitazione di tasti
bull DNA
Biometriche riconosciute dallo
Standard X984 - 2003
a) b) c) d) e) f)
g) h) i) j) k)
24
Verifica e Riconoscimento
bull Verifica Confronto Uno a Uno Conferma
lrsquoidentitagrave dichiarata da un individuo
ndash Dichiarata mediante carta di identitagrave codice utente
smart card
bull Riconoscimento Confronto Uno a Molti
Stabilisce lrsquoidentitagrave di un soggetto a partire da un
insieme di persone registrate
25
Proprietagrave di una caratteristica
biometrica
bull Universalitagrave ogni persona deve possedere tale biometria
bull Distintivitagrave (Unicitagrave) due persone devono essere sufficientemente distinguibili in base a tale biometria
bull Permanenza (Stabilitagrave) la biometria deve rimanere invariante (rispetto ai termini di confronto) nel tempo
bull Misurabilitagrave essa deve essere misurabile quantitativamente
26
Proprietagrave di una caratteristica
biometrica
bull Performance (EfficaciaEfficienza) lrsquoacquisizione lrsquoestrazione delle caratteristiche e il confronto delle entitagrave non devono essere troppo costose in termini di tempo memoria ed efficienza del sistema
bull Accettabilitagrave la procedura di acquisizione deve essere tollerata da una vasta parte della popolazione
bull Eludibilitagrave la probabilitagrave che il sistema venga raggirato o indotto in errore deve essere minimizzata
27
Tipologia di Utente
bull Cooperativo egrave interesse dellrsquoutente che il sistema lo riconosca (un impostore cerca di farsi riconoscere)
bull Non-Cooperativo lrsquoutente egrave indifferente al processo di riconoscimento (un impostore cerca di non farsi riconoscere)
bull PubblicoPrivato se gli utenti del sistema saranno il pubblico o i dipendenti (ad esempio Amministrazione) dellrsquoEnte dove il sistema egrave installato
28
Tipologia di Utente
bull Abituatonon abituato frequenza con cui
gli utenti del sistema si prestano al
riconoscimento biometrico (piugrave volte al
giorno settimanalmente mensilmente
ecc)
bull Consapevoleinconsapevole se lrsquoutente egrave
o no al corrente del processo di
riconoscimento in atto
29
Tipologia di Applicazione
bull On-line lrsquoutente egrave in attesa fincheacute il
sistema non risponde (tempi brevi di
risposta)
bull Off-line lrsquoutente viene acquisito ma non
attende una risposta immediata
30
Caratteristiche Biometriche
Caratteristiche
Biometriche
Statiche o
Fisiologiche
Impronte
DigitaliMano Volto Occhio DNA
Dinamiche o
Comportamentali
Voce CalligrafiaStile di
battituraAndatura
31
Biometria Statica o Dinamica
bull Statica (o fisiologica) metodi biometrici ndash autenticazione basata su caratteristiche sempre presentindash Impronte digitali
ndash Scan della retina e dellrsquoiride
ndash Geometria della mano
bull Dinamica (o comportamentale) metodi biometrici ndashautenticazione basata su caratteristiche comportamentalindash Firma
ndash Voce
ndash Battitura tasti
Quali Biometrie
32
33
Sistema
biometricoRobustezza Univocitagrave Accessibilitagrave Accettabilitagrave Privacy
Impronte
DigitaliAlto Alto Medio Medio Basso
Geometria della
ManoMedio Medio Medio Medio Basso
Caratt
IrideAlto Alto Medio Basso Alto
Caratter
VoltoMedio Basso Alto Alto Alto
Dinamica
Appl FirmaBasso Basso Medio Alto Medio
Caratt
VoceBasso Basso Medio Alto Medio
Caratt
RetinaMedio Alto Basso Basso Alto
Comparazione di Tecnologie Biometriche
34
Registrazione di un soggetto
(Enrollment)
bull Si associa un insieme di caratteristicheallrsquoidentitagrave di un soggettondash Raccolta dei dati ed estrazione delle caratteristiche
bull Il modello estratto (template) egrave memorizzato in un database o su un supporto portatile (smart card)
bull Questo processo puograve essere effettuato singolarmente o in blocco (batch enrollment)
35
Architettura di un
Sistema Biometrico
Slide prodotta da JL Dugelay (Eurecom-France)
36
Architettura di un
Sistema Biometrico (cont)
bull Lrsquoidentitagrave corrisponde ed il soggetto egrave
accettato
bull Lrsquoidentitagrave corrisponde ma il soggetto egrave
respinto (errore)
bull Un impostore egrave accettato (errore)
bull Un impostore egrave rifiutato
37
Architettura di un
Sistema Biometrico (cont)
User interface
NAME (PIN)
Quality
checker
Feature
Extractor
System DB
template
name
Enrollment
User interface
NAME (PIN)
Feature
Extractor
Matcher
(1 match)
System DB
one
template
Verification
TrueFalse
claimed identity
User interface
Feature
Extractor
Matcher
(N matches)
System DB
N
templates
Identification
Userrsquos identity or
ldquouser non identifiedrdquo
38
Misura delle Prestazioni
bull Non egrave possibile riconoscere un individuo senza ammettere una tolleranza drsquoerrore
bull La soglia di tolleranza egrave cruciale e dipende fortemente dallrsquoapplicazione
bull Una soglia troppo bassa causa molti errori di Tipo I (rifiuto di soggetti registrati) ndash FRR (False Recognition Rate)
bull Una soglia troppo alta causa molti errori di Tipo II (accettazione di impostori) ndash FAR (False Acceptance Rate)
bull La scelta piugrave utilizzata egrave EER Equal error rate (EER) ndash FAR = FRR
39
Misura delle Prestazioni (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
La scelta piugrave utilizzata egrave ERR Equal error rate (EER) FAR = FRR
40
Quali Biometrie
Slide prodotta da JL Dugelay (Eurecom-France)
41
Quali Biometrie (cont)
a) b) c) d) e) f)
g) h) i) j) k)
Biometrics
bull ear
bull face
bull facial thermogram
bull hand thermogram
bull hand vein
bull hand geometry
bull fingerprint
bull iris
bull retina
bull signature
bull voice
42
bull Biometria delle impronte ndash riconoscimento delle impronte
bull Biometria dellrsquoocchio ndash riconoscimento dellrsquoiride e della retina
bull Biometria del volto ndash riconoscimento facciale (foto infrarosso)
bull Biometria della mano ndash geometria delle dita
bull Biometria della firma ndash riconoscimento della firma
bull Biometria della voce ndash riconoscimento vocale
bull Biometria auricolare ndash riconoscimento dellrsquoorecchio
bull Digitazione di tasti
bull DNA
Tecniche riconosciute dallo
Standard X984 - 2003
Impronte
digitali
voltoFirma
Iride
voce
Geometria della
mano
43
Variabilitagrave delle Biometrie
bull I Dati Biometrici non possono essere persi trasferiti ad altri o dimenticatihellipma
bull Lrsquoacquisizione (digitalizzazione dei dati) puograve determinare una variabilitagrave delle biometrie
ndash Intra_Classebull Variabilitagrave delle biometrie per un individuo
ndash Inter_Classebull Similaritagrave delle biometrie tra individui diversi
44
Variabilitagrave delle Biometrie
bull Intra_Classe
ndash Il MedioBreve Termine
ndash Il Lungo Termine Lrsquoetagrave
ndash La posa
ndash Le parziali occlusioni
ndash Lrsquoespressione
ndash Lrsquoilluminazione
45
Variabilitagrave delle Biometrie
bull Inter_Classe
ndash Gemelli
ndash Sosia
ndash hellip
ndash hellip
ndash hellip
Intra-class Variations
Time duration 6 months
Time duration 2 years
Variabilitagrave Intra-Classe Il Tempo
47
Sharbat GulaSharbat Gula
1985 2002
(Left photo copy Steve McCurry Right photo Steve McCurry copy National Geographic Society)
Variabilitagrave Intra-Classe Lrsquoetagrave (cont)
48
Variabilitagrave Intra-Classe La Posa
49
Variabilitagrave Intra-Classe
LrsquoEspressione
50
Variabilitagrave Intra-Classe
Espressione Posa e Parziali Occlusioni
51
Variabilitagrave Intra-Classe
LrsquoIlluminazione
52
Similaritagrave Inter-Classe
Count of Q2 Q2
Gender A 1 A 2 A 3 A 4 A 5 A 6 A 7 A 8 A 9 A 10Grand Total
Female 8 3 4 4 16 8 0 4 2 51 100
Male 9 5 3 6 6 5 1 2 1 63 100
Grand Total 9 4 3 5 9 6 1 3 1 59 100
54
56
Standard Esistenti
wwwbiometricsorgwwwnistgovbcwg
wwwbioapiorg
wwwibiaorgwwwbiometricfoundationorg
wwwnistgovcbeff
wwwitlnistorg
57
Sistemi CommercialiPanoramica
Il numero di distributori di SDKs (Software Development Kits) da poter integrare in applicazioni
esistenti
Il problema del face detection egrave visto come un problema collaterale
Tutti gli SDKs disponibili sono reperibili solo a pagamento
CompagniaSDK Documentazione Disponibile Tecnologia
Cognitec
Germania
FaceVAC
S SDK
httpwwwcognitec-
agdedocumentationfrsdk_p
ublic
Reti Neurali
HumanScan
Germania
BioID 31
SDK
httpwwwbioidcomsdkdoc
s
Detection Model based
(Hausdorff)
Identix
USA
FaceIT
SDKLocal Feature Analysis
Imagis
Canada
ID2000
SDK
Viisage
USA
FaceTool
sEigenfaces
58
Sistemi Commerciali
Cognitec
Caratteristiche
Basato sulla tecnologia FaceVACSreg
500000 confronti al secondo su processori Pentium
Lavora anche in modalitagrave distribuita
Interfaccia amichevole che permette ordinamento riorganizzazione
navigazione selezione
Piugrave immagini per ciascuna persona
Facile gestione di nuovi soggetti da aggiungere
Possibilitagrave di sottoporre valutazioni sulla qualitagrave
Integration Kit per lrsquointegrazione con altri pacchetti software
59
Sistemi Commerciali
Cognitec
Caratteristiche
bullBasato su tecnologia FaceVACSreg
bullAutomatic face recognition per una maggiore sicurezza a costi
convenienti
bullVaria dalla gestione di un singolo punto di accesso alla
regolazioni degli accessi a reti molto vaste
bullFacile integrazione nei sistemi giagrave esistenti
bullCombinabile con lettori di carte keypads e diverse tipologie di
videocamere
bullPossibilitagrave di monitorare eventi predefiniti
bullRegistrazione on-line e off-line
bullldquoVerifica direttaldquo per sistemi di altissima sicurezza
60
Sistemi Commerciali
Cognitec
Caratteristiche
bullAnalisi di piugrave sequenze video
bullFace detection di volti in piugrave video
bullFace recognition real time
bullCreazione di un file di log
bullRegistrazione interattiva da immagini fisse o
video
bullPannello di gestione dei filmati
bullIntegration Kit per lrsquointegrazione di sistemi
esistenti
61
Viisage FacePASSreg
Caratteristiche
bullFacePASS egrave utilizzato in sistemi di sicurezza controlli
per lrsquoaccesso e verifica di corrispondenza
documentoidentitagrave
bullPermette la verifica di identitagrave
bullPermette di riconoscere a ciascun soggetto identificato
il rispettivo livello di accesso
bullFrutto della tecnologia visage egrave in uso da diversi anni in
applicazioni industriali
bullInterfaccia amichevole costruita sulla base del feed-
back ottenuto dagli utenti
62
IdentiX
ABIS Face Enterprise Edition
Le componenti del sistema ABIS lavorano su architettura distribuita con il vantaggio della scalabilitagrave e della ridondanza
bull Search Core Server ABIS System search engine firmware Lavora su Intelreg Xeontrade o Pentiumreg III blade servers
bull Database Server Oracle 9i Database memorizza fino a 20 million di volti su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni e della dimensione del database richieste
bull Application Server ABIS XML-RPC Application Programming Interface lavora su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni
63
Effettiva percentuale di
utilizzo dei sistemi biometrici
Finger Scan
521
Keystroke Scan
03
Facial Scan
114Hand Scan
100
Middleware
124
Iris Scan
73
Voice Scan
41
Signature Scan
24
64
Biometric Revenues
65
DEMO
24
Verifica e Riconoscimento
bull Verifica Confronto Uno a Uno Conferma
lrsquoidentitagrave dichiarata da un individuo
ndash Dichiarata mediante carta di identitagrave codice utente
smart card
bull Riconoscimento Confronto Uno a Molti
Stabilisce lrsquoidentitagrave di un soggetto a partire da un
insieme di persone registrate
25
Proprietagrave di una caratteristica
biometrica
bull Universalitagrave ogni persona deve possedere tale biometria
bull Distintivitagrave (Unicitagrave) due persone devono essere sufficientemente distinguibili in base a tale biometria
bull Permanenza (Stabilitagrave) la biometria deve rimanere invariante (rispetto ai termini di confronto) nel tempo
bull Misurabilitagrave essa deve essere misurabile quantitativamente
26
Proprietagrave di una caratteristica
biometrica
bull Performance (EfficaciaEfficienza) lrsquoacquisizione lrsquoestrazione delle caratteristiche e il confronto delle entitagrave non devono essere troppo costose in termini di tempo memoria ed efficienza del sistema
bull Accettabilitagrave la procedura di acquisizione deve essere tollerata da una vasta parte della popolazione
bull Eludibilitagrave la probabilitagrave che il sistema venga raggirato o indotto in errore deve essere minimizzata
27
Tipologia di Utente
bull Cooperativo egrave interesse dellrsquoutente che il sistema lo riconosca (un impostore cerca di farsi riconoscere)
bull Non-Cooperativo lrsquoutente egrave indifferente al processo di riconoscimento (un impostore cerca di non farsi riconoscere)
bull PubblicoPrivato se gli utenti del sistema saranno il pubblico o i dipendenti (ad esempio Amministrazione) dellrsquoEnte dove il sistema egrave installato
28
Tipologia di Utente
bull Abituatonon abituato frequenza con cui
gli utenti del sistema si prestano al
riconoscimento biometrico (piugrave volte al
giorno settimanalmente mensilmente
ecc)
bull Consapevoleinconsapevole se lrsquoutente egrave
o no al corrente del processo di
riconoscimento in atto
29
Tipologia di Applicazione
bull On-line lrsquoutente egrave in attesa fincheacute il
sistema non risponde (tempi brevi di
risposta)
bull Off-line lrsquoutente viene acquisito ma non
attende una risposta immediata
30
Caratteristiche Biometriche
Caratteristiche
Biometriche
Statiche o
Fisiologiche
Impronte
DigitaliMano Volto Occhio DNA
Dinamiche o
Comportamentali
Voce CalligrafiaStile di
battituraAndatura
31
Biometria Statica o Dinamica
bull Statica (o fisiologica) metodi biometrici ndash autenticazione basata su caratteristiche sempre presentindash Impronte digitali
ndash Scan della retina e dellrsquoiride
ndash Geometria della mano
bull Dinamica (o comportamentale) metodi biometrici ndashautenticazione basata su caratteristiche comportamentalindash Firma
ndash Voce
ndash Battitura tasti
Quali Biometrie
32
33
Sistema
biometricoRobustezza Univocitagrave Accessibilitagrave Accettabilitagrave Privacy
Impronte
DigitaliAlto Alto Medio Medio Basso
Geometria della
ManoMedio Medio Medio Medio Basso
Caratt
IrideAlto Alto Medio Basso Alto
Caratter
VoltoMedio Basso Alto Alto Alto
Dinamica
Appl FirmaBasso Basso Medio Alto Medio
Caratt
VoceBasso Basso Medio Alto Medio
Caratt
RetinaMedio Alto Basso Basso Alto
Comparazione di Tecnologie Biometriche
34
Registrazione di un soggetto
(Enrollment)
bull Si associa un insieme di caratteristicheallrsquoidentitagrave di un soggettondash Raccolta dei dati ed estrazione delle caratteristiche
bull Il modello estratto (template) egrave memorizzato in un database o su un supporto portatile (smart card)
bull Questo processo puograve essere effettuato singolarmente o in blocco (batch enrollment)
35
Architettura di un
Sistema Biometrico
Slide prodotta da JL Dugelay (Eurecom-France)
36
Architettura di un
Sistema Biometrico (cont)
bull Lrsquoidentitagrave corrisponde ed il soggetto egrave
accettato
bull Lrsquoidentitagrave corrisponde ma il soggetto egrave
respinto (errore)
bull Un impostore egrave accettato (errore)
bull Un impostore egrave rifiutato
37
Architettura di un
Sistema Biometrico (cont)
User interface
NAME (PIN)
Quality
checker
Feature
Extractor
System DB
template
name
Enrollment
User interface
NAME (PIN)
Feature
Extractor
Matcher
(1 match)
System DB
one
template
Verification
TrueFalse
claimed identity
User interface
Feature
Extractor
Matcher
(N matches)
System DB
N
templates
Identification
Userrsquos identity or
ldquouser non identifiedrdquo
38
Misura delle Prestazioni
bull Non egrave possibile riconoscere un individuo senza ammettere una tolleranza drsquoerrore
bull La soglia di tolleranza egrave cruciale e dipende fortemente dallrsquoapplicazione
bull Una soglia troppo bassa causa molti errori di Tipo I (rifiuto di soggetti registrati) ndash FRR (False Recognition Rate)
bull Una soglia troppo alta causa molti errori di Tipo II (accettazione di impostori) ndash FAR (False Acceptance Rate)
bull La scelta piugrave utilizzata egrave EER Equal error rate (EER) ndash FAR = FRR
39
Misura delle Prestazioni (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
La scelta piugrave utilizzata egrave ERR Equal error rate (EER) FAR = FRR
40
Quali Biometrie
Slide prodotta da JL Dugelay (Eurecom-France)
41
Quali Biometrie (cont)
a) b) c) d) e) f)
g) h) i) j) k)
Biometrics
bull ear
bull face
bull facial thermogram
bull hand thermogram
bull hand vein
bull hand geometry
bull fingerprint
bull iris
bull retina
bull signature
bull voice
42
bull Biometria delle impronte ndash riconoscimento delle impronte
bull Biometria dellrsquoocchio ndash riconoscimento dellrsquoiride e della retina
bull Biometria del volto ndash riconoscimento facciale (foto infrarosso)
bull Biometria della mano ndash geometria delle dita
bull Biometria della firma ndash riconoscimento della firma
bull Biometria della voce ndash riconoscimento vocale
bull Biometria auricolare ndash riconoscimento dellrsquoorecchio
bull Digitazione di tasti
bull DNA
Tecniche riconosciute dallo
Standard X984 - 2003
Impronte
digitali
voltoFirma
Iride
voce
Geometria della
mano
43
Variabilitagrave delle Biometrie
bull I Dati Biometrici non possono essere persi trasferiti ad altri o dimenticatihellipma
bull Lrsquoacquisizione (digitalizzazione dei dati) puograve determinare una variabilitagrave delle biometrie
ndash Intra_Classebull Variabilitagrave delle biometrie per un individuo
ndash Inter_Classebull Similaritagrave delle biometrie tra individui diversi
44
Variabilitagrave delle Biometrie
bull Intra_Classe
ndash Il MedioBreve Termine
ndash Il Lungo Termine Lrsquoetagrave
ndash La posa
ndash Le parziali occlusioni
ndash Lrsquoespressione
ndash Lrsquoilluminazione
45
Variabilitagrave delle Biometrie
bull Inter_Classe
ndash Gemelli
ndash Sosia
ndash hellip
ndash hellip
ndash hellip
Intra-class Variations
Time duration 6 months
Time duration 2 years
Variabilitagrave Intra-Classe Il Tempo
47
Sharbat GulaSharbat Gula
1985 2002
(Left photo copy Steve McCurry Right photo Steve McCurry copy National Geographic Society)
Variabilitagrave Intra-Classe Lrsquoetagrave (cont)
48
Variabilitagrave Intra-Classe La Posa
49
Variabilitagrave Intra-Classe
LrsquoEspressione
50
Variabilitagrave Intra-Classe
Espressione Posa e Parziali Occlusioni
51
Variabilitagrave Intra-Classe
LrsquoIlluminazione
52
Similaritagrave Inter-Classe
Count of Q2 Q2
Gender A 1 A 2 A 3 A 4 A 5 A 6 A 7 A 8 A 9 A 10Grand Total
Female 8 3 4 4 16 8 0 4 2 51 100
Male 9 5 3 6 6 5 1 2 1 63 100
Grand Total 9 4 3 5 9 6 1 3 1 59 100
54
56
Standard Esistenti
wwwbiometricsorgwwwnistgovbcwg
wwwbioapiorg
wwwibiaorgwwwbiometricfoundationorg
wwwnistgovcbeff
wwwitlnistorg
57
Sistemi CommercialiPanoramica
Il numero di distributori di SDKs (Software Development Kits) da poter integrare in applicazioni
esistenti
Il problema del face detection egrave visto come un problema collaterale
Tutti gli SDKs disponibili sono reperibili solo a pagamento
CompagniaSDK Documentazione Disponibile Tecnologia
Cognitec
Germania
FaceVAC
S SDK
httpwwwcognitec-
agdedocumentationfrsdk_p
ublic
Reti Neurali
HumanScan
Germania
BioID 31
SDK
httpwwwbioidcomsdkdoc
s
Detection Model based
(Hausdorff)
Identix
USA
FaceIT
SDKLocal Feature Analysis
Imagis
Canada
ID2000
SDK
Viisage
USA
FaceTool
sEigenfaces
58
Sistemi Commerciali
Cognitec
Caratteristiche
Basato sulla tecnologia FaceVACSreg
500000 confronti al secondo su processori Pentium
Lavora anche in modalitagrave distribuita
Interfaccia amichevole che permette ordinamento riorganizzazione
navigazione selezione
Piugrave immagini per ciascuna persona
Facile gestione di nuovi soggetti da aggiungere
Possibilitagrave di sottoporre valutazioni sulla qualitagrave
Integration Kit per lrsquointegrazione con altri pacchetti software
59
Sistemi Commerciali
Cognitec
Caratteristiche
bullBasato su tecnologia FaceVACSreg
bullAutomatic face recognition per una maggiore sicurezza a costi
convenienti
bullVaria dalla gestione di un singolo punto di accesso alla
regolazioni degli accessi a reti molto vaste
bullFacile integrazione nei sistemi giagrave esistenti
bullCombinabile con lettori di carte keypads e diverse tipologie di
videocamere
bullPossibilitagrave di monitorare eventi predefiniti
bullRegistrazione on-line e off-line
bullldquoVerifica direttaldquo per sistemi di altissima sicurezza
60
Sistemi Commerciali
Cognitec
Caratteristiche
bullAnalisi di piugrave sequenze video
bullFace detection di volti in piugrave video
bullFace recognition real time
bullCreazione di un file di log
bullRegistrazione interattiva da immagini fisse o
video
bullPannello di gestione dei filmati
bullIntegration Kit per lrsquointegrazione di sistemi
esistenti
61
Viisage FacePASSreg
Caratteristiche
bullFacePASS egrave utilizzato in sistemi di sicurezza controlli
per lrsquoaccesso e verifica di corrispondenza
documentoidentitagrave
bullPermette la verifica di identitagrave
bullPermette di riconoscere a ciascun soggetto identificato
il rispettivo livello di accesso
bullFrutto della tecnologia visage egrave in uso da diversi anni in
applicazioni industriali
bullInterfaccia amichevole costruita sulla base del feed-
back ottenuto dagli utenti
62
IdentiX
ABIS Face Enterprise Edition
Le componenti del sistema ABIS lavorano su architettura distribuita con il vantaggio della scalabilitagrave e della ridondanza
bull Search Core Server ABIS System search engine firmware Lavora su Intelreg Xeontrade o Pentiumreg III blade servers
bull Database Server Oracle 9i Database memorizza fino a 20 million di volti su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni e della dimensione del database richieste
bull Application Server ABIS XML-RPC Application Programming Interface lavora su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni
63
Effettiva percentuale di
utilizzo dei sistemi biometrici
Finger Scan
521
Keystroke Scan
03
Facial Scan
114Hand Scan
100
Middleware
124
Iris Scan
73
Voice Scan
41
Signature Scan
24
64
Biometric Revenues
65
DEMO
25
Proprietagrave di una caratteristica
biometrica
bull Universalitagrave ogni persona deve possedere tale biometria
bull Distintivitagrave (Unicitagrave) due persone devono essere sufficientemente distinguibili in base a tale biometria
bull Permanenza (Stabilitagrave) la biometria deve rimanere invariante (rispetto ai termini di confronto) nel tempo
bull Misurabilitagrave essa deve essere misurabile quantitativamente
26
Proprietagrave di una caratteristica
biometrica
bull Performance (EfficaciaEfficienza) lrsquoacquisizione lrsquoestrazione delle caratteristiche e il confronto delle entitagrave non devono essere troppo costose in termini di tempo memoria ed efficienza del sistema
bull Accettabilitagrave la procedura di acquisizione deve essere tollerata da una vasta parte della popolazione
bull Eludibilitagrave la probabilitagrave che il sistema venga raggirato o indotto in errore deve essere minimizzata
27
Tipologia di Utente
bull Cooperativo egrave interesse dellrsquoutente che il sistema lo riconosca (un impostore cerca di farsi riconoscere)
bull Non-Cooperativo lrsquoutente egrave indifferente al processo di riconoscimento (un impostore cerca di non farsi riconoscere)
bull PubblicoPrivato se gli utenti del sistema saranno il pubblico o i dipendenti (ad esempio Amministrazione) dellrsquoEnte dove il sistema egrave installato
28
Tipologia di Utente
bull Abituatonon abituato frequenza con cui
gli utenti del sistema si prestano al
riconoscimento biometrico (piugrave volte al
giorno settimanalmente mensilmente
ecc)
bull Consapevoleinconsapevole se lrsquoutente egrave
o no al corrente del processo di
riconoscimento in atto
29
Tipologia di Applicazione
bull On-line lrsquoutente egrave in attesa fincheacute il
sistema non risponde (tempi brevi di
risposta)
bull Off-line lrsquoutente viene acquisito ma non
attende una risposta immediata
30
Caratteristiche Biometriche
Caratteristiche
Biometriche
Statiche o
Fisiologiche
Impronte
DigitaliMano Volto Occhio DNA
Dinamiche o
Comportamentali
Voce CalligrafiaStile di
battituraAndatura
31
Biometria Statica o Dinamica
bull Statica (o fisiologica) metodi biometrici ndash autenticazione basata su caratteristiche sempre presentindash Impronte digitali
ndash Scan della retina e dellrsquoiride
ndash Geometria della mano
bull Dinamica (o comportamentale) metodi biometrici ndashautenticazione basata su caratteristiche comportamentalindash Firma
ndash Voce
ndash Battitura tasti
Quali Biometrie
32
33
Sistema
biometricoRobustezza Univocitagrave Accessibilitagrave Accettabilitagrave Privacy
Impronte
DigitaliAlto Alto Medio Medio Basso
Geometria della
ManoMedio Medio Medio Medio Basso
Caratt
IrideAlto Alto Medio Basso Alto
Caratter
VoltoMedio Basso Alto Alto Alto
Dinamica
Appl FirmaBasso Basso Medio Alto Medio
Caratt
VoceBasso Basso Medio Alto Medio
Caratt
RetinaMedio Alto Basso Basso Alto
Comparazione di Tecnologie Biometriche
34
Registrazione di un soggetto
(Enrollment)
bull Si associa un insieme di caratteristicheallrsquoidentitagrave di un soggettondash Raccolta dei dati ed estrazione delle caratteristiche
bull Il modello estratto (template) egrave memorizzato in un database o su un supporto portatile (smart card)
bull Questo processo puograve essere effettuato singolarmente o in blocco (batch enrollment)
35
Architettura di un
Sistema Biometrico
Slide prodotta da JL Dugelay (Eurecom-France)
36
Architettura di un
Sistema Biometrico (cont)
bull Lrsquoidentitagrave corrisponde ed il soggetto egrave
accettato
bull Lrsquoidentitagrave corrisponde ma il soggetto egrave
respinto (errore)
bull Un impostore egrave accettato (errore)
bull Un impostore egrave rifiutato
37
Architettura di un
Sistema Biometrico (cont)
User interface
NAME (PIN)
Quality
checker
Feature
Extractor
System DB
template
name
Enrollment
User interface
NAME (PIN)
Feature
Extractor
Matcher
(1 match)
System DB
one
template
Verification
TrueFalse
claimed identity
User interface
Feature
Extractor
Matcher
(N matches)
System DB
N
templates
Identification
Userrsquos identity or
ldquouser non identifiedrdquo
38
Misura delle Prestazioni
bull Non egrave possibile riconoscere un individuo senza ammettere una tolleranza drsquoerrore
bull La soglia di tolleranza egrave cruciale e dipende fortemente dallrsquoapplicazione
bull Una soglia troppo bassa causa molti errori di Tipo I (rifiuto di soggetti registrati) ndash FRR (False Recognition Rate)
bull Una soglia troppo alta causa molti errori di Tipo II (accettazione di impostori) ndash FAR (False Acceptance Rate)
bull La scelta piugrave utilizzata egrave EER Equal error rate (EER) ndash FAR = FRR
39
Misura delle Prestazioni (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
La scelta piugrave utilizzata egrave ERR Equal error rate (EER) FAR = FRR
40
Quali Biometrie
Slide prodotta da JL Dugelay (Eurecom-France)
41
Quali Biometrie (cont)
a) b) c) d) e) f)
g) h) i) j) k)
Biometrics
bull ear
bull face
bull facial thermogram
bull hand thermogram
bull hand vein
bull hand geometry
bull fingerprint
bull iris
bull retina
bull signature
bull voice
42
bull Biometria delle impronte ndash riconoscimento delle impronte
bull Biometria dellrsquoocchio ndash riconoscimento dellrsquoiride e della retina
bull Biometria del volto ndash riconoscimento facciale (foto infrarosso)
bull Biometria della mano ndash geometria delle dita
bull Biometria della firma ndash riconoscimento della firma
bull Biometria della voce ndash riconoscimento vocale
bull Biometria auricolare ndash riconoscimento dellrsquoorecchio
bull Digitazione di tasti
bull DNA
Tecniche riconosciute dallo
Standard X984 - 2003
Impronte
digitali
voltoFirma
Iride
voce
Geometria della
mano
43
Variabilitagrave delle Biometrie
bull I Dati Biometrici non possono essere persi trasferiti ad altri o dimenticatihellipma
bull Lrsquoacquisizione (digitalizzazione dei dati) puograve determinare una variabilitagrave delle biometrie
ndash Intra_Classebull Variabilitagrave delle biometrie per un individuo
ndash Inter_Classebull Similaritagrave delle biometrie tra individui diversi
44
Variabilitagrave delle Biometrie
bull Intra_Classe
ndash Il MedioBreve Termine
ndash Il Lungo Termine Lrsquoetagrave
ndash La posa
ndash Le parziali occlusioni
ndash Lrsquoespressione
ndash Lrsquoilluminazione
45
Variabilitagrave delle Biometrie
bull Inter_Classe
ndash Gemelli
ndash Sosia
ndash hellip
ndash hellip
ndash hellip
Intra-class Variations
Time duration 6 months
Time duration 2 years
Variabilitagrave Intra-Classe Il Tempo
47
Sharbat GulaSharbat Gula
1985 2002
(Left photo copy Steve McCurry Right photo Steve McCurry copy National Geographic Society)
Variabilitagrave Intra-Classe Lrsquoetagrave (cont)
48
Variabilitagrave Intra-Classe La Posa
49
Variabilitagrave Intra-Classe
LrsquoEspressione
50
Variabilitagrave Intra-Classe
Espressione Posa e Parziali Occlusioni
51
Variabilitagrave Intra-Classe
LrsquoIlluminazione
52
Similaritagrave Inter-Classe
Count of Q2 Q2
Gender A 1 A 2 A 3 A 4 A 5 A 6 A 7 A 8 A 9 A 10Grand Total
Female 8 3 4 4 16 8 0 4 2 51 100
Male 9 5 3 6 6 5 1 2 1 63 100
Grand Total 9 4 3 5 9 6 1 3 1 59 100
54
56
Standard Esistenti
wwwbiometricsorgwwwnistgovbcwg
wwwbioapiorg
wwwibiaorgwwwbiometricfoundationorg
wwwnistgovcbeff
wwwitlnistorg
57
Sistemi CommercialiPanoramica
Il numero di distributori di SDKs (Software Development Kits) da poter integrare in applicazioni
esistenti
Il problema del face detection egrave visto come un problema collaterale
Tutti gli SDKs disponibili sono reperibili solo a pagamento
CompagniaSDK Documentazione Disponibile Tecnologia
Cognitec
Germania
FaceVAC
S SDK
httpwwwcognitec-
agdedocumentationfrsdk_p
ublic
Reti Neurali
HumanScan
Germania
BioID 31
SDK
httpwwwbioidcomsdkdoc
s
Detection Model based
(Hausdorff)
Identix
USA
FaceIT
SDKLocal Feature Analysis
Imagis
Canada
ID2000
SDK
Viisage
USA
FaceTool
sEigenfaces
58
Sistemi Commerciali
Cognitec
Caratteristiche
Basato sulla tecnologia FaceVACSreg
500000 confronti al secondo su processori Pentium
Lavora anche in modalitagrave distribuita
Interfaccia amichevole che permette ordinamento riorganizzazione
navigazione selezione
Piugrave immagini per ciascuna persona
Facile gestione di nuovi soggetti da aggiungere
Possibilitagrave di sottoporre valutazioni sulla qualitagrave
Integration Kit per lrsquointegrazione con altri pacchetti software
59
Sistemi Commerciali
Cognitec
Caratteristiche
bullBasato su tecnologia FaceVACSreg
bullAutomatic face recognition per una maggiore sicurezza a costi
convenienti
bullVaria dalla gestione di un singolo punto di accesso alla
regolazioni degli accessi a reti molto vaste
bullFacile integrazione nei sistemi giagrave esistenti
bullCombinabile con lettori di carte keypads e diverse tipologie di
videocamere
bullPossibilitagrave di monitorare eventi predefiniti
bullRegistrazione on-line e off-line
bullldquoVerifica direttaldquo per sistemi di altissima sicurezza
60
Sistemi Commerciali
Cognitec
Caratteristiche
bullAnalisi di piugrave sequenze video
bullFace detection di volti in piugrave video
bullFace recognition real time
bullCreazione di un file di log
bullRegistrazione interattiva da immagini fisse o
video
bullPannello di gestione dei filmati
bullIntegration Kit per lrsquointegrazione di sistemi
esistenti
61
Viisage FacePASSreg
Caratteristiche
bullFacePASS egrave utilizzato in sistemi di sicurezza controlli
per lrsquoaccesso e verifica di corrispondenza
documentoidentitagrave
bullPermette la verifica di identitagrave
bullPermette di riconoscere a ciascun soggetto identificato
il rispettivo livello di accesso
bullFrutto della tecnologia visage egrave in uso da diversi anni in
applicazioni industriali
bullInterfaccia amichevole costruita sulla base del feed-
back ottenuto dagli utenti
62
IdentiX
ABIS Face Enterprise Edition
Le componenti del sistema ABIS lavorano su architettura distribuita con il vantaggio della scalabilitagrave e della ridondanza
bull Search Core Server ABIS System search engine firmware Lavora su Intelreg Xeontrade o Pentiumreg III blade servers
bull Database Server Oracle 9i Database memorizza fino a 20 million di volti su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni e della dimensione del database richieste
bull Application Server ABIS XML-RPC Application Programming Interface lavora su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni
63
Effettiva percentuale di
utilizzo dei sistemi biometrici
Finger Scan
521
Keystroke Scan
03
Facial Scan
114Hand Scan
100
Middleware
124
Iris Scan
73
Voice Scan
41
Signature Scan
24
64
Biometric Revenues
65
DEMO
26
Proprietagrave di una caratteristica
biometrica
bull Performance (EfficaciaEfficienza) lrsquoacquisizione lrsquoestrazione delle caratteristiche e il confronto delle entitagrave non devono essere troppo costose in termini di tempo memoria ed efficienza del sistema
bull Accettabilitagrave la procedura di acquisizione deve essere tollerata da una vasta parte della popolazione
bull Eludibilitagrave la probabilitagrave che il sistema venga raggirato o indotto in errore deve essere minimizzata
27
Tipologia di Utente
bull Cooperativo egrave interesse dellrsquoutente che il sistema lo riconosca (un impostore cerca di farsi riconoscere)
bull Non-Cooperativo lrsquoutente egrave indifferente al processo di riconoscimento (un impostore cerca di non farsi riconoscere)
bull PubblicoPrivato se gli utenti del sistema saranno il pubblico o i dipendenti (ad esempio Amministrazione) dellrsquoEnte dove il sistema egrave installato
28
Tipologia di Utente
bull Abituatonon abituato frequenza con cui
gli utenti del sistema si prestano al
riconoscimento biometrico (piugrave volte al
giorno settimanalmente mensilmente
ecc)
bull Consapevoleinconsapevole se lrsquoutente egrave
o no al corrente del processo di
riconoscimento in atto
29
Tipologia di Applicazione
bull On-line lrsquoutente egrave in attesa fincheacute il
sistema non risponde (tempi brevi di
risposta)
bull Off-line lrsquoutente viene acquisito ma non
attende una risposta immediata
30
Caratteristiche Biometriche
Caratteristiche
Biometriche
Statiche o
Fisiologiche
Impronte
DigitaliMano Volto Occhio DNA
Dinamiche o
Comportamentali
Voce CalligrafiaStile di
battituraAndatura
31
Biometria Statica o Dinamica
bull Statica (o fisiologica) metodi biometrici ndash autenticazione basata su caratteristiche sempre presentindash Impronte digitali
ndash Scan della retina e dellrsquoiride
ndash Geometria della mano
bull Dinamica (o comportamentale) metodi biometrici ndashautenticazione basata su caratteristiche comportamentalindash Firma
ndash Voce
ndash Battitura tasti
Quali Biometrie
32
33
Sistema
biometricoRobustezza Univocitagrave Accessibilitagrave Accettabilitagrave Privacy
Impronte
DigitaliAlto Alto Medio Medio Basso
Geometria della
ManoMedio Medio Medio Medio Basso
Caratt
IrideAlto Alto Medio Basso Alto
Caratter
VoltoMedio Basso Alto Alto Alto
Dinamica
Appl FirmaBasso Basso Medio Alto Medio
Caratt
VoceBasso Basso Medio Alto Medio
Caratt
RetinaMedio Alto Basso Basso Alto
Comparazione di Tecnologie Biometriche
34
Registrazione di un soggetto
(Enrollment)
bull Si associa un insieme di caratteristicheallrsquoidentitagrave di un soggettondash Raccolta dei dati ed estrazione delle caratteristiche
bull Il modello estratto (template) egrave memorizzato in un database o su un supporto portatile (smart card)
bull Questo processo puograve essere effettuato singolarmente o in blocco (batch enrollment)
35
Architettura di un
Sistema Biometrico
Slide prodotta da JL Dugelay (Eurecom-France)
36
Architettura di un
Sistema Biometrico (cont)
bull Lrsquoidentitagrave corrisponde ed il soggetto egrave
accettato
bull Lrsquoidentitagrave corrisponde ma il soggetto egrave
respinto (errore)
bull Un impostore egrave accettato (errore)
bull Un impostore egrave rifiutato
37
Architettura di un
Sistema Biometrico (cont)
User interface
NAME (PIN)
Quality
checker
Feature
Extractor
System DB
template
name
Enrollment
User interface
NAME (PIN)
Feature
Extractor
Matcher
(1 match)
System DB
one
template
Verification
TrueFalse
claimed identity
User interface
Feature
Extractor
Matcher
(N matches)
System DB
N
templates
Identification
Userrsquos identity or
ldquouser non identifiedrdquo
38
Misura delle Prestazioni
bull Non egrave possibile riconoscere un individuo senza ammettere una tolleranza drsquoerrore
bull La soglia di tolleranza egrave cruciale e dipende fortemente dallrsquoapplicazione
bull Una soglia troppo bassa causa molti errori di Tipo I (rifiuto di soggetti registrati) ndash FRR (False Recognition Rate)
bull Una soglia troppo alta causa molti errori di Tipo II (accettazione di impostori) ndash FAR (False Acceptance Rate)
bull La scelta piugrave utilizzata egrave EER Equal error rate (EER) ndash FAR = FRR
39
Misura delle Prestazioni (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
La scelta piugrave utilizzata egrave ERR Equal error rate (EER) FAR = FRR
40
Quali Biometrie
Slide prodotta da JL Dugelay (Eurecom-France)
41
Quali Biometrie (cont)
a) b) c) d) e) f)
g) h) i) j) k)
Biometrics
bull ear
bull face
bull facial thermogram
bull hand thermogram
bull hand vein
bull hand geometry
bull fingerprint
bull iris
bull retina
bull signature
bull voice
42
bull Biometria delle impronte ndash riconoscimento delle impronte
bull Biometria dellrsquoocchio ndash riconoscimento dellrsquoiride e della retina
bull Biometria del volto ndash riconoscimento facciale (foto infrarosso)
bull Biometria della mano ndash geometria delle dita
bull Biometria della firma ndash riconoscimento della firma
bull Biometria della voce ndash riconoscimento vocale
bull Biometria auricolare ndash riconoscimento dellrsquoorecchio
bull Digitazione di tasti
bull DNA
Tecniche riconosciute dallo
Standard X984 - 2003
Impronte
digitali
voltoFirma
Iride
voce
Geometria della
mano
43
Variabilitagrave delle Biometrie
bull I Dati Biometrici non possono essere persi trasferiti ad altri o dimenticatihellipma
bull Lrsquoacquisizione (digitalizzazione dei dati) puograve determinare una variabilitagrave delle biometrie
ndash Intra_Classebull Variabilitagrave delle biometrie per un individuo
ndash Inter_Classebull Similaritagrave delle biometrie tra individui diversi
44
Variabilitagrave delle Biometrie
bull Intra_Classe
ndash Il MedioBreve Termine
ndash Il Lungo Termine Lrsquoetagrave
ndash La posa
ndash Le parziali occlusioni
ndash Lrsquoespressione
ndash Lrsquoilluminazione
45
Variabilitagrave delle Biometrie
bull Inter_Classe
ndash Gemelli
ndash Sosia
ndash hellip
ndash hellip
ndash hellip
Intra-class Variations
Time duration 6 months
Time duration 2 years
Variabilitagrave Intra-Classe Il Tempo
47
Sharbat GulaSharbat Gula
1985 2002
(Left photo copy Steve McCurry Right photo Steve McCurry copy National Geographic Society)
Variabilitagrave Intra-Classe Lrsquoetagrave (cont)
48
Variabilitagrave Intra-Classe La Posa
49
Variabilitagrave Intra-Classe
LrsquoEspressione
50
Variabilitagrave Intra-Classe
Espressione Posa e Parziali Occlusioni
51
Variabilitagrave Intra-Classe
LrsquoIlluminazione
52
Similaritagrave Inter-Classe
Count of Q2 Q2
Gender A 1 A 2 A 3 A 4 A 5 A 6 A 7 A 8 A 9 A 10Grand Total
Female 8 3 4 4 16 8 0 4 2 51 100
Male 9 5 3 6 6 5 1 2 1 63 100
Grand Total 9 4 3 5 9 6 1 3 1 59 100
54
56
Standard Esistenti
wwwbiometricsorgwwwnistgovbcwg
wwwbioapiorg
wwwibiaorgwwwbiometricfoundationorg
wwwnistgovcbeff
wwwitlnistorg
57
Sistemi CommercialiPanoramica
Il numero di distributori di SDKs (Software Development Kits) da poter integrare in applicazioni
esistenti
Il problema del face detection egrave visto come un problema collaterale
Tutti gli SDKs disponibili sono reperibili solo a pagamento
CompagniaSDK Documentazione Disponibile Tecnologia
Cognitec
Germania
FaceVAC
S SDK
httpwwwcognitec-
agdedocumentationfrsdk_p
ublic
Reti Neurali
HumanScan
Germania
BioID 31
SDK
httpwwwbioidcomsdkdoc
s
Detection Model based
(Hausdorff)
Identix
USA
FaceIT
SDKLocal Feature Analysis
Imagis
Canada
ID2000
SDK
Viisage
USA
FaceTool
sEigenfaces
58
Sistemi Commerciali
Cognitec
Caratteristiche
Basato sulla tecnologia FaceVACSreg
500000 confronti al secondo su processori Pentium
Lavora anche in modalitagrave distribuita
Interfaccia amichevole che permette ordinamento riorganizzazione
navigazione selezione
Piugrave immagini per ciascuna persona
Facile gestione di nuovi soggetti da aggiungere
Possibilitagrave di sottoporre valutazioni sulla qualitagrave
Integration Kit per lrsquointegrazione con altri pacchetti software
59
Sistemi Commerciali
Cognitec
Caratteristiche
bullBasato su tecnologia FaceVACSreg
bullAutomatic face recognition per una maggiore sicurezza a costi
convenienti
bullVaria dalla gestione di un singolo punto di accesso alla
regolazioni degli accessi a reti molto vaste
bullFacile integrazione nei sistemi giagrave esistenti
bullCombinabile con lettori di carte keypads e diverse tipologie di
videocamere
bullPossibilitagrave di monitorare eventi predefiniti
bullRegistrazione on-line e off-line
bullldquoVerifica direttaldquo per sistemi di altissima sicurezza
60
Sistemi Commerciali
Cognitec
Caratteristiche
bullAnalisi di piugrave sequenze video
bullFace detection di volti in piugrave video
bullFace recognition real time
bullCreazione di un file di log
bullRegistrazione interattiva da immagini fisse o
video
bullPannello di gestione dei filmati
bullIntegration Kit per lrsquointegrazione di sistemi
esistenti
61
Viisage FacePASSreg
Caratteristiche
bullFacePASS egrave utilizzato in sistemi di sicurezza controlli
per lrsquoaccesso e verifica di corrispondenza
documentoidentitagrave
bullPermette la verifica di identitagrave
bullPermette di riconoscere a ciascun soggetto identificato
il rispettivo livello di accesso
bullFrutto della tecnologia visage egrave in uso da diversi anni in
applicazioni industriali
bullInterfaccia amichevole costruita sulla base del feed-
back ottenuto dagli utenti
62
IdentiX
ABIS Face Enterprise Edition
Le componenti del sistema ABIS lavorano su architettura distribuita con il vantaggio della scalabilitagrave e della ridondanza
bull Search Core Server ABIS System search engine firmware Lavora su Intelreg Xeontrade o Pentiumreg III blade servers
bull Database Server Oracle 9i Database memorizza fino a 20 million di volti su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni e della dimensione del database richieste
bull Application Server ABIS XML-RPC Application Programming Interface lavora su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni
63
Effettiva percentuale di
utilizzo dei sistemi biometrici
Finger Scan
521
Keystroke Scan
03
Facial Scan
114Hand Scan
100
Middleware
124
Iris Scan
73
Voice Scan
41
Signature Scan
24
64
Biometric Revenues
65
DEMO
27
Tipologia di Utente
bull Cooperativo egrave interesse dellrsquoutente che il sistema lo riconosca (un impostore cerca di farsi riconoscere)
bull Non-Cooperativo lrsquoutente egrave indifferente al processo di riconoscimento (un impostore cerca di non farsi riconoscere)
bull PubblicoPrivato se gli utenti del sistema saranno il pubblico o i dipendenti (ad esempio Amministrazione) dellrsquoEnte dove il sistema egrave installato
28
Tipologia di Utente
bull Abituatonon abituato frequenza con cui
gli utenti del sistema si prestano al
riconoscimento biometrico (piugrave volte al
giorno settimanalmente mensilmente
ecc)
bull Consapevoleinconsapevole se lrsquoutente egrave
o no al corrente del processo di
riconoscimento in atto
29
Tipologia di Applicazione
bull On-line lrsquoutente egrave in attesa fincheacute il
sistema non risponde (tempi brevi di
risposta)
bull Off-line lrsquoutente viene acquisito ma non
attende una risposta immediata
30
Caratteristiche Biometriche
Caratteristiche
Biometriche
Statiche o
Fisiologiche
Impronte
DigitaliMano Volto Occhio DNA
Dinamiche o
Comportamentali
Voce CalligrafiaStile di
battituraAndatura
31
Biometria Statica o Dinamica
bull Statica (o fisiologica) metodi biometrici ndash autenticazione basata su caratteristiche sempre presentindash Impronte digitali
ndash Scan della retina e dellrsquoiride
ndash Geometria della mano
bull Dinamica (o comportamentale) metodi biometrici ndashautenticazione basata su caratteristiche comportamentalindash Firma
ndash Voce
ndash Battitura tasti
Quali Biometrie
32
33
Sistema
biometricoRobustezza Univocitagrave Accessibilitagrave Accettabilitagrave Privacy
Impronte
DigitaliAlto Alto Medio Medio Basso
Geometria della
ManoMedio Medio Medio Medio Basso
Caratt
IrideAlto Alto Medio Basso Alto
Caratter
VoltoMedio Basso Alto Alto Alto
Dinamica
Appl FirmaBasso Basso Medio Alto Medio
Caratt
VoceBasso Basso Medio Alto Medio
Caratt
RetinaMedio Alto Basso Basso Alto
Comparazione di Tecnologie Biometriche
34
Registrazione di un soggetto
(Enrollment)
bull Si associa un insieme di caratteristicheallrsquoidentitagrave di un soggettondash Raccolta dei dati ed estrazione delle caratteristiche
bull Il modello estratto (template) egrave memorizzato in un database o su un supporto portatile (smart card)
bull Questo processo puograve essere effettuato singolarmente o in blocco (batch enrollment)
35
Architettura di un
Sistema Biometrico
Slide prodotta da JL Dugelay (Eurecom-France)
36
Architettura di un
Sistema Biometrico (cont)
bull Lrsquoidentitagrave corrisponde ed il soggetto egrave
accettato
bull Lrsquoidentitagrave corrisponde ma il soggetto egrave
respinto (errore)
bull Un impostore egrave accettato (errore)
bull Un impostore egrave rifiutato
37
Architettura di un
Sistema Biometrico (cont)
User interface
NAME (PIN)
Quality
checker
Feature
Extractor
System DB
template
name
Enrollment
User interface
NAME (PIN)
Feature
Extractor
Matcher
(1 match)
System DB
one
template
Verification
TrueFalse
claimed identity
User interface
Feature
Extractor
Matcher
(N matches)
System DB
N
templates
Identification
Userrsquos identity or
ldquouser non identifiedrdquo
38
Misura delle Prestazioni
bull Non egrave possibile riconoscere un individuo senza ammettere una tolleranza drsquoerrore
bull La soglia di tolleranza egrave cruciale e dipende fortemente dallrsquoapplicazione
bull Una soglia troppo bassa causa molti errori di Tipo I (rifiuto di soggetti registrati) ndash FRR (False Recognition Rate)
bull Una soglia troppo alta causa molti errori di Tipo II (accettazione di impostori) ndash FAR (False Acceptance Rate)
bull La scelta piugrave utilizzata egrave EER Equal error rate (EER) ndash FAR = FRR
39
Misura delle Prestazioni (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
La scelta piugrave utilizzata egrave ERR Equal error rate (EER) FAR = FRR
40
Quali Biometrie
Slide prodotta da JL Dugelay (Eurecom-France)
41
Quali Biometrie (cont)
a) b) c) d) e) f)
g) h) i) j) k)
Biometrics
bull ear
bull face
bull facial thermogram
bull hand thermogram
bull hand vein
bull hand geometry
bull fingerprint
bull iris
bull retina
bull signature
bull voice
42
bull Biometria delle impronte ndash riconoscimento delle impronte
bull Biometria dellrsquoocchio ndash riconoscimento dellrsquoiride e della retina
bull Biometria del volto ndash riconoscimento facciale (foto infrarosso)
bull Biometria della mano ndash geometria delle dita
bull Biometria della firma ndash riconoscimento della firma
bull Biometria della voce ndash riconoscimento vocale
bull Biometria auricolare ndash riconoscimento dellrsquoorecchio
bull Digitazione di tasti
bull DNA
Tecniche riconosciute dallo
Standard X984 - 2003
Impronte
digitali
voltoFirma
Iride
voce
Geometria della
mano
43
Variabilitagrave delle Biometrie
bull I Dati Biometrici non possono essere persi trasferiti ad altri o dimenticatihellipma
bull Lrsquoacquisizione (digitalizzazione dei dati) puograve determinare una variabilitagrave delle biometrie
ndash Intra_Classebull Variabilitagrave delle biometrie per un individuo
ndash Inter_Classebull Similaritagrave delle biometrie tra individui diversi
44
Variabilitagrave delle Biometrie
bull Intra_Classe
ndash Il MedioBreve Termine
ndash Il Lungo Termine Lrsquoetagrave
ndash La posa
ndash Le parziali occlusioni
ndash Lrsquoespressione
ndash Lrsquoilluminazione
45
Variabilitagrave delle Biometrie
bull Inter_Classe
ndash Gemelli
ndash Sosia
ndash hellip
ndash hellip
ndash hellip
Intra-class Variations
Time duration 6 months
Time duration 2 years
Variabilitagrave Intra-Classe Il Tempo
47
Sharbat GulaSharbat Gula
1985 2002
(Left photo copy Steve McCurry Right photo Steve McCurry copy National Geographic Society)
Variabilitagrave Intra-Classe Lrsquoetagrave (cont)
48
Variabilitagrave Intra-Classe La Posa
49
Variabilitagrave Intra-Classe
LrsquoEspressione
50
Variabilitagrave Intra-Classe
Espressione Posa e Parziali Occlusioni
51
Variabilitagrave Intra-Classe
LrsquoIlluminazione
52
Similaritagrave Inter-Classe
Count of Q2 Q2
Gender A 1 A 2 A 3 A 4 A 5 A 6 A 7 A 8 A 9 A 10Grand Total
Female 8 3 4 4 16 8 0 4 2 51 100
Male 9 5 3 6 6 5 1 2 1 63 100
Grand Total 9 4 3 5 9 6 1 3 1 59 100
54
56
Standard Esistenti
wwwbiometricsorgwwwnistgovbcwg
wwwbioapiorg
wwwibiaorgwwwbiometricfoundationorg
wwwnistgovcbeff
wwwitlnistorg
57
Sistemi CommercialiPanoramica
Il numero di distributori di SDKs (Software Development Kits) da poter integrare in applicazioni
esistenti
Il problema del face detection egrave visto come un problema collaterale
Tutti gli SDKs disponibili sono reperibili solo a pagamento
CompagniaSDK Documentazione Disponibile Tecnologia
Cognitec
Germania
FaceVAC
S SDK
httpwwwcognitec-
agdedocumentationfrsdk_p
ublic
Reti Neurali
HumanScan
Germania
BioID 31
SDK
httpwwwbioidcomsdkdoc
s
Detection Model based
(Hausdorff)
Identix
USA
FaceIT
SDKLocal Feature Analysis
Imagis
Canada
ID2000
SDK
Viisage
USA
FaceTool
sEigenfaces
58
Sistemi Commerciali
Cognitec
Caratteristiche
Basato sulla tecnologia FaceVACSreg
500000 confronti al secondo su processori Pentium
Lavora anche in modalitagrave distribuita
Interfaccia amichevole che permette ordinamento riorganizzazione
navigazione selezione
Piugrave immagini per ciascuna persona
Facile gestione di nuovi soggetti da aggiungere
Possibilitagrave di sottoporre valutazioni sulla qualitagrave
Integration Kit per lrsquointegrazione con altri pacchetti software
59
Sistemi Commerciali
Cognitec
Caratteristiche
bullBasato su tecnologia FaceVACSreg
bullAutomatic face recognition per una maggiore sicurezza a costi
convenienti
bullVaria dalla gestione di un singolo punto di accesso alla
regolazioni degli accessi a reti molto vaste
bullFacile integrazione nei sistemi giagrave esistenti
bullCombinabile con lettori di carte keypads e diverse tipologie di
videocamere
bullPossibilitagrave di monitorare eventi predefiniti
bullRegistrazione on-line e off-line
bullldquoVerifica direttaldquo per sistemi di altissima sicurezza
60
Sistemi Commerciali
Cognitec
Caratteristiche
bullAnalisi di piugrave sequenze video
bullFace detection di volti in piugrave video
bullFace recognition real time
bullCreazione di un file di log
bullRegistrazione interattiva da immagini fisse o
video
bullPannello di gestione dei filmati
bullIntegration Kit per lrsquointegrazione di sistemi
esistenti
61
Viisage FacePASSreg
Caratteristiche
bullFacePASS egrave utilizzato in sistemi di sicurezza controlli
per lrsquoaccesso e verifica di corrispondenza
documentoidentitagrave
bullPermette la verifica di identitagrave
bullPermette di riconoscere a ciascun soggetto identificato
il rispettivo livello di accesso
bullFrutto della tecnologia visage egrave in uso da diversi anni in
applicazioni industriali
bullInterfaccia amichevole costruita sulla base del feed-
back ottenuto dagli utenti
62
IdentiX
ABIS Face Enterprise Edition
Le componenti del sistema ABIS lavorano su architettura distribuita con il vantaggio della scalabilitagrave e della ridondanza
bull Search Core Server ABIS System search engine firmware Lavora su Intelreg Xeontrade o Pentiumreg III blade servers
bull Database Server Oracle 9i Database memorizza fino a 20 million di volti su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni e della dimensione del database richieste
bull Application Server ABIS XML-RPC Application Programming Interface lavora su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni
63
Effettiva percentuale di
utilizzo dei sistemi biometrici
Finger Scan
521
Keystroke Scan
03
Facial Scan
114Hand Scan
100
Middleware
124
Iris Scan
73
Voice Scan
41
Signature Scan
24
64
Biometric Revenues
65
DEMO
28
Tipologia di Utente
bull Abituatonon abituato frequenza con cui
gli utenti del sistema si prestano al
riconoscimento biometrico (piugrave volte al
giorno settimanalmente mensilmente
ecc)
bull Consapevoleinconsapevole se lrsquoutente egrave
o no al corrente del processo di
riconoscimento in atto
29
Tipologia di Applicazione
bull On-line lrsquoutente egrave in attesa fincheacute il
sistema non risponde (tempi brevi di
risposta)
bull Off-line lrsquoutente viene acquisito ma non
attende una risposta immediata
30
Caratteristiche Biometriche
Caratteristiche
Biometriche
Statiche o
Fisiologiche
Impronte
DigitaliMano Volto Occhio DNA
Dinamiche o
Comportamentali
Voce CalligrafiaStile di
battituraAndatura
31
Biometria Statica o Dinamica
bull Statica (o fisiologica) metodi biometrici ndash autenticazione basata su caratteristiche sempre presentindash Impronte digitali
ndash Scan della retina e dellrsquoiride
ndash Geometria della mano
bull Dinamica (o comportamentale) metodi biometrici ndashautenticazione basata su caratteristiche comportamentalindash Firma
ndash Voce
ndash Battitura tasti
Quali Biometrie
32
33
Sistema
biometricoRobustezza Univocitagrave Accessibilitagrave Accettabilitagrave Privacy
Impronte
DigitaliAlto Alto Medio Medio Basso
Geometria della
ManoMedio Medio Medio Medio Basso
Caratt
IrideAlto Alto Medio Basso Alto
Caratter
VoltoMedio Basso Alto Alto Alto
Dinamica
Appl FirmaBasso Basso Medio Alto Medio
Caratt
VoceBasso Basso Medio Alto Medio
Caratt
RetinaMedio Alto Basso Basso Alto
Comparazione di Tecnologie Biometriche
34
Registrazione di un soggetto
(Enrollment)
bull Si associa un insieme di caratteristicheallrsquoidentitagrave di un soggettondash Raccolta dei dati ed estrazione delle caratteristiche
bull Il modello estratto (template) egrave memorizzato in un database o su un supporto portatile (smart card)
bull Questo processo puograve essere effettuato singolarmente o in blocco (batch enrollment)
35
Architettura di un
Sistema Biometrico
Slide prodotta da JL Dugelay (Eurecom-France)
36
Architettura di un
Sistema Biometrico (cont)
bull Lrsquoidentitagrave corrisponde ed il soggetto egrave
accettato
bull Lrsquoidentitagrave corrisponde ma il soggetto egrave
respinto (errore)
bull Un impostore egrave accettato (errore)
bull Un impostore egrave rifiutato
37
Architettura di un
Sistema Biometrico (cont)
User interface
NAME (PIN)
Quality
checker
Feature
Extractor
System DB
template
name
Enrollment
User interface
NAME (PIN)
Feature
Extractor
Matcher
(1 match)
System DB
one
template
Verification
TrueFalse
claimed identity
User interface
Feature
Extractor
Matcher
(N matches)
System DB
N
templates
Identification
Userrsquos identity or
ldquouser non identifiedrdquo
38
Misura delle Prestazioni
bull Non egrave possibile riconoscere un individuo senza ammettere una tolleranza drsquoerrore
bull La soglia di tolleranza egrave cruciale e dipende fortemente dallrsquoapplicazione
bull Una soglia troppo bassa causa molti errori di Tipo I (rifiuto di soggetti registrati) ndash FRR (False Recognition Rate)
bull Una soglia troppo alta causa molti errori di Tipo II (accettazione di impostori) ndash FAR (False Acceptance Rate)
bull La scelta piugrave utilizzata egrave EER Equal error rate (EER) ndash FAR = FRR
39
Misura delle Prestazioni (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
La scelta piugrave utilizzata egrave ERR Equal error rate (EER) FAR = FRR
40
Quali Biometrie
Slide prodotta da JL Dugelay (Eurecom-France)
41
Quali Biometrie (cont)
a) b) c) d) e) f)
g) h) i) j) k)
Biometrics
bull ear
bull face
bull facial thermogram
bull hand thermogram
bull hand vein
bull hand geometry
bull fingerprint
bull iris
bull retina
bull signature
bull voice
42
bull Biometria delle impronte ndash riconoscimento delle impronte
bull Biometria dellrsquoocchio ndash riconoscimento dellrsquoiride e della retina
bull Biometria del volto ndash riconoscimento facciale (foto infrarosso)
bull Biometria della mano ndash geometria delle dita
bull Biometria della firma ndash riconoscimento della firma
bull Biometria della voce ndash riconoscimento vocale
bull Biometria auricolare ndash riconoscimento dellrsquoorecchio
bull Digitazione di tasti
bull DNA
Tecniche riconosciute dallo
Standard X984 - 2003
Impronte
digitali
voltoFirma
Iride
voce
Geometria della
mano
43
Variabilitagrave delle Biometrie
bull I Dati Biometrici non possono essere persi trasferiti ad altri o dimenticatihellipma
bull Lrsquoacquisizione (digitalizzazione dei dati) puograve determinare una variabilitagrave delle biometrie
ndash Intra_Classebull Variabilitagrave delle biometrie per un individuo
ndash Inter_Classebull Similaritagrave delle biometrie tra individui diversi
44
Variabilitagrave delle Biometrie
bull Intra_Classe
ndash Il MedioBreve Termine
ndash Il Lungo Termine Lrsquoetagrave
ndash La posa
ndash Le parziali occlusioni
ndash Lrsquoespressione
ndash Lrsquoilluminazione
45
Variabilitagrave delle Biometrie
bull Inter_Classe
ndash Gemelli
ndash Sosia
ndash hellip
ndash hellip
ndash hellip
Intra-class Variations
Time duration 6 months
Time duration 2 years
Variabilitagrave Intra-Classe Il Tempo
47
Sharbat GulaSharbat Gula
1985 2002
(Left photo copy Steve McCurry Right photo Steve McCurry copy National Geographic Society)
Variabilitagrave Intra-Classe Lrsquoetagrave (cont)
48
Variabilitagrave Intra-Classe La Posa
49
Variabilitagrave Intra-Classe
LrsquoEspressione
50
Variabilitagrave Intra-Classe
Espressione Posa e Parziali Occlusioni
51
Variabilitagrave Intra-Classe
LrsquoIlluminazione
52
Similaritagrave Inter-Classe
Count of Q2 Q2
Gender A 1 A 2 A 3 A 4 A 5 A 6 A 7 A 8 A 9 A 10Grand Total
Female 8 3 4 4 16 8 0 4 2 51 100
Male 9 5 3 6 6 5 1 2 1 63 100
Grand Total 9 4 3 5 9 6 1 3 1 59 100
54
56
Standard Esistenti
wwwbiometricsorgwwwnistgovbcwg
wwwbioapiorg
wwwibiaorgwwwbiometricfoundationorg
wwwnistgovcbeff
wwwitlnistorg
57
Sistemi CommercialiPanoramica
Il numero di distributori di SDKs (Software Development Kits) da poter integrare in applicazioni
esistenti
Il problema del face detection egrave visto come un problema collaterale
Tutti gli SDKs disponibili sono reperibili solo a pagamento
CompagniaSDK Documentazione Disponibile Tecnologia
Cognitec
Germania
FaceVAC
S SDK
httpwwwcognitec-
agdedocumentationfrsdk_p
ublic
Reti Neurali
HumanScan
Germania
BioID 31
SDK
httpwwwbioidcomsdkdoc
s
Detection Model based
(Hausdorff)
Identix
USA
FaceIT
SDKLocal Feature Analysis
Imagis
Canada
ID2000
SDK
Viisage
USA
FaceTool
sEigenfaces
58
Sistemi Commerciali
Cognitec
Caratteristiche
Basato sulla tecnologia FaceVACSreg
500000 confronti al secondo su processori Pentium
Lavora anche in modalitagrave distribuita
Interfaccia amichevole che permette ordinamento riorganizzazione
navigazione selezione
Piugrave immagini per ciascuna persona
Facile gestione di nuovi soggetti da aggiungere
Possibilitagrave di sottoporre valutazioni sulla qualitagrave
Integration Kit per lrsquointegrazione con altri pacchetti software
59
Sistemi Commerciali
Cognitec
Caratteristiche
bullBasato su tecnologia FaceVACSreg
bullAutomatic face recognition per una maggiore sicurezza a costi
convenienti
bullVaria dalla gestione di un singolo punto di accesso alla
regolazioni degli accessi a reti molto vaste
bullFacile integrazione nei sistemi giagrave esistenti
bullCombinabile con lettori di carte keypads e diverse tipologie di
videocamere
bullPossibilitagrave di monitorare eventi predefiniti
bullRegistrazione on-line e off-line
bullldquoVerifica direttaldquo per sistemi di altissima sicurezza
60
Sistemi Commerciali
Cognitec
Caratteristiche
bullAnalisi di piugrave sequenze video
bullFace detection di volti in piugrave video
bullFace recognition real time
bullCreazione di un file di log
bullRegistrazione interattiva da immagini fisse o
video
bullPannello di gestione dei filmati
bullIntegration Kit per lrsquointegrazione di sistemi
esistenti
61
Viisage FacePASSreg
Caratteristiche
bullFacePASS egrave utilizzato in sistemi di sicurezza controlli
per lrsquoaccesso e verifica di corrispondenza
documentoidentitagrave
bullPermette la verifica di identitagrave
bullPermette di riconoscere a ciascun soggetto identificato
il rispettivo livello di accesso
bullFrutto della tecnologia visage egrave in uso da diversi anni in
applicazioni industriali
bullInterfaccia amichevole costruita sulla base del feed-
back ottenuto dagli utenti
62
IdentiX
ABIS Face Enterprise Edition
Le componenti del sistema ABIS lavorano su architettura distribuita con il vantaggio della scalabilitagrave e della ridondanza
bull Search Core Server ABIS System search engine firmware Lavora su Intelreg Xeontrade o Pentiumreg III blade servers
bull Database Server Oracle 9i Database memorizza fino a 20 million di volti su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni e della dimensione del database richieste
bull Application Server ABIS XML-RPC Application Programming Interface lavora su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni
63
Effettiva percentuale di
utilizzo dei sistemi biometrici
Finger Scan
521
Keystroke Scan
03
Facial Scan
114Hand Scan
100
Middleware
124
Iris Scan
73
Voice Scan
41
Signature Scan
24
64
Biometric Revenues
65
DEMO
29
Tipologia di Applicazione
bull On-line lrsquoutente egrave in attesa fincheacute il
sistema non risponde (tempi brevi di
risposta)
bull Off-line lrsquoutente viene acquisito ma non
attende una risposta immediata
30
Caratteristiche Biometriche
Caratteristiche
Biometriche
Statiche o
Fisiologiche
Impronte
DigitaliMano Volto Occhio DNA
Dinamiche o
Comportamentali
Voce CalligrafiaStile di
battituraAndatura
31
Biometria Statica o Dinamica
bull Statica (o fisiologica) metodi biometrici ndash autenticazione basata su caratteristiche sempre presentindash Impronte digitali
ndash Scan della retina e dellrsquoiride
ndash Geometria della mano
bull Dinamica (o comportamentale) metodi biometrici ndashautenticazione basata su caratteristiche comportamentalindash Firma
ndash Voce
ndash Battitura tasti
Quali Biometrie
32
33
Sistema
biometricoRobustezza Univocitagrave Accessibilitagrave Accettabilitagrave Privacy
Impronte
DigitaliAlto Alto Medio Medio Basso
Geometria della
ManoMedio Medio Medio Medio Basso
Caratt
IrideAlto Alto Medio Basso Alto
Caratter
VoltoMedio Basso Alto Alto Alto
Dinamica
Appl FirmaBasso Basso Medio Alto Medio
Caratt
VoceBasso Basso Medio Alto Medio
Caratt
RetinaMedio Alto Basso Basso Alto
Comparazione di Tecnologie Biometriche
34
Registrazione di un soggetto
(Enrollment)
bull Si associa un insieme di caratteristicheallrsquoidentitagrave di un soggettondash Raccolta dei dati ed estrazione delle caratteristiche
bull Il modello estratto (template) egrave memorizzato in un database o su un supporto portatile (smart card)
bull Questo processo puograve essere effettuato singolarmente o in blocco (batch enrollment)
35
Architettura di un
Sistema Biometrico
Slide prodotta da JL Dugelay (Eurecom-France)
36
Architettura di un
Sistema Biometrico (cont)
bull Lrsquoidentitagrave corrisponde ed il soggetto egrave
accettato
bull Lrsquoidentitagrave corrisponde ma il soggetto egrave
respinto (errore)
bull Un impostore egrave accettato (errore)
bull Un impostore egrave rifiutato
37
Architettura di un
Sistema Biometrico (cont)
User interface
NAME (PIN)
Quality
checker
Feature
Extractor
System DB
template
name
Enrollment
User interface
NAME (PIN)
Feature
Extractor
Matcher
(1 match)
System DB
one
template
Verification
TrueFalse
claimed identity
User interface
Feature
Extractor
Matcher
(N matches)
System DB
N
templates
Identification
Userrsquos identity or
ldquouser non identifiedrdquo
38
Misura delle Prestazioni
bull Non egrave possibile riconoscere un individuo senza ammettere una tolleranza drsquoerrore
bull La soglia di tolleranza egrave cruciale e dipende fortemente dallrsquoapplicazione
bull Una soglia troppo bassa causa molti errori di Tipo I (rifiuto di soggetti registrati) ndash FRR (False Recognition Rate)
bull Una soglia troppo alta causa molti errori di Tipo II (accettazione di impostori) ndash FAR (False Acceptance Rate)
bull La scelta piugrave utilizzata egrave EER Equal error rate (EER) ndash FAR = FRR
39
Misura delle Prestazioni (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
La scelta piugrave utilizzata egrave ERR Equal error rate (EER) FAR = FRR
40
Quali Biometrie
Slide prodotta da JL Dugelay (Eurecom-France)
41
Quali Biometrie (cont)
a) b) c) d) e) f)
g) h) i) j) k)
Biometrics
bull ear
bull face
bull facial thermogram
bull hand thermogram
bull hand vein
bull hand geometry
bull fingerprint
bull iris
bull retina
bull signature
bull voice
42
bull Biometria delle impronte ndash riconoscimento delle impronte
bull Biometria dellrsquoocchio ndash riconoscimento dellrsquoiride e della retina
bull Biometria del volto ndash riconoscimento facciale (foto infrarosso)
bull Biometria della mano ndash geometria delle dita
bull Biometria della firma ndash riconoscimento della firma
bull Biometria della voce ndash riconoscimento vocale
bull Biometria auricolare ndash riconoscimento dellrsquoorecchio
bull Digitazione di tasti
bull DNA
Tecniche riconosciute dallo
Standard X984 - 2003
Impronte
digitali
voltoFirma
Iride
voce
Geometria della
mano
43
Variabilitagrave delle Biometrie
bull I Dati Biometrici non possono essere persi trasferiti ad altri o dimenticatihellipma
bull Lrsquoacquisizione (digitalizzazione dei dati) puograve determinare una variabilitagrave delle biometrie
ndash Intra_Classebull Variabilitagrave delle biometrie per un individuo
ndash Inter_Classebull Similaritagrave delle biometrie tra individui diversi
44
Variabilitagrave delle Biometrie
bull Intra_Classe
ndash Il MedioBreve Termine
ndash Il Lungo Termine Lrsquoetagrave
ndash La posa
ndash Le parziali occlusioni
ndash Lrsquoespressione
ndash Lrsquoilluminazione
45
Variabilitagrave delle Biometrie
bull Inter_Classe
ndash Gemelli
ndash Sosia
ndash hellip
ndash hellip
ndash hellip
Intra-class Variations
Time duration 6 months
Time duration 2 years
Variabilitagrave Intra-Classe Il Tempo
47
Sharbat GulaSharbat Gula
1985 2002
(Left photo copy Steve McCurry Right photo Steve McCurry copy National Geographic Society)
Variabilitagrave Intra-Classe Lrsquoetagrave (cont)
48
Variabilitagrave Intra-Classe La Posa
49
Variabilitagrave Intra-Classe
LrsquoEspressione
50
Variabilitagrave Intra-Classe
Espressione Posa e Parziali Occlusioni
51
Variabilitagrave Intra-Classe
LrsquoIlluminazione
52
Similaritagrave Inter-Classe
Count of Q2 Q2
Gender A 1 A 2 A 3 A 4 A 5 A 6 A 7 A 8 A 9 A 10Grand Total
Female 8 3 4 4 16 8 0 4 2 51 100
Male 9 5 3 6 6 5 1 2 1 63 100
Grand Total 9 4 3 5 9 6 1 3 1 59 100
54
56
Standard Esistenti
wwwbiometricsorgwwwnistgovbcwg
wwwbioapiorg
wwwibiaorgwwwbiometricfoundationorg
wwwnistgovcbeff
wwwitlnistorg
57
Sistemi CommercialiPanoramica
Il numero di distributori di SDKs (Software Development Kits) da poter integrare in applicazioni
esistenti
Il problema del face detection egrave visto come un problema collaterale
Tutti gli SDKs disponibili sono reperibili solo a pagamento
CompagniaSDK Documentazione Disponibile Tecnologia
Cognitec
Germania
FaceVAC
S SDK
httpwwwcognitec-
agdedocumentationfrsdk_p
ublic
Reti Neurali
HumanScan
Germania
BioID 31
SDK
httpwwwbioidcomsdkdoc
s
Detection Model based
(Hausdorff)
Identix
USA
FaceIT
SDKLocal Feature Analysis
Imagis
Canada
ID2000
SDK
Viisage
USA
FaceTool
sEigenfaces
58
Sistemi Commerciali
Cognitec
Caratteristiche
Basato sulla tecnologia FaceVACSreg
500000 confronti al secondo su processori Pentium
Lavora anche in modalitagrave distribuita
Interfaccia amichevole che permette ordinamento riorganizzazione
navigazione selezione
Piugrave immagini per ciascuna persona
Facile gestione di nuovi soggetti da aggiungere
Possibilitagrave di sottoporre valutazioni sulla qualitagrave
Integration Kit per lrsquointegrazione con altri pacchetti software
59
Sistemi Commerciali
Cognitec
Caratteristiche
bullBasato su tecnologia FaceVACSreg
bullAutomatic face recognition per una maggiore sicurezza a costi
convenienti
bullVaria dalla gestione di un singolo punto di accesso alla
regolazioni degli accessi a reti molto vaste
bullFacile integrazione nei sistemi giagrave esistenti
bullCombinabile con lettori di carte keypads e diverse tipologie di
videocamere
bullPossibilitagrave di monitorare eventi predefiniti
bullRegistrazione on-line e off-line
bullldquoVerifica direttaldquo per sistemi di altissima sicurezza
60
Sistemi Commerciali
Cognitec
Caratteristiche
bullAnalisi di piugrave sequenze video
bullFace detection di volti in piugrave video
bullFace recognition real time
bullCreazione di un file di log
bullRegistrazione interattiva da immagini fisse o
video
bullPannello di gestione dei filmati
bullIntegration Kit per lrsquointegrazione di sistemi
esistenti
61
Viisage FacePASSreg
Caratteristiche
bullFacePASS egrave utilizzato in sistemi di sicurezza controlli
per lrsquoaccesso e verifica di corrispondenza
documentoidentitagrave
bullPermette la verifica di identitagrave
bullPermette di riconoscere a ciascun soggetto identificato
il rispettivo livello di accesso
bullFrutto della tecnologia visage egrave in uso da diversi anni in
applicazioni industriali
bullInterfaccia amichevole costruita sulla base del feed-
back ottenuto dagli utenti
62
IdentiX
ABIS Face Enterprise Edition
Le componenti del sistema ABIS lavorano su architettura distribuita con il vantaggio della scalabilitagrave e della ridondanza
bull Search Core Server ABIS System search engine firmware Lavora su Intelreg Xeontrade o Pentiumreg III blade servers
bull Database Server Oracle 9i Database memorizza fino a 20 million di volti su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni e della dimensione del database richieste
bull Application Server ABIS XML-RPC Application Programming Interface lavora su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni
63
Effettiva percentuale di
utilizzo dei sistemi biometrici
Finger Scan
521
Keystroke Scan
03
Facial Scan
114Hand Scan
100
Middleware
124
Iris Scan
73
Voice Scan
41
Signature Scan
24
64
Biometric Revenues
65
DEMO
30
Caratteristiche Biometriche
Caratteristiche
Biometriche
Statiche o
Fisiologiche
Impronte
DigitaliMano Volto Occhio DNA
Dinamiche o
Comportamentali
Voce CalligrafiaStile di
battituraAndatura
31
Biometria Statica o Dinamica
bull Statica (o fisiologica) metodi biometrici ndash autenticazione basata su caratteristiche sempre presentindash Impronte digitali
ndash Scan della retina e dellrsquoiride
ndash Geometria della mano
bull Dinamica (o comportamentale) metodi biometrici ndashautenticazione basata su caratteristiche comportamentalindash Firma
ndash Voce
ndash Battitura tasti
Quali Biometrie
32
33
Sistema
biometricoRobustezza Univocitagrave Accessibilitagrave Accettabilitagrave Privacy
Impronte
DigitaliAlto Alto Medio Medio Basso
Geometria della
ManoMedio Medio Medio Medio Basso
Caratt
IrideAlto Alto Medio Basso Alto
Caratter
VoltoMedio Basso Alto Alto Alto
Dinamica
Appl FirmaBasso Basso Medio Alto Medio
Caratt
VoceBasso Basso Medio Alto Medio
Caratt
RetinaMedio Alto Basso Basso Alto
Comparazione di Tecnologie Biometriche
34
Registrazione di un soggetto
(Enrollment)
bull Si associa un insieme di caratteristicheallrsquoidentitagrave di un soggettondash Raccolta dei dati ed estrazione delle caratteristiche
bull Il modello estratto (template) egrave memorizzato in un database o su un supporto portatile (smart card)
bull Questo processo puograve essere effettuato singolarmente o in blocco (batch enrollment)
35
Architettura di un
Sistema Biometrico
Slide prodotta da JL Dugelay (Eurecom-France)
36
Architettura di un
Sistema Biometrico (cont)
bull Lrsquoidentitagrave corrisponde ed il soggetto egrave
accettato
bull Lrsquoidentitagrave corrisponde ma il soggetto egrave
respinto (errore)
bull Un impostore egrave accettato (errore)
bull Un impostore egrave rifiutato
37
Architettura di un
Sistema Biometrico (cont)
User interface
NAME (PIN)
Quality
checker
Feature
Extractor
System DB
template
name
Enrollment
User interface
NAME (PIN)
Feature
Extractor
Matcher
(1 match)
System DB
one
template
Verification
TrueFalse
claimed identity
User interface
Feature
Extractor
Matcher
(N matches)
System DB
N
templates
Identification
Userrsquos identity or
ldquouser non identifiedrdquo
38
Misura delle Prestazioni
bull Non egrave possibile riconoscere un individuo senza ammettere una tolleranza drsquoerrore
bull La soglia di tolleranza egrave cruciale e dipende fortemente dallrsquoapplicazione
bull Una soglia troppo bassa causa molti errori di Tipo I (rifiuto di soggetti registrati) ndash FRR (False Recognition Rate)
bull Una soglia troppo alta causa molti errori di Tipo II (accettazione di impostori) ndash FAR (False Acceptance Rate)
bull La scelta piugrave utilizzata egrave EER Equal error rate (EER) ndash FAR = FRR
39
Misura delle Prestazioni (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
La scelta piugrave utilizzata egrave ERR Equal error rate (EER) FAR = FRR
40
Quali Biometrie
Slide prodotta da JL Dugelay (Eurecom-France)
41
Quali Biometrie (cont)
a) b) c) d) e) f)
g) h) i) j) k)
Biometrics
bull ear
bull face
bull facial thermogram
bull hand thermogram
bull hand vein
bull hand geometry
bull fingerprint
bull iris
bull retina
bull signature
bull voice
42
bull Biometria delle impronte ndash riconoscimento delle impronte
bull Biometria dellrsquoocchio ndash riconoscimento dellrsquoiride e della retina
bull Biometria del volto ndash riconoscimento facciale (foto infrarosso)
bull Biometria della mano ndash geometria delle dita
bull Biometria della firma ndash riconoscimento della firma
bull Biometria della voce ndash riconoscimento vocale
bull Biometria auricolare ndash riconoscimento dellrsquoorecchio
bull Digitazione di tasti
bull DNA
Tecniche riconosciute dallo
Standard X984 - 2003
Impronte
digitali
voltoFirma
Iride
voce
Geometria della
mano
43
Variabilitagrave delle Biometrie
bull I Dati Biometrici non possono essere persi trasferiti ad altri o dimenticatihellipma
bull Lrsquoacquisizione (digitalizzazione dei dati) puograve determinare una variabilitagrave delle biometrie
ndash Intra_Classebull Variabilitagrave delle biometrie per un individuo
ndash Inter_Classebull Similaritagrave delle biometrie tra individui diversi
44
Variabilitagrave delle Biometrie
bull Intra_Classe
ndash Il MedioBreve Termine
ndash Il Lungo Termine Lrsquoetagrave
ndash La posa
ndash Le parziali occlusioni
ndash Lrsquoespressione
ndash Lrsquoilluminazione
45
Variabilitagrave delle Biometrie
bull Inter_Classe
ndash Gemelli
ndash Sosia
ndash hellip
ndash hellip
ndash hellip
Intra-class Variations
Time duration 6 months
Time duration 2 years
Variabilitagrave Intra-Classe Il Tempo
47
Sharbat GulaSharbat Gula
1985 2002
(Left photo copy Steve McCurry Right photo Steve McCurry copy National Geographic Society)
Variabilitagrave Intra-Classe Lrsquoetagrave (cont)
48
Variabilitagrave Intra-Classe La Posa
49
Variabilitagrave Intra-Classe
LrsquoEspressione
50
Variabilitagrave Intra-Classe
Espressione Posa e Parziali Occlusioni
51
Variabilitagrave Intra-Classe
LrsquoIlluminazione
52
Similaritagrave Inter-Classe
Count of Q2 Q2
Gender A 1 A 2 A 3 A 4 A 5 A 6 A 7 A 8 A 9 A 10Grand Total
Female 8 3 4 4 16 8 0 4 2 51 100
Male 9 5 3 6 6 5 1 2 1 63 100
Grand Total 9 4 3 5 9 6 1 3 1 59 100
54
56
Standard Esistenti
wwwbiometricsorgwwwnistgovbcwg
wwwbioapiorg
wwwibiaorgwwwbiometricfoundationorg
wwwnistgovcbeff
wwwitlnistorg
57
Sistemi CommercialiPanoramica
Il numero di distributori di SDKs (Software Development Kits) da poter integrare in applicazioni
esistenti
Il problema del face detection egrave visto come un problema collaterale
Tutti gli SDKs disponibili sono reperibili solo a pagamento
CompagniaSDK Documentazione Disponibile Tecnologia
Cognitec
Germania
FaceVAC
S SDK
httpwwwcognitec-
agdedocumentationfrsdk_p
ublic
Reti Neurali
HumanScan
Germania
BioID 31
SDK
httpwwwbioidcomsdkdoc
s
Detection Model based
(Hausdorff)
Identix
USA
FaceIT
SDKLocal Feature Analysis
Imagis
Canada
ID2000
SDK
Viisage
USA
FaceTool
sEigenfaces
58
Sistemi Commerciali
Cognitec
Caratteristiche
Basato sulla tecnologia FaceVACSreg
500000 confronti al secondo su processori Pentium
Lavora anche in modalitagrave distribuita
Interfaccia amichevole che permette ordinamento riorganizzazione
navigazione selezione
Piugrave immagini per ciascuna persona
Facile gestione di nuovi soggetti da aggiungere
Possibilitagrave di sottoporre valutazioni sulla qualitagrave
Integration Kit per lrsquointegrazione con altri pacchetti software
59
Sistemi Commerciali
Cognitec
Caratteristiche
bullBasato su tecnologia FaceVACSreg
bullAutomatic face recognition per una maggiore sicurezza a costi
convenienti
bullVaria dalla gestione di un singolo punto di accesso alla
regolazioni degli accessi a reti molto vaste
bullFacile integrazione nei sistemi giagrave esistenti
bullCombinabile con lettori di carte keypads e diverse tipologie di
videocamere
bullPossibilitagrave di monitorare eventi predefiniti
bullRegistrazione on-line e off-line
bullldquoVerifica direttaldquo per sistemi di altissima sicurezza
60
Sistemi Commerciali
Cognitec
Caratteristiche
bullAnalisi di piugrave sequenze video
bullFace detection di volti in piugrave video
bullFace recognition real time
bullCreazione di un file di log
bullRegistrazione interattiva da immagini fisse o
video
bullPannello di gestione dei filmati
bullIntegration Kit per lrsquointegrazione di sistemi
esistenti
61
Viisage FacePASSreg
Caratteristiche
bullFacePASS egrave utilizzato in sistemi di sicurezza controlli
per lrsquoaccesso e verifica di corrispondenza
documentoidentitagrave
bullPermette la verifica di identitagrave
bullPermette di riconoscere a ciascun soggetto identificato
il rispettivo livello di accesso
bullFrutto della tecnologia visage egrave in uso da diversi anni in
applicazioni industriali
bullInterfaccia amichevole costruita sulla base del feed-
back ottenuto dagli utenti
62
IdentiX
ABIS Face Enterprise Edition
Le componenti del sistema ABIS lavorano su architettura distribuita con il vantaggio della scalabilitagrave e della ridondanza
bull Search Core Server ABIS System search engine firmware Lavora su Intelreg Xeontrade o Pentiumreg III blade servers
bull Database Server Oracle 9i Database memorizza fino a 20 million di volti su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni e della dimensione del database richieste
bull Application Server ABIS XML-RPC Application Programming Interface lavora su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni
63
Effettiva percentuale di
utilizzo dei sistemi biometrici
Finger Scan
521
Keystroke Scan
03
Facial Scan
114Hand Scan
100
Middleware
124
Iris Scan
73
Voice Scan
41
Signature Scan
24
64
Biometric Revenues
65
DEMO
31
Biometria Statica o Dinamica
bull Statica (o fisiologica) metodi biometrici ndash autenticazione basata su caratteristiche sempre presentindash Impronte digitali
ndash Scan della retina e dellrsquoiride
ndash Geometria della mano
bull Dinamica (o comportamentale) metodi biometrici ndashautenticazione basata su caratteristiche comportamentalindash Firma
ndash Voce
ndash Battitura tasti
Quali Biometrie
32
33
Sistema
biometricoRobustezza Univocitagrave Accessibilitagrave Accettabilitagrave Privacy
Impronte
DigitaliAlto Alto Medio Medio Basso
Geometria della
ManoMedio Medio Medio Medio Basso
Caratt
IrideAlto Alto Medio Basso Alto
Caratter
VoltoMedio Basso Alto Alto Alto
Dinamica
Appl FirmaBasso Basso Medio Alto Medio
Caratt
VoceBasso Basso Medio Alto Medio
Caratt
RetinaMedio Alto Basso Basso Alto
Comparazione di Tecnologie Biometriche
34
Registrazione di un soggetto
(Enrollment)
bull Si associa un insieme di caratteristicheallrsquoidentitagrave di un soggettondash Raccolta dei dati ed estrazione delle caratteristiche
bull Il modello estratto (template) egrave memorizzato in un database o su un supporto portatile (smart card)
bull Questo processo puograve essere effettuato singolarmente o in blocco (batch enrollment)
35
Architettura di un
Sistema Biometrico
Slide prodotta da JL Dugelay (Eurecom-France)
36
Architettura di un
Sistema Biometrico (cont)
bull Lrsquoidentitagrave corrisponde ed il soggetto egrave
accettato
bull Lrsquoidentitagrave corrisponde ma il soggetto egrave
respinto (errore)
bull Un impostore egrave accettato (errore)
bull Un impostore egrave rifiutato
37
Architettura di un
Sistema Biometrico (cont)
User interface
NAME (PIN)
Quality
checker
Feature
Extractor
System DB
template
name
Enrollment
User interface
NAME (PIN)
Feature
Extractor
Matcher
(1 match)
System DB
one
template
Verification
TrueFalse
claimed identity
User interface
Feature
Extractor
Matcher
(N matches)
System DB
N
templates
Identification
Userrsquos identity or
ldquouser non identifiedrdquo
38
Misura delle Prestazioni
bull Non egrave possibile riconoscere un individuo senza ammettere una tolleranza drsquoerrore
bull La soglia di tolleranza egrave cruciale e dipende fortemente dallrsquoapplicazione
bull Una soglia troppo bassa causa molti errori di Tipo I (rifiuto di soggetti registrati) ndash FRR (False Recognition Rate)
bull Una soglia troppo alta causa molti errori di Tipo II (accettazione di impostori) ndash FAR (False Acceptance Rate)
bull La scelta piugrave utilizzata egrave EER Equal error rate (EER) ndash FAR = FRR
39
Misura delle Prestazioni (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
La scelta piugrave utilizzata egrave ERR Equal error rate (EER) FAR = FRR
40
Quali Biometrie
Slide prodotta da JL Dugelay (Eurecom-France)
41
Quali Biometrie (cont)
a) b) c) d) e) f)
g) h) i) j) k)
Biometrics
bull ear
bull face
bull facial thermogram
bull hand thermogram
bull hand vein
bull hand geometry
bull fingerprint
bull iris
bull retina
bull signature
bull voice
42
bull Biometria delle impronte ndash riconoscimento delle impronte
bull Biometria dellrsquoocchio ndash riconoscimento dellrsquoiride e della retina
bull Biometria del volto ndash riconoscimento facciale (foto infrarosso)
bull Biometria della mano ndash geometria delle dita
bull Biometria della firma ndash riconoscimento della firma
bull Biometria della voce ndash riconoscimento vocale
bull Biometria auricolare ndash riconoscimento dellrsquoorecchio
bull Digitazione di tasti
bull DNA
Tecniche riconosciute dallo
Standard X984 - 2003
Impronte
digitali
voltoFirma
Iride
voce
Geometria della
mano
43
Variabilitagrave delle Biometrie
bull I Dati Biometrici non possono essere persi trasferiti ad altri o dimenticatihellipma
bull Lrsquoacquisizione (digitalizzazione dei dati) puograve determinare una variabilitagrave delle biometrie
ndash Intra_Classebull Variabilitagrave delle biometrie per un individuo
ndash Inter_Classebull Similaritagrave delle biometrie tra individui diversi
44
Variabilitagrave delle Biometrie
bull Intra_Classe
ndash Il MedioBreve Termine
ndash Il Lungo Termine Lrsquoetagrave
ndash La posa
ndash Le parziali occlusioni
ndash Lrsquoespressione
ndash Lrsquoilluminazione
45
Variabilitagrave delle Biometrie
bull Inter_Classe
ndash Gemelli
ndash Sosia
ndash hellip
ndash hellip
ndash hellip
Intra-class Variations
Time duration 6 months
Time duration 2 years
Variabilitagrave Intra-Classe Il Tempo
47
Sharbat GulaSharbat Gula
1985 2002
(Left photo copy Steve McCurry Right photo Steve McCurry copy National Geographic Society)
Variabilitagrave Intra-Classe Lrsquoetagrave (cont)
48
Variabilitagrave Intra-Classe La Posa
49
Variabilitagrave Intra-Classe
LrsquoEspressione
50
Variabilitagrave Intra-Classe
Espressione Posa e Parziali Occlusioni
51
Variabilitagrave Intra-Classe
LrsquoIlluminazione
52
Similaritagrave Inter-Classe
Count of Q2 Q2
Gender A 1 A 2 A 3 A 4 A 5 A 6 A 7 A 8 A 9 A 10Grand Total
Female 8 3 4 4 16 8 0 4 2 51 100
Male 9 5 3 6 6 5 1 2 1 63 100
Grand Total 9 4 3 5 9 6 1 3 1 59 100
54
56
Standard Esistenti
wwwbiometricsorgwwwnistgovbcwg
wwwbioapiorg
wwwibiaorgwwwbiometricfoundationorg
wwwnistgovcbeff
wwwitlnistorg
57
Sistemi CommercialiPanoramica
Il numero di distributori di SDKs (Software Development Kits) da poter integrare in applicazioni
esistenti
Il problema del face detection egrave visto come un problema collaterale
Tutti gli SDKs disponibili sono reperibili solo a pagamento
CompagniaSDK Documentazione Disponibile Tecnologia
Cognitec
Germania
FaceVAC
S SDK
httpwwwcognitec-
agdedocumentationfrsdk_p
ublic
Reti Neurali
HumanScan
Germania
BioID 31
SDK
httpwwwbioidcomsdkdoc
s
Detection Model based
(Hausdorff)
Identix
USA
FaceIT
SDKLocal Feature Analysis
Imagis
Canada
ID2000
SDK
Viisage
USA
FaceTool
sEigenfaces
58
Sistemi Commerciali
Cognitec
Caratteristiche
Basato sulla tecnologia FaceVACSreg
500000 confronti al secondo su processori Pentium
Lavora anche in modalitagrave distribuita
Interfaccia amichevole che permette ordinamento riorganizzazione
navigazione selezione
Piugrave immagini per ciascuna persona
Facile gestione di nuovi soggetti da aggiungere
Possibilitagrave di sottoporre valutazioni sulla qualitagrave
Integration Kit per lrsquointegrazione con altri pacchetti software
59
Sistemi Commerciali
Cognitec
Caratteristiche
bullBasato su tecnologia FaceVACSreg
bullAutomatic face recognition per una maggiore sicurezza a costi
convenienti
bullVaria dalla gestione di un singolo punto di accesso alla
regolazioni degli accessi a reti molto vaste
bullFacile integrazione nei sistemi giagrave esistenti
bullCombinabile con lettori di carte keypads e diverse tipologie di
videocamere
bullPossibilitagrave di monitorare eventi predefiniti
bullRegistrazione on-line e off-line
bullldquoVerifica direttaldquo per sistemi di altissima sicurezza
60
Sistemi Commerciali
Cognitec
Caratteristiche
bullAnalisi di piugrave sequenze video
bullFace detection di volti in piugrave video
bullFace recognition real time
bullCreazione di un file di log
bullRegistrazione interattiva da immagini fisse o
video
bullPannello di gestione dei filmati
bullIntegration Kit per lrsquointegrazione di sistemi
esistenti
61
Viisage FacePASSreg
Caratteristiche
bullFacePASS egrave utilizzato in sistemi di sicurezza controlli
per lrsquoaccesso e verifica di corrispondenza
documentoidentitagrave
bullPermette la verifica di identitagrave
bullPermette di riconoscere a ciascun soggetto identificato
il rispettivo livello di accesso
bullFrutto della tecnologia visage egrave in uso da diversi anni in
applicazioni industriali
bullInterfaccia amichevole costruita sulla base del feed-
back ottenuto dagli utenti
62
IdentiX
ABIS Face Enterprise Edition
Le componenti del sistema ABIS lavorano su architettura distribuita con il vantaggio della scalabilitagrave e della ridondanza
bull Search Core Server ABIS System search engine firmware Lavora su Intelreg Xeontrade o Pentiumreg III blade servers
bull Database Server Oracle 9i Database memorizza fino a 20 million di volti su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni e della dimensione del database richieste
bull Application Server ABIS XML-RPC Application Programming Interface lavora su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni
63
Effettiva percentuale di
utilizzo dei sistemi biometrici
Finger Scan
521
Keystroke Scan
03
Facial Scan
114Hand Scan
100
Middleware
124
Iris Scan
73
Voice Scan
41
Signature Scan
24
64
Biometric Revenues
65
DEMO
Quali Biometrie
32
33
Sistema
biometricoRobustezza Univocitagrave Accessibilitagrave Accettabilitagrave Privacy
Impronte
DigitaliAlto Alto Medio Medio Basso
Geometria della
ManoMedio Medio Medio Medio Basso
Caratt
IrideAlto Alto Medio Basso Alto
Caratter
VoltoMedio Basso Alto Alto Alto
Dinamica
Appl FirmaBasso Basso Medio Alto Medio
Caratt
VoceBasso Basso Medio Alto Medio
Caratt
RetinaMedio Alto Basso Basso Alto
Comparazione di Tecnologie Biometriche
34
Registrazione di un soggetto
(Enrollment)
bull Si associa un insieme di caratteristicheallrsquoidentitagrave di un soggettondash Raccolta dei dati ed estrazione delle caratteristiche
bull Il modello estratto (template) egrave memorizzato in un database o su un supporto portatile (smart card)
bull Questo processo puograve essere effettuato singolarmente o in blocco (batch enrollment)
35
Architettura di un
Sistema Biometrico
Slide prodotta da JL Dugelay (Eurecom-France)
36
Architettura di un
Sistema Biometrico (cont)
bull Lrsquoidentitagrave corrisponde ed il soggetto egrave
accettato
bull Lrsquoidentitagrave corrisponde ma il soggetto egrave
respinto (errore)
bull Un impostore egrave accettato (errore)
bull Un impostore egrave rifiutato
37
Architettura di un
Sistema Biometrico (cont)
User interface
NAME (PIN)
Quality
checker
Feature
Extractor
System DB
template
name
Enrollment
User interface
NAME (PIN)
Feature
Extractor
Matcher
(1 match)
System DB
one
template
Verification
TrueFalse
claimed identity
User interface
Feature
Extractor
Matcher
(N matches)
System DB
N
templates
Identification
Userrsquos identity or
ldquouser non identifiedrdquo
38
Misura delle Prestazioni
bull Non egrave possibile riconoscere un individuo senza ammettere una tolleranza drsquoerrore
bull La soglia di tolleranza egrave cruciale e dipende fortemente dallrsquoapplicazione
bull Una soglia troppo bassa causa molti errori di Tipo I (rifiuto di soggetti registrati) ndash FRR (False Recognition Rate)
bull Una soglia troppo alta causa molti errori di Tipo II (accettazione di impostori) ndash FAR (False Acceptance Rate)
bull La scelta piugrave utilizzata egrave EER Equal error rate (EER) ndash FAR = FRR
39
Misura delle Prestazioni (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
La scelta piugrave utilizzata egrave ERR Equal error rate (EER) FAR = FRR
40
Quali Biometrie
Slide prodotta da JL Dugelay (Eurecom-France)
41
Quali Biometrie (cont)
a) b) c) d) e) f)
g) h) i) j) k)
Biometrics
bull ear
bull face
bull facial thermogram
bull hand thermogram
bull hand vein
bull hand geometry
bull fingerprint
bull iris
bull retina
bull signature
bull voice
42
bull Biometria delle impronte ndash riconoscimento delle impronte
bull Biometria dellrsquoocchio ndash riconoscimento dellrsquoiride e della retina
bull Biometria del volto ndash riconoscimento facciale (foto infrarosso)
bull Biometria della mano ndash geometria delle dita
bull Biometria della firma ndash riconoscimento della firma
bull Biometria della voce ndash riconoscimento vocale
bull Biometria auricolare ndash riconoscimento dellrsquoorecchio
bull Digitazione di tasti
bull DNA
Tecniche riconosciute dallo
Standard X984 - 2003
Impronte
digitali
voltoFirma
Iride
voce
Geometria della
mano
43
Variabilitagrave delle Biometrie
bull I Dati Biometrici non possono essere persi trasferiti ad altri o dimenticatihellipma
bull Lrsquoacquisizione (digitalizzazione dei dati) puograve determinare una variabilitagrave delle biometrie
ndash Intra_Classebull Variabilitagrave delle biometrie per un individuo
ndash Inter_Classebull Similaritagrave delle biometrie tra individui diversi
44
Variabilitagrave delle Biometrie
bull Intra_Classe
ndash Il MedioBreve Termine
ndash Il Lungo Termine Lrsquoetagrave
ndash La posa
ndash Le parziali occlusioni
ndash Lrsquoespressione
ndash Lrsquoilluminazione
45
Variabilitagrave delle Biometrie
bull Inter_Classe
ndash Gemelli
ndash Sosia
ndash hellip
ndash hellip
ndash hellip
Intra-class Variations
Time duration 6 months
Time duration 2 years
Variabilitagrave Intra-Classe Il Tempo
47
Sharbat GulaSharbat Gula
1985 2002
(Left photo copy Steve McCurry Right photo Steve McCurry copy National Geographic Society)
Variabilitagrave Intra-Classe Lrsquoetagrave (cont)
48
Variabilitagrave Intra-Classe La Posa
49
Variabilitagrave Intra-Classe
LrsquoEspressione
50
Variabilitagrave Intra-Classe
Espressione Posa e Parziali Occlusioni
51
Variabilitagrave Intra-Classe
LrsquoIlluminazione
52
Similaritagrave Inter-Classe
Count of Q2 Q2
Gender A 1 A 2 A 3 A 4 A 5 A 6 A 7 A 8 A 9 A 10Grand Total
Female 8 3 4 4 16 8 0 4 2 51 100
Male 9 5 3 6 6 5 1 2 1 63 100
Grand Total 9 4 3 5 9 6 1 3 1 59 100
54
56
Standard Esistenti
wwwbiometricsorgwwwnistgovbcwg
wwwbioapiorg
wwwibiaorgwwwbiometricfoundationorg
wwwnistgovcbeff
wwwitlnistorg
57
Sistemi CommercialiPanoramica
Il numero di distributori di SDKs (Software Development Kits) da poter integrare in applicazioni
esistenti
Il problema del face detection egrave visto come un problema collaterale
Tutti gli SDKs disponibili sono reperibili solo a pagamento
CompagniaSDK Documentazione Disponibile Tecnologia
Cognitec
Germania
FaceVAC
S SDK
httpwwwcognitec-
agdedocumentationfrsdk_p
ublic
Reti Neurali
HumanScan
Germania
BioID 31
SDK
httpwwwbioidcomsdkdoc
s
Detection Model based
(Hausdorff)
Identix
USA
FaceIT
SDKLocal Feature Analysis
Imagis
Canada
ID2000
SDK
Viisage
USA
FaceTool
sEigenfaces
58
Sistemi Commerciali
Cognitec
Caratteristiche
Basato sulla tecnologia FaceVACSreg
500000 confronti al secondo su processori Pentium
Lavora anche in modalitagrave distribuita
Interfaccia amichevole che permette ordinamento riorganizzazione
navigazione selezione
Piugrave immagini per ciascuna persona
Facile gestione di nuovi soggetti da aggiungere
Possibilitagrave di sottoporre valutazioni sulla qualitagrave
Integration Kit per lrsquointegrazione con altri pacchetti software
59
Sistemi Commerciali
Cognitec
Caratteristiche
bullBasato su tecnologia FaceVACSreg
bullAutomatic face recognition per una maggiore sicurezza a costi
convenienti
bullVaria dalla gestione di un singolo punto di accesso alla
regolazioni degli accessi a reti molto vaste
bullFacile integrazione nei sistemi giagrave esistenti
bullCombinabile con lettori di carte keypads e diverse tipologie di
videocamere
bullPossibilitagrave di monitorare eventi predefiniti
bullRegistrazione on-line e off-line
bullldquoVerifica direttaldquo per sistemi di altissima sicurezza
60
Sistemi Commerciali
Cognitec
Caratteristiche
bullAnalisi di piugrave sequenze video
bullFace detection di volti in piugrave video
bullFace recognition real time
bullCreazione di un file di log
bullRegistrazione interattiva da immagini fisse o
video
bullPannello di gestione dei filmati
bullIntegration Kit per lrsquointegrazione di sistemi
esistenti
61
Viisage FacePASSreg
Caratteristiche
bullFacePASS egrave utilizzato in sistemi di sicurezza controlli
per lrsquoaccesso e verifica di corrispondenza
documentoidentitagrave
bullPermette la verifica di identitagrave
bullPermette di riconoscere a ciascun soggetto identificato
il rispettivo livello di accesso
bullFrutto della tecnologia visage egrave in uso da diversi anni in
applicazioni industriali
bullInterfaccia amichevole costruita sulla base del feed-
back ottenuto dagli utenti
62
IdentiX
ABIS Face Enterprise Edition
Le componenti del sistema ABIS lavorano su architettura distribuita con il vantaggio della scalabilitagrave e della ridondanza
bull Search Core Server ABIS System search engine firmware Lavora su Intelreg Xeontrade o Pentiumreg III blade servers
bull Database Server Oracle 9i Database memorizza fino a 20 million di volti su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni e della dimensione del database richieste
bull Application Server ABIS XML-RPC Application Programming Interface lavora su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni
63
Effettiva percentuale di
utilizzo dei sistemi biometrici
Finger Scan
521
Keystroke Scan
03
Facial Scan
114Hand Scan
100
Middleware
124
Iris Scan
73
Voice Scan
41
Signature Scan
24
64
Biometric Revenues
65
DEMO
33
Sistema
biometricoRobustezza Univocitagrave Accessibilitagrave Accettabilitagrave Privacy
Impronte
DigitaliAlto Alto Medio Medio Basso
Geometria della
ManoMedio Medio Medio Medio Basso
Caratt
IrideAlto Alto Medio Basso Alto
Caratter
VoltoMedio Basso Alto Alto Alto
Dinamica
Appl FirmaBasso Basso Medio Alto Medio
Caratt
VoceBasso Basso Medio Alto Medio
Caratt
RetinaMedio Alto Basso Basso Alto
Comparazione di Tecnologie Biometriche
34
Registrazione di un soggetto
(Enrollment)
bull Si associa un insieme di caratteristicheallrsquoidentitagrave di un soggettondash Raccolta dei dati ed estrazione delle caratteristiche
bull Il modello estratto (template) egrave memorizzato in un database o su un supporto portatile (smart card)
bull Questo processo puograve essere effettuato singolarmente o in blocco (batch enrollment)
35
Architettura di un
Sistema Biometrico
Slide prodotta da JL Dugelay (Eurecom-France)
36
Architettura di un
Sistema Biometrico (cont)
bull Lrsquoidentitagrave corrisponde ed il soggetto egrave
accettato
bull Lrsquoidentitagrave corrisponde ma il soggetto egrave
respinto (errore)
bull Un impostore egrave accettato (errore)
bull Un impostore egrave rifiutato
37
Architettura di un
Sistema Biometrico (cont)
User interface
NAME (PIN)
Quality
checker
Feature
Extractor
System DB
template
name
Enrollment
User interface
NAME (PIN)
Feature
Extractor
Matcher
(1 match)
System DB
one
template
Verification
TrueFalse
claimed identity
User interface
Feature
Extractor
Matcher
(N matches)
System DB
N
templates
Identification
Userrsquos identity or
ldquouser non identifiedrdquo
38
Misura delle Prestazioni
bull Non egrave possibile riconoscere un individuo senza ammettere una tolleranza drsquoerrore
bull La soglia di tolleranza egrave cruciale e dipende fortemente dallrsquoapplicazione
bull Una soglia troppo bassa causa molti errori di Tipo I (rifiuto di soggetti registrati) ndash FRR (False Recognition Rate)
bull Una soglia troppo alta causa molti errori di Tipo II (accettazione di impostori) ndash FAR (False Acceptance Rate)
bull La scelta piugrave utilizzata egrave EER Equal error rate (EER) ndash FAR = FRR
39
Misura delle Prestazioni (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
La scelta piugrave utilizzata egrave ERR Equal error rate (EER) FAR = FRR
40
Quali Biometrie
Slide prodotta da JL Dugelay (Eurecom-France)
41
Quali Biometrie (cont)
a) b) c) d) e) f)
g) h) i) j) k)
Biometrics
bull ear
bull face
bull facial thermogram
bull hand thermogram
bull hand vein
bull hand geometry
bull fingerprint
bull iris
bull retina
bull signature
bull voice
42
bull Biometria delle impronte ndash riconoscimento delle impronte
bull Biometria dellrsquoocchio ndash riconoscimento dellrsquoiride e della retina
bull Biometria del volto ndash riconoscimento facciale (foto infrarosso)
bull Biometria della mano ndash geometria delle dita
bull Biometria della firma ndash riconoscimento della firma
bull Biometria della voce ndash riconoscimento vocale
bull Biometria auricolare ndash riconoscimento dellrsquoorecchio
bull Digitazione di tasti
bull DNA
Tecniche riconosciute dallo
Standard X984 - 2003
Impronte
digitali
voltoFirma
Iride
voce
Geometria della
mano
43
Variabilitagrave delle Biometrie
bull I Dati Biometrici non possono essere persi trasferiti ad altri o dimenticatihellipma
bull Lrsquoacquisizione (digitalizzazione dei dati) puograve determinare una variabilitagrave delle biometrie
ndash Intra_Classebull Variabilitagrave delle biometrie per un individuo
ndash Inter_Classebull Similaritagrave delle biometrie tra individui diversi
44
Variabilitagrave delle Biometrie
bull Intra_Classe
ndash Il MedioBreve Termine
ndash Il Lungo Termine Lrsquoetagrave
ndash La posa
ndash Le parziali occlusioni
ndash Lrsquoespressione
ndash Lrsquoilluminazione
45
Variabilitagrave delle Biometrie
bull Inter_Classe
ndash Gemelli
ndash Sosia
ndash hellip
ndash hellip
ndash hellip
Intra-class Variations
Time duration 6 months
Time duration 2 years
Variabilitagrave Intra-Classe Il Tempo
47
Sharbat GulaSharbat Gula
1985 2002
(Left photo copy Steve McCurry Right photo Steve McCurry copy National Geographic Society)
Variabilitagrave Intra-Classe Lrsquoetagrave (cont)
48
Variabilitagrave Intra-Classe La Posa
49
Variabilitagrave Intra-Classe
LrsquoEspressione
50
Variabilitagrave Intra-Classe
Espressione Posa e Parziali Occlusioni
51
Variabilitagrave Intra-Classe
LrsquoIlluminazione
52
Similaritagrave Inter-Classe
Count of Q2 Q2
Gender A 1 A 2 A 3 A 4 A 5 A 6 A 7 A 8 A 9 A 10Grand Total
Female 8 3 4 4 16 8 0 4 2 51 100
Male 9 5 3 6 6 5 1 2 1 63 100
Grand Total 9 4 3 5 9 6 1 3 1 59 100
54
56
Standard Esistenti
wwwbiometricsorgwwwnistgovbcwg
wwwbioapiorg
wwwibiaorgwwwbiometricfoundationorg
wwwnistgovcbeff
wwwitlnistorg
57
Sistemi CommercialiPanoramica
Il numero di distributori di SDKs (Software Development Kits) da poter integrare in applicazioni
esistenti
Il problema del face detection egrave visto come un problema collaterale
Tutti gli SDKs disponibili sono reperibili solo a pagamento
CompagniaSDK Documentazione Disponibile Tecnologia
Cognitec
Germania
FaceVAC
S SDK
httpwwwcognitec-
agdedocumentationfrsdk_p
ublic
Reti Neurali
HumanScan
Germania
BioID 31
SDK
httpwwwbioidcomsdkdoc
s
Detection Model based
(Hausdorff)
Identix
USA
FaceIT
SDKLocal Feature Analysis
Imagis
Canada
ID2000
SDK
Viisage
USA
FaceTool
sEigenfaces
58
Sistemi Commerciali
Cognitec
Caratteristiche
Basato sulla tecnologia FaceVACSreg
500000 confronti al secondo su processori Pentium
Lavora anche in modalitagrave distribuita
Interfaccia amichevole che permette ordinamento riorganizzazione
navigazione selezione
Piugrave immagini per ciascuna persona
Facile gestione di nuovi soggetti da aggiungere
Possibilitagrave di sottoporre valutazioni sulla qualitagrave
Integration Kit per lrsquointegrazione con altri pacchetti software
59
Sistemi Commerciali
Cognitec
Caratteristiche
bullBasato su tecnologia FaceVACSreg
bullAutomatic face recognition per una maggiore sicurezza a costi
convenienti
bullVaria dalla gestione di un singolo punto di accesso alla
regolazioni degli accessi a reti molto vaste
bullFacile integrazione nei sistemi giagrave esistenti
bullCombinabile con lettori di carte keypads e diverse tipologie di
videocamere
bullPossibilitagrave di monitorare eventi predefiniti
bullRegistrazione on-line e off-line
bullldquoVerifica direttaldquo per sistemi di altissima sicurezza
60
Sistemi Commerciali
Cognitec
Caratteristiche
bullAnalisi di piugrave sequenze video
bullFace detection di volti in piugrave video
bullFace recognition real time
bullCreazione di un file di log
bullRegistrazione interattiva da immagini fisse o
video
bullPannello di gestione dei filmati
bullIntegration Kit per lrsquointegrazione di sistemi
esistenti
61
Viisage FacePASSreg
Caratteristiche
bullFacePASS egrave utilizzato in sistemi di sicurezza controlli
per lrsquoaccesso e verifica di corrispondenza
documentoidentitagrave
bullPermette la verifica di identitagrave
bullPermette di riconoscere a ciascun soggetto identificato
il rispettivo livello di accesso
bullFrutto della tecnologia visage egrave in uso da diversi anni in
applicazioni industriali
bullInterfaccia amichevole costruita sulla base del feed-
back ottenuto dagli utenti
62
IdentiX
ABIS Face Enterprise Edition
Le componenti del sistema ABIS lavorano su architettura distribuita con il vantaggio della scalabilitagrave e della ridondanza
bull Search Core Server ABIS System search engine firmware Lavora su Intelreg Xeontrade o Pentiumreg III blade servers
bull Database Server Oracle 9i Database memorizza fino a 20 million di volti su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni e della dimensione del database richieste
bull Application Server ABIS XML-RPC Application Programming Interface lavora su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni
63
Effettiva percentuale di
utilizzo dei sistemi biometrici
Finger Scan
521
Keystroke Scan
03
Facial Scan
114Hand Scan
100
Middleware
124
Iris Scan
73
Voice Scan
41
Signature Scan
24
64
Biometric Revenues
65
DEMO
34
Registrazione di un soggetto
(Enrollment)
bull Si associa un insieme di caratteristicheallrsquoidentitagrave di un soggettondash Raccolta dei dati ed estrazione delle caratteristiche
bull Il modello estratto (template) egrave memorizzato in un database o su un supporto portatile (smart card)
bull Questo processo puograve essere effettuato singolarmente o in blocco (batch enrollment)
35
Architettura di un
Sistema Biometrico
Slide prodotta da JL Dugelay (Eurecom-France)
36
Architettura di un
Sistema Biometrico (cont)
bull Lrsquoidentitagrave corrisponde ed il soggetto egrave
accettato
bull Lrsquoidentitagrave corrisponde ma il soggetto egrave
respinto (errore)
bull Un impostore egrave accettato (errore)
bull Un impostore egrave rifiutato
37
Architettura di un
Sistema Biometrico (cont)
User interface
NAME (PIN)
Quality
checker
Feature
Extractor
System DB
template
name
Enrollment
User interface
NAME (PIN)
Feature
Extractor
Matcher
(1 match)
System DB
one
template
Verification
TrueFalse
claimed identity
User interface
Feature
Extractor
Matcher
(N matches)
System DB
N
templates
Identification
Userrsquos identity or
ldquouser non identifiedrdquo
38
Misura delle Prestazioni
bull Non egrave possibile riconoscere un individuo senza ammettere una tolleranza drsquoerrore
bull La soglia di tolleranza egrave cruciale e dipende fortemente dallrsquoapplicazione
bull Una soglia troppo bassa causa molti errori di Tipo I (rifiuto di soggetti registrati) ndash FRR (False Recognition Rate)
bull Una soglia troppo alta causa molti errori di Tipo II (accettazione di impostori) ndash FAR (False Acceptance Rate)
bull La scelta piugrave utilizzata egrave EER Equal error rate (EER) ndash FAR = FRR
39
Misura delle Prestazioni (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
La scelta piugrave utilizzata egrave ERR Equal error rate (EER) FAR = FRR
40
Quali Biometrie
Slide prodotta da JL Dugelay (Eurecom-France)
41
Quali Biometrie (cont)
a) b) c) d) e) f)
g) h) i) j) k)
Biometrics
bull ear
bull face
bull facial thermogram
bull hand thermogram
bull hand vein
bull hand geometry
bull fingerprint
bull iris
bull retina
bull signature
bull voice
42
bull Biometria delle impronte ndash riconoscimento delle impronte
bull Biometria dellrsquoocchio ndash riconoscimento dellrsquoiride e della retina
bull Biometria del volto ndash riconoscimento facciale (foto infrarosso)
bull Biometria della mano ndash geometria delle dita
bull Biometria della firma ndash riconoscimento della firma
bull Biometria della voce ndash riconoscimento vocale
bull Biometria auricolare ndash riconoscimento dellrsquoorecchio
bull Digitazione di tasti
bull DNA
Tecniche riconosciute dallo
Standard X984 - 2003
Impronte
digitali
voltoFirma
Iride
voce
Geometria della
mano
43
Variabilitagrave delle Biometrie
bull I Dati Biometrici non possono essere persi trasferiti ad altri o dimenticatihellipma
bull Lrsquoacquisizione (digitalizzazione dei dati) puograve determinare una variabilitagrave delle biometrie
ndash Intra_Classebull Variabilitagrave delle biometrie per un individuo
ndash Inter_Classebull Similaritagrave delle biometrie tra individui diversi
44
Variabilitagrave delle Biometrie
bull Intra_Classe
ndash Il MedioBreve Termine
ndash Il Lungo Termine Lrsquoetagrave
ndash La posa
ndash Le parziali occlusioni
ndash Lrsquoespressione
ndash Lrsquoilluminazione
45
Variabilitagrave delle Biometrie
bull Inter_Classe
ndash Gemelli
ndash Sosia
ndash hellip
ndash hellip
ndash hellip
Intra-class Variations
Time duration 6 months
Time duration 2 years
Variabilitagrave Intra-Classe Il Tempo
47
Sharbat GulaSharbat Gula
1985 2002
(Left photo copy Steve McCurry Right photo Steve McCurry copy National Geographic Society)
Variabilitagrave Intra-Classe Lrsquoetagrave (cont)
48
Variabilitagrave Intra-Classe La Posa
49
Variabilitagrave Intra-Classe
LrsquoEspressione
50
Variabilitagrave Intra-Classe
Espressione Posa e Parziali Occlusioni
51
Variabilitagrave Intra-Classe
LrsquoIlluminazione
52
Similaritagrave Inter-Classe
Count of Q2 Q2
Gender A 1 A 2 A 3 A 4 A 5 A 6 A 7 A 8 A 9 A 10Grand Total
Female 8 3 4 4 16 8 0 4 2 51 100
Male 9 5 3 6 6 5 1 2 1 63 100
Grand Total 9 4 3 5 9 6 1 3 1 59 100
54
56
Standard Esistenti
wwwbiometricsorgwwwnistgovbcwg
wwwbioapiorg
wwwibiaorgwwwbiometricfoundationorg
wwwnistgovcbeff
wwwitlnistorg
57
Sistemi CommercialiPanoramica
Il numero di distributori di SDKs (Software Development Kits) da poter integrare in applicazioni
esistenti
Il problema del face detection egrave visto come un problema collaterale
Tutti gli SDKs disponibili sono reperibili solo a pagamento
CompagniaSDK Documentazione Disponibile Tecnologia
Cognitec
Germania
FaceVAC
S SDK
httpwwwcognitec-
agdedocumentationfrsdk_p
ublic
Reti Neurali
HumanScan
Germania
BioID 31
SDK
httpwwwbioidcomsdkdoc
s
Detection Model based
(Hausdorff)
Identix
USA
FaceIT
SDKLocal Feature Analysis
Imagis
Canada
ID2000
SDK
Viisage
USA
FaceTool
sEigenfaces
58
Sistemi Commerciali
Cognitec
Caratteristiche
Basato sulla tecnologia FaceVACSreg
500000 confronti al secondo su processori Pentium
Lavora anche in modalitagrave distribuita
Interfaccia amichevole che permette ordinamento riorganizzazione
navigazione selezione
Piugrave immagini per ciascuna persona
Facile gestione di nuovi soggetti da aggiungere
Possibilitagrave di sottoporre valutazioni sulla qualitagrave
Integration Kit per lrsquointegrazione con altri pacchetti software
59
Sistemi Commerciali
Cognitec
Caratteristiche
bullBasato su tecnologia FaceVACSreg
bullAutomatic face recognition per una maggiore sicurezza a costi
convenienti
bullVaria dalla gestione di un singolo punto di accesso alla
regolazioni degli accessi a reti molto vaste
bullFacile integrazione nei sistemi giagrave esistenti
bullCombinabile con lettori di carte keypads e diverse tipologie di
videocamere
bullPossibilitagrave di monitorare eventi predefiniti
bullRegistrazione on-line e off-line
bullldquoVerifica direttaldquo per sistemi di altissima sicurezza
60
Sistemi Commerciali
Cognitec
Caratteristiche
bullAnalisi di piugrave sequenze video
bullFace detection di volti in piugrave video
bullFace recognition real time
bullCreazione di un file di log
bullRegistrazione interattiva da immagini fisse o
video
bullPannello di gestione dei filmati
bullIntegration Kit per lrsquointegrazione di sistemi
esistenti
61
Viisage FacePASSreg
Caratteristiche
bullFacePASS egrave utilizzato in sistemi di sicurezza controlli
per lrsquoaccesso e verifica di corrispondenza
documentoidentitagrave
bullPermette la verifica di identitagrave
bullPermette di riconoscere a ciascun soggetto identificato
il rispettivo livello di accesso
bullFrutto della tecnologia visage egrave in uso da diversi anni in
applicazioni industriali
bullInterfaccia amichevole costruita sulla base del feed-
back ottenuto dagli utenti
62
IdentiX
ABIS Face Enterprise Edition
Le componenti del sistema ABIS lavorano su architettura distribuita con il vantaggio della scalabilitagrave e della ridondanza
bull Search Core Server ABIS System search engine firmware Lavora su Intelreg Xeontrade o Pentiumreg III blade servers
bull Database Server Oracle 9i Database memorizza fino a 20 million di volti su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni e della dimensione del database richieste
bull Application Server ABIS XML-RPC Application Programming Interface lavora su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni
63
Effettiva percentuale di
utilizzo dei sistemi biometrici
Finger Scan
521
Keystroke Scan
03
Facial Scan
114Hand Scan
100
Middleware
124
Iris Scan
73
Voice Scan
41
Signature Scan
24
64
Biometric Revenues
65
DEMO
35
Architettura di un
Sistema Biometrico
Slide prodotta da JL Dugelay (Eurecom-France)
36
Architettura di un
Sistema Biometrico (cont)
bull Lrsquoidentitagrave corrisponde ed il soggetto egrave
accettato
bull Lrsquoidentitagrave corrisponde ma il soggetto egrave
respinto (errore)
bull Un impostore egrave accettato (errore)
bull Un impostore egrave rifiutato
37
Architettura di un
Sistema Biometrico (cont)
User interface
NAME (PIN)
Quality
checker
Feature
Extractor
System DB
template
name
Enrollment
User interface
NAME (PIN)
Feature
Extractor
Matcher
(1 match)
System DB
one
template
Verification
TrueFalse
claimed identity
User interface
Feature
Extractor
Matcher
(N matches)
System DB
N
templates
Identification
Userrsquos identity or
ldquouser non identifiedrdquo
38
Misura delle Prestazioni
bull Non egrave possibile riconoscere un individuo senza ammettere una tolleranza drsquoerrore
bull La soglia di tolleranza egrave cruciale e dipende fortemente dallrsquoapplicazione
bull Una soglia troppo bassa causa molti errori di Tipo I (rifiuto di soggetti registrati) ndash FRR (False Recognition Rate)
bull Una soglia troppo alta causa molti errori di Tipo II (accettazione di impostori) ndash FAR (False Acceptance Rate)
bull La scelta piugrave utilizzata egrave EER Equal error rate (EER) ndash FAR = FRR
39
Misura delle Prestazioni (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
La scelta piugrave utilizzata egrave ERR Equal error rate (EER) FAR = FRR
40
Quali Biometrie
Slide prodotta da JL Dugelay (Eurecom-France)
41
Quali Biometrie (cont)
a) b) c) d) e) f)
g) h) i) j) k)
Biometrics
bull ear
bull face
bull facial thermogram
bull hand thermogram
bull hand vein
bull hand geometry
bull fingerprint
bull iris
bull retina
bull signature
bull voice
42
bull Biometria delle impronte ndash riconoscimento delle impronte
bull Biometria dellrsquoocchio ndash riconoscimento dellrsquoiride e della retina
bull Biometria del volto ndash riconoscimento facciale (foto infrarosso)
bull Biometria della mano ndash geometria delle dita
bull Biometria della firma ndash riconoscimento della firma
bull Biometria della voce ndash riconoscimento vocale
bull Biometria auricolare ndash riconoscimento dellrsquoorecchio
bull Digitazione di tasti
bull DNA
Tecniche riconosciute dallo
Standard X984 - 2003
Impronte
digitali
voltoFirma
Iride
voce
Geometria della
mano
43
Variabilitagrave delle Biometrie
bull I Dati Biometrici non possono essere persi trasferiti ad altri o dimenticatihellipma
bull Lrsquoacquisizione (digitalizzazione dei dati) puograve determinare una variabilitagrave delle biometrie
ndash Intra_Classebull Variabilitagrave delle biometrie per un individuo
ndash Inter_Classebull Similaritagrave delle biometrie tra individui diversi
44
Variabilitagrave delle Biometrie
bull Intra_Classe
ndash Il MedioBreve Termine
ndash Il Lungo Termine Lrsquoetagrave
ndash La posa
ndash Le parziali occlusioni
ndash Lrsquoespressione
ndash Lrsquoilluminazione
45
Variabilitagrave delle Biometrie
bull Inter_Classe
ndash Gemelli
ndash Sosia
ndash hellip
ndash hellip
ndash hellip
Intra-class Variations
Time duration 6 months
Time duration 2 years
Variabilitagrave Intra-Classe Il Tempo
47
Sharbat GulaSharbat Gula
1985 2002
(Left photo copy Steve McCurry Right photo Steve McCurry copy National Geographic Society)
Variabilitagrave Intra-Classe Lrsquoetagrave (cont)
48
Variabilitagrave Intra-Classe La Posa
49
Variabilitagrave Intra-Classe
LrsquoEspressione
50
Variabilitagrave Intra-Classe
Espressione Posa e Parziali Occlusioni
51
Variabilitagrave Intra-Classe
LrsquoIlluminazione
52
Similaritagrave Inter-Classe
Count of Q2 Q2
Gender A 1 A 2 A 3 A 4 A 5 A 6 A 7 A 8 A 9 A 10Grand Total
Female 8 3 4 4 16 8 0 4 2 51 100
Male 9 5 3 6 6 5 1 2 1 63 100
Grand Total 9 4 3 5 9 6 1 3 1 59 100
54
56
Standard Esistenti
wwwbiometricsorgwwwnistgovbcwg
wwwbioapiorg
wwwibiaorgwwwbiometricfoundationorg
wwwnistgovcbeff
wwwitlnistorg
57
Sistemi CommercialiPanoramica
Il numero di distributori di SDKs (Software Development Kits) da poter integrare in applicazioni
esistenti
Il problema del face detection egrave visto come un problema collaterale
Tutti gli SDKs disponibili sono reperibili solo a pagamento
CompagniaSDK Documentazione Disponibile Tecnologia
Cognitec
Germania
FaceVAC
S SDK
httpwwwcognitec-
agdedocumentationfrsdk_p
ublic
Reti Neurali
HumanScan
Germania
BioID 31
SDK
httpwwwbioidcomsdkdoc
s
Detection Model based
(Hausdorff)
Identix
USA
FaceIT
SDKLocal Feature Analysis
Imagis
Canada
ID2000
SDK
Viisage
USA
FaceTool
sEigenfaces
58
Sistemi Commerciali
Cognitec
Caratteristiche
Basato sulla tecnologia FaceVACSreg
500000 confronti al secondo su processori Pentium
Lavora anche in modalitagrave distribuita
Interfaccia amichevole che permette ordinamento riorganizzazione
navigazione selezione
Piugrave immagini per ciascuna persona
Facile gestione di nuovi soggetti da aggiungere
Possibilitagrave di sottoporre valutazioni sulla qualitagrave
Integration Kit per lrsquointegrazione con altri pacchetti software
59
Sistemi Commerciali
Cognitec
Caratteristiche
bullBasato su tecnologia FaceVACSreg
bullAutomatic face recognition per una maggiore sicurezza a costi
convenienti
bullVaria dalla gestione di un singolo punto di accesso alla
regolazioni degli accessi a reti molto vaste
bullFacile integrazione nei sistemi giagrave esistenti
bullCombinabile con lettori di carte keypads e diverse tipologie di
videocamere
bullPossibilitagrave di monitorare eventi predefiniti
bullRegistrazione on-line e off-line
bullldquoVerifica direttaldquo per sistemi di altissima sicurezza
60
Sistemi Commerciali
Cognitec
Caratteristiche
bullAnalisi di piugrave sequenze video
bullFace detection di volti in piugrave video
bullFace recognition real time
bullCreazione di un file di log
bullRegistrazione interattiva da immagini fisse o
video
bullPannello di gestione dei filmati
bullIntegration Kit per lrsquointegrazione di sistemi
esistenti
61
Viisage FacePASSreg
Caratteristiche
bullFacePASS egrave utilizzato in sistemi di sicurezza controlli
per lrsquoaccesso e verifica di corrispondenza
documentoidentitagrave
bullPermette la verifica di identitagrave
bullPermette di riconoscere a ciascun soggetto identificato
il rispettivo livello di accesso
bullFrutto della tecnologia visage egrave in uso da diversi anni in
applicazioni industriali
bullInterfaccia amichevole costruita sulla base del feed-
back ottenuto dagli utenti
62
IdentiX
ABIS Face Enterprise Edition
Le componenti del sistema ABIS lavorano su architettura distribuita con il vantaggio della scalabilitagrave e della ridondanza
bull Search Core Server ABIS System search engine firmware Lavora su Intelreg Xeontrade o Pentiumreg III blade servers
bull Database Server Oracle 9i Database memorizza fino a 20 million di volti su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni e della dimensione del database richieste
bull Application Server ABIS XML-RPC Application Programming Interface lavora su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni
63
Effettiva percentuale di
utilizzo dei sistemi biometrici
Finger Scan
521
Keystroke Scan
03
Facial Scan
114Hand Scan
100
Middleware
124
Iris Scan
73
Voice Scan
41
Signature Scan
24
64
Biometric Revenues
65
DEMO
36
Architettura di un
Sistema Biometrico (cont)
bull Lrsquoidentitagrave corrisponde ed il soggetto egrave
accettato
bull Lrsquoidentitagrave corrisponde ma il soggetto egrave
respinto (errore)
bull Un impostore egrave accettato (errore)
bull Un impostore egrave rifiutato
37
Architettura di un
Sistema Biometrico (cont)
User interface
NAME (PIN)
Quality
checker
Feature
Extractor
System DB
template
name
Enrollment
User interface
NAME (PIN)
Feature
Extractor
Matcher
(1 match)
System DB
one
template
Verification
TrueFalse
claimed identity
User interface
Feature
Extractor
Matcher
(N matches)
System DB
N
templates
Identification
Userrsquos identity or
ldquouser non identifiedrdquo
38
Misura delle Prestazioni
bull Non egrave possibile riconoscere un individuo senza ammettere una tolleranza drsquoerrore
bull La soglia di tolleranza egrave cruciale e dipende fortemente dallrsquoapplicazione
bull Una soglia troppo bassa causa molti errori di Tipo I (rifiuto di soggetti registrati) ndash FRR (False Recognition Rate)
bull Una soglia troppo alta causa molti errori di Tipo II (accettazione di impostori) ndash FAR (False Acceptance Rate)
bull La scelta piugrave utilizzata egrave EER Equal error rate (EER) ndash FAR = FRR
39
Misura delle Prestazioni (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
La scelta piugrave utilizzata egrave ERR Equal error rate (EER) FAR = FRR
40
Quali Biometrie
Slide prodotta da JL Dugelay (Eurecom-France)
41
Quali Biometrie (cont)
a) b) c) d) e) f)
g) h) i) j) k)
Biometrics
bull ear
bull face
bull facial thermogram
bull hand thermogram
bull hand vein
bull hand geometry
bull fingerprint
bull iris
bull retina
bull signature
bull voice
42
bull Biometria delle impronte ndash riconoscimento delle impronte
bull Biometria dellrsquoocchio ndash riconoscimento dellrsquoiride e della retina
bull Biometria del volto ndash riconoscimento facciale (foto infrarosso)
bull Biometria della mano ndash geometria delle dita
bull Biometria della firma ndash riconoscimento della firma
bull Biometria della voce ndash riconoscimento vocale
bull Biometria auricolare ndash riconoscimento dellrsquoorecchio
bull Digitazione di tasti
bull DNA
Tecniche riconosciute dallo
Standard X984 - 2003
Impronte
digitali
voltoFirma
Iride
voce
Geometria della
mano
43
Variabilitagrave delle Biometrie
bull I Dati Biometrici non possono essere persi trasferiti ad altri o dimenticatihellipma
bull Lrsquoacquisizione (digitalizzazione dei dati) puograve determinare una variabilitagrave delle biometrie
ndash Intra_Classebull Variabilitagrave delle biometrie per un individuo
ndash Inter_Classebull Similaritagrave delle biometrie tra individui diversi
44
Variabilitagrave delle Biometrie
bull Intra_Classe
ndash Il MedioBreve Termine
ndash Il Lungo Termine Lrsquoetagrave
ndash La posa
ndash Le parziali occlusioni
ndash Lrsquoespressione
ndash Lrsquoilluminazione
45
Variabilitagrave delle Biometrie
bull Inter_Classe
ndash Gemelli
ndash Sosia
ndash hellip
ndash hellip
ndash hellip
Intra-class Variations
Time duration 6 months
Time duration 2 years
Variabilitagrave Intra-Classe Il Tempo
47
Sharbat GulaSharbat Gula
1985 2002
(Left photo copy Steve McCurry Right photo Steve McCurry copy National Geographic Society)
Variabilitagrave Intra-Classe Lrsquoetagrave (cont)
48
Variabilitagrave Intra-Classe La Posa
49
Variabilitagrave Intra-Classe
LrsquoEspressione
50
Variabilitagrave Intra-Classe
Espressione Posa e Parziali Occlusioni
51
Variabilitagrave Intra-Classe
LrsquoIlluminazione
52
Similaritagrave Inter-Classe
Count of Q2 Q2
Gender A 1 A 2 A 3 A 4 A 5 A 6 A 7 A 8 A 9 A 10Grand Total
Female 8 3 4 4 16 8 0 4 2 51 100
Male 9 5 3 6 6 5 1 2 1 63 100
Grand Total 9 4 3 5 9 6 1 3 1 59 100
54
56
Standard Esistenti
wwwbiometricsorgwwwnistgovbcwg
wwwbioapiorg
wwwibiaorgwwwbiometricfoundationorg
wwwnistgovcbeff
wwwitlnistorg
57
Sistemi CommercialiPanoramica
Il numero di distributori di SDKs (Software Development Kits) da poter integrare in applicazioni
esistenti
Il problema del face detection egrave visto come un problema collaterale
Tutti gli SDKs disponibili sono reperibili solo a pagamento
CompagniaSDK Documentazione Disponibile Tecnologia
Cognitec
Germania
FaceVAC
S SDK
httpwwwcognitec-
agdedocumentationfrsdk_p
ublic
Reti Neurali
HumanScan
Germania
BioID 31
SDK
httpwwwbioidcomsdkdoc
s
Detection Model based
(Hausdorff)
Identix
USA
FaceIT
SDKLocal Feature Analysis
Imagis
Canada
ID2000
SDK
Viisage
USA
FaceTool
sEigenfaces
58
Sistemi Commerciali
Cognitec
Caratteristiche
Basato sulla tecnologia FaceVACSreg
500000 confronti al secondo su processori Pentium
Lavora anche in modalitagrave distribuita
Interfaccia amichevole che permette ordinamento riorganizzazione
navigazione selezione
Piugrave immagini per ciascuna persona
Facile gestione di nuovi soggetti da aggiungere
Possibilitagrave di sottoporre valutazioni sulla qualitagrave
Integration Kit per lrsquointegrazione con altri pacchetti software
59
Sistemi Commerciali
Cognitec
Caratteristiche
bullBasato su tecnologia FaceVACSreg
bullAutomatic face recognition per una maggiore sicurezza a costi
convenienti
bullVaria dalla gestione di un singolo punto di accesso alla
regolazioni degli accessi a reti molto vaste
bullFacile integrazione nei sistemi giagrave esistenti
bullCombinabile con lettori di carte keypads e diverse tipologie di
videocamere
bullPossibilitagrave di monitorare eventi predefiniti
bullRegistrazione on-line e off-line
bullldquoVerifica direttaldquo per sistemi di altissima sicurezza
60
Sistemi Commerciali
Cognitec
Caratteristiche
bullAnalisi di piugrave sequenze video
bullFace detection di volti in piugrave video
bullFace recognition real time
bullCreazione di un file di log
bullRegistrazione interattiva da immagini fisse o
video
bullPannello di gestione dei filmati
bullIntegration Kit per lrsquointegrazione di sistemi
esistenti
61
Viisage FacePASSreg
Caratteristiche
bullFacePASS egrave utilizzato in sistemi di sicurezza controlli
per lrsquoaccesso e verifica di corrispondenza
documentoidentitagrave
bullPermette la verifica di identitagrave
bullPermette di riconoscere a ciascun soggetto identificato
il rispettivo livello di accesso
bullFrutto della tecnologia visage egrave in uso da diversi anni in
applicazioni industriali
bullInterfaccia amichevole costruita sulla base del feed-
back ottenuto dagli utenti
62
IdentiX
ABIS Face Enterprise Edition
Le componenti del sistema ABIS lavorano su architettura distribuita con il vantaggio della scalabilitagrave e della ridondanza
bull Search Core Server ABIS System search engine firmware Lavora su Intelreg Xeontrade o Pentiumreg III blade servers
bull Database Server Oracle 9i Database memorizza fino a 20 million di volti su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni e della dimensione del database richieste
bull Application Server ABIS XML-RPC Application Programming Interface lavora su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni
63
Effettiva percentuale di
utilizzo dei sistemi biometrici
Finger Scan
521
Keystroke Scan
03
Facial Scan
114Hand Scan
100
Middleware
124
Iris Scan
73
Voice Scan
41
Signature Scan
24
64
Biometric Revenues
65
DEMO
37
Architettura di un
Sistema Biometrico (cont)
User interface
NAME (PIN)
Quality
checker
Feature
Extractor
System DB
template
name
Enrollment
User interface
NAME (PIN)
Feature
Extractor
Matcher
(1 match)
System DB
one
template
Verification
TrueFalse
claimed identity
User interface
Feature
Extractor
Matcher
(N matches)
System DB
N
templates
Identification
Userrsquos identity or
ldquouser non identifiedrdquo
38
Misura delle Prestazioni
bull Non egrave possibile riconoscere un individuo senza ammettere una tolleranza drsquoerrore
bull La soglia di tolleranza egrave cruciale e dipende fortemente dallrsquoapplicazione
bull Una soglia troppo bassa causa molti errori di Tipo I (rifiuto di soggetti registrati) ndash FRR (False Recognition Rate)
bull Una soglia troppo alta causa molti errori di Tipo II (accettazione di impostori) ndash FAR (False Acceptance Rate)
bull La scelta piugrave utilizzata egrave EER Equal error rate (EER) ndash FAR = FRR
39
Misura delle Prestazioni (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
La scelta piugrave utilizzata egrave ERR Equal error rate (EER) FAR = FRR
40
Quali Biometrie
Slide prodotta da JL Dugelay (Eurecom-France)
41
Quali Biometrie (cont)
a) b) c) d) e) f)
g) h) i) j) k)
Biometrics
bull ear
bull face
bull facial thermogram
bull hand thermogram
bull hand vein
bull hand geometry
bull fingerprint
bull iris
bull retina
bull signature
bull voice
42
bull Biometria delle impronte ndash riconoscimento delle impronte
bull Biometria dellrsquoocchio ndash riconoscimento dellrsquoiride e della retina
bull Biometria del volto ndash riconoscimento facciale (foto infrarosso)
bull Biometria della mano ndash geometria delle dita
bull Biometria della firma ndash riconoscimento della firma
bull Biometria della voce ndash riconoscimento vocale
bull Biometria auricolare ndash riconoscimento dellrsquoorecchio
bull Digitazione di tasti
bull DNA
Tecniche riconosciute dallo
Standard X984 - 2003
Impronte
digitali
voltoFirma
Iride
voce
Geometria della
mano
43
Variabilitagrave delle Biometrie
bull I Dati Biometrici non possono essere persi trasferiti ad altri o dimenticatihellipma
bull Lrsquoacquisizione (digitalizzazione dei dati) puograve determinare una variabilitagrave delle biometrie
ndash Intra_Classebull Variabilitagrave delle biometrie per un individuo
ndash Inter_Classebull Similaritagrave delle biometrie tra individui diversi
44
Variabilitagrave delle Biometrie
bull Intra_Classe
ndash Il MedioBreve Termine
ndash Il Lungo Termine Lrsquoetagrave
ndash La posa
ndash Le parziali occlusioni
ndash Lrsquoespressione
ndash Lrsquoilluminazione
45
Variabilitagrave delle Biometrie
bull Inter_Classe
ndash Gemelli
ndash Sosia
ndash hellip
ndash hellip
ndash hellip
Intra-class Variations
Time duration 6 months
Time duration 2 years
Variabilitagrave Intra-Classe Il Tempo
47
Sharbat GulaSharbat Gula
1985 2002
(Left photo copy Steve McCurry Right photo Steve McCurry copy National Geographic Society)
Variabilitagrave Intra-Classe Lrsquoetagrave (cont)
48
Variabilitagrave Intra-Classe La Posa
49
Variabilitagrave Intra-Classe
LrsquoEspressione
50
Variabilitagrave Intra-Classe
Espressione Posa e Parziali Occlusioni
51
Variabilitagrave Intra-Classe
LrsquoIlluminazione
52
Similaritagrave Inter-Classe
Count of Q2 Q2
Gender A 1 A 2 A 3 A 4 A 5 A 6 A 7 A 8 A 9 A 10Grand Total
Female 8 3 4 4 16 8 0 4 2 51 100
Male 9 5 3 6 6 5 1 2 1 63 100
Grand Total 9 4 3 5 9 6 1 3 1 59 100
54
56
Standard Esistenti
wwwbiometricsorgwwwnistgovbcwg
wwwbioapiorg
wwwibiaorgwwwbiometricfoundationorg
wwwnistgovcbeff
wwwitlnistorg
57
Sistemi CommercialiPanoramica
Il numero di distributori di SDKs (Software Development Kits) da poter integrare in applicazioni
esistenti
Il problema del face detection egrave visto come un problema collaterale
Tutti gli SDKs disponibili sono reperibili solo a pagamento
CompagniaSDK Documentazione Disponibile Tecnologia
Cognitec
Germania
FaceVAC
S SDK
httpwwwcognitec-
agdedocumentationfrsdk_p
ublic
Reti Neurali
HumanScan
Germania
BioID 31
SDK
httpwwwbioidcomsdkdoc
s
Detection Model based
(Hausdorff)
Identix
USA
FaceIT
SDKLocal Feature Analysis
Imagis
Canada
ID2000
SDK
Viisage
USA
FaceTool
sEigenfaces
58
Sistemi Commerciali
Cognitec
Caratteristiche
Basato sulla tecnologia FaceVACSreg
500000 confronti al secondo su processori Pentium
Lavora anche in modalitagrave distribuita
Interfaccia amichevole che permette ordinamento riorganizzazione
navigazione selezione
Piugrave immagini per ciascuna persona
Facile gestione di nuovi soggetti da aggiungere
Possibilitagrave di sottoporre valutazioni sulla qualitagrave
Integration Kit per lrsquointegrazione con altri pacchetti software
59
Sistemi Commerciali
Cognitec
Caratteristiche
bullBasato su tecnologia FaceVACSreg
bullAutomatic face recognition per una maggiore sicurezza a costi
convenienti
bullVaria dalla gestione di un singolo punto di accesso alla
regolazioni degli accessi a reti molto vaste
bullFacile integrazione nei sistemi giagrave esistenti
bullCombinabile con lettori di carte keypads e diverse tipologie di
videocamere
bullPossibilitagrave di monitorare eventi predefiniti
bullRegistrazione on-line e off-line
bullldquoVerifica direttaldquo per sistemi di altissima sicurezza
60
Sistemi Commerciali
Cognitec
Caratteristiche
bullAnalisi di piugrave sequenze video
bullFace detection di volti in piugrave video
bullFace recognition real time
bullCreazione di un file di log
bullRegistrazione interattiva da immagini fisse o
video
bullPannello di gestione dei filmati
bullIntegration Kit per lrsquointegrazione di sistemi
esistenti
61
Viisage FacePASSreg
Caratteristiche
bullFacePASS egrave utilizzato in sistemi di sicurezza controlli
per lrsquoaccesso e verifica di corrispondenza
documentoidentitagrave
bullPermette la verifica di identitagrave
bullPermette di riconoscere a ciascun soggetto identificato
il rispettivo livello di accesso
bullFrutto della tecnologia visage egrave in uso da diversi anni in
applicazioni industriali
bullInterfaccia amichevole costruita sulla base del feed-
back ottenuto dagli utenti
62
IdentiX
ABIS Face Enterprise Edition
Le componenti del sistema ABIS lavorano su architettura distribuita con il vantaggio della scalabilitagrave e della ridondanza
bull Search Core Server ABIS System search engine firmware Lavora su Intelreg Xeontrade o Pentiumreg III blade servers
bull Database Server Oracle 9i Database memorizza fino a 20 million di volti su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni e della dimensione del database richieste
bull Application Server ABIS XML-RPC Application Programming Interface lavora su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni
63
Effettiva percentuale di
utilizzo dei sistemi biometrici
Finger Scan
521
Keystroke Scan
03
Facial Scan
114Hand Scan
100
Middleware
124
Iris Scan
73
Voice Scan
41
Signature Scan
24
64
Biometric Revenues
65
DEMO
38
Misura delle Prestazioni
bull Non egrave possibile riconoscere un individuo senza ammettere una tolleranza drsquoerrore
bull La soglia di tolleranza egrave cruciale e dipende fortemente dallrsquoapplicazione
bull Una soglia troppo bassa causa molti errori di Tipo I (rifiuto di soggetti registrati) ndash FRR (False Recognition Rate)
bull Una soglia troppo alta causa molti errori di Tipo II (accettazione di impostori) ndash FAR (False Acceptance Rate)
bull La scelta piugrave utilizzata egrave EER Equal error rate (EER) ndash FAR = FRR
39
Misura delle Prestazioni (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
La scelta piugrave utilizzata egrave ERR Equal error rate (EER) FAR = FRR
40
Quali Biometrie
Slide prodotta da JL Dugelay (Eurecom-France)
41
Quali Biometrie (cont)
a) b) c) d) e) f)
g) h) i) j) k)
Biometrics
bull ear
bull face
bull facial thermogram
bull hand thermogram
bull hand vein
bull hand geometry
bull fingerprint
bull iris
bull retina
bull signature
bull voice
42
bull Biometria delle impronte ndash riconoscimento delle impronte
bull Biometria dellrsquoocchio ndash riconoscimento dellrsquoiride e della retina
bull Biometria del volto ndash riconoscimento facciale (foto infrarosso)
bull Biometria della mano ndash geometria delle dita
bull Biometria della firma ndash riconoscimento della firma
bull Biometria della voce ndash riconoscimento vocale
bull Biometria auricolare ndash riconoscimento dellrsquoorecchio
bull Digitazione di tasti
bull DNA
Tecniche riconosciute dallo
Standard X984 - 2003
Impronte
digitali
voltoFirma
Iride
voce
Geometria della
mano
43
Variabilitagrave delle Biometrie
bull I Dati Biometrici non possono essere persi trasferiti ad altri o dimenticatihellipma
bull Lrsquoacquisizione (digitalizzazione dei dati) puograve determinare una variabilitagrave delle biometrie
ndash Intra_Classebull Variabilitagrave delle biometrie per un individuo
ndash Inter_Classebull Similaritagrave delle biometrie tra individui diversi
44
Variabilitagrave delle Biometrie
bull Intra_Classe
ndash Il MedioBreve Termine
ndash Il Lungo Termine Lrsquoetagrave
ndash La posa
ndash Le parziali occlusioni
ndash Lrsquoespressione
ndash Lrsquoilluminazione
45
Variabilitagrave delle Biometrie
bull Inter_Classe
ndash Gemelli
ndash Sosia
ndash hellip
ndash hellip
ndash hellip
Intra-class Variations
Time duration 6 months
Time duration 2 years
Variabilitagrave Intra-Classe Il Tempo
47
Sharbat GulaSharbat Gula
1985 2002
(Left photo copy Steve McCurry Right photo Steve McCurry copy National Geographic Society)
Variabilitagrave Intra-Classe Lrsquoetagrave (cont)
48
Variabilitagrave Intra-Classe La Posa
49
Variabilitagrave Intra-Classe
LrsquoEspressione
50
Variabilitagrave Intra-Classe
Espressione Posa e Parziali Occlusioni
51
Variabilitagrave Intra-Classe
LrsquoIlluminazione
52
Similaritagrave Inter-Classe
Count of Q2 Q2
Gender A 1 A 2 A 3 A 4 A 5 A 6 A 7 A 8 A 9 A 10Grand Total
Female 8 3 4 4 16 8 0 4 2 51 100
Male 9 5 3 6 6 5 1 2 1 63 100
Grand Total 9 4 3 5 9 6 1 3 1 59 100
54
56
Standard Esistenti
wwwbiometricsorgwwwnistgovbcwg
wwwbioapiorg
wwwibiaorgwwwbiometricfoundationorg
wwwnistgovcbeff
wwwitlnistorg
57
Sistemi CommercialiPanoramica
Il numero di distributori di SDKs (Software Development Kits) da poter integrare in applicazioni
esistenti
Il problema del face detection egrave visto come un problema collaterale
Tutti gli SDKs disponibili sono reperibili solo a pagamento
CompagniaSDK Documentazione Disponibile Tecnologia
Cognitec
Germania
FaceVAC
S SDK
httpwwwcognitec-
agdedocumentationfrsdk_p
ublic
Reti Neurali
HumanScan
Germania
BioID 31
SDK
httpwwwbioidcomsdkdoc
s
Detection Model based
(Hausdorff)
Identix
USA
FaceIT
SDKLocal Feature Analysis
Imagis
Canada
ID2000
SDK
Viisage
USA
FaceTool
sEigenfaces
58
Sistemi Commerciali
Cognitec
Caratteristiche
Basato sulla tecnologia FaceVACSreg
500000 confronti al secondo su processori Pentium
Lavora anche in modalitagrave distribuita
Interfaccia amichevole che permette ordinamento riorganizzazione
navigazione selezione
Piugrave immagini per ciascuna persona
Facile gestione di nuovi soggetti da aggiungere
Possibilitagrave di sottoporre valutazioni sulla qualitagrave
Integration Kit per lrsquointegrazione con altri pacchetti software
59
Sistemi Commerciali
Cognitec
Caratteristiche
bullBasato su tecnologia FaceVACSreg
bullAutomatic face recognition per una maggiore sicurezza a costi
convenienti
bullVaria dalla gestione di un singolo punto di accesso alla
regolazioni degli accessi a reti molto vaste
bullFacile integrazione nei sistemi giagrave esistenti
bullCombinabile con lettori di carte keypads e diverse tipologie di
videocamere
bullPossibilitagrave di monitorare eventi predefiniti
bullRegistrazione on-line e off-line
bullldquoVerifica direttaldquo per sistemi di altissima sicurezza
60
Sistemi Commerciali
Cognitec
Caratteristiche
bullAnalisi di piugrave sequenze video
bullFace detection di volti in piugrave video
bullFace recognition real time
bullCreazione di un file di log
bullRegistrazione interattiva da immagini fisse o
video
bullPannello di gestione dei filmati
bullIntegration Kit per lrsquointegrazione di sistemi
esistenti
61
Viisage FacePASSreg
Caratteristiche
bullFacePASS egrave utilizzato in sistemi di sicurezza controlli
per lrsquoaccesso e verifica di corrispondenza
documentoidentitagrave
bullPermette la verifica di identitagrave
bullPermette di riconoscere a ciascun soggetto identificato
il rispettivo livello di accesso
bullFrutto della tecnologia visage egrave in uso da diversi anni in
applicazioni industriali
bullInterfaccia amichevole costruita sulla base del feed-
back ottenuto dagli utenti
62
IdentiX
ABIS Face Enterprise Edition
Le componenti del sistema ABIS lavorano su architettura distribuita con il vantaggio della scalabilitagrave e della ridondanza
bull Search Core Server ABIS System search engine firmware Lavora su Intelreg Xeontrade o Pentiumreg III blade servers
bull Database Server Oracle 9i Database memorizza fino a 20 million di volti su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni e della dimensione del database richieste
bull Application Server ABIS XML-RPC Application Programming Interface lavora su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni
63
Effettiva percentuale di
utilizzo dei sistemi biometrici
Finger Scan
521
Keystroke Scan
03
Facial Scan
114Hand Scan
100
Middleware
124
Iris Scan
73
Voice Scan
41
Signature Scan
24
64
Biometric Revenues
65
DEMO
39
Misura delle Prestazioni (cont)
Slide prodotta da JL Dugelay (Eurecom-France)
La scelta piugrave utilizzata egrave ERR Equal error rate (EER) FAR = FRR
40
Quali Biometrie
Slide prodotta da JL Dugelay (Eurecom-France)
41
Quali Biometrie (cont)
a) b) c) d) e) f)
g) h) i) j) k)
Biometrics
bull ear
bull face
bull facial thermogram
bull hand thermogram
bull hand vein
bull hand geometry
bull fingerprint
bull iris
bull retina
bull signature
bull voice
42
bull Biometria delle impronte ndash riconoscimento delle impronte
bull Biometria dellrsquoocchio ndash riconoscimento dellrsquoiride e della retina
bull Biometria del volto ndash riconoscimento facciale (foto infrarosso)
bull Biometria della mano ndash geometria delle dita
bull Biometria della firma ndash riconoscimento della firma
bull Biometria della voce ndash riconoscimento vocale
bull Biometria auricolare ndash riconoscimento dellrsquoorecchio
bull Digitazione di tasti
bull DNA
Tecniche riconosciute dallo
Standard X984 - 2003
Impronte
digitali
voltoFirma
Iride
voce
Geometria della
mano
43
Variabilitagrave delle Biometrie
bull I Dati Biometrici non possono essere persi trasferiti ad altri o dimenticatihellipma
bull Lrsquoacquisizione (digitalizzazione dei dati) puograve determinare una variabilitagrave delle biometrie
ndash Intra_Classebull Variabilitagrave delle biometrie per un individuo
ndash Inter_Classebull Similaritagrave delle biometrie tra individui diversi
44
Variabilitagrave delle Biometrie
bull Intra_Classe
ndash Il MedioBreve Termine
ndash Il Lungo Termine Lrsquoetagrave
ndash La posa
ndash Le parziali occlusioni
ndash Lrsquoespressione
ndash Lrsquoilluminazione
45
Variabilitagrave delle Biometrie
bull Inter_Classe
ndash Gemelli
ndash Sosia
ndash hellip
ndash hellip
ndash hellip
Intra-class Variations
Time duration 6 months
Time duration 2 years
Variabilitagrave Intra-Classe Il Tempo
47
Sharbat GulaSharbat Gula
1985 2002
(Left photo copy Steve McCurry Right photo Steve McCurry copy National Geographic Society)
Variabilitagrave Intra-Classe Lrsquoetagrave (cont)
48
Variabilitagrave Intra-Classe La Posa
49
Variabilitagrave Intra-Classe
LrsquoEspressione
50
Variabilitagrave Intra-Classe
Espressione Posa e Parziali Occlusioni
51
Variabilitagrave Intra-Classe
LrsquoIlluminazione
52
Similaritagrave Inter-Classe
Count of Q2 Q2
Gender A 1 A 2 A 3 A 4 A 5 A 6 A 7 A 8 A 9 A 10Grand Total
Female 8 3 4 4 16 8 0 4 2 51 100
Male 9 5 3 6 6 5 1 2 1 63 100
Grand Total 9 4 3 5 9 6 1 3 1 59 100
54
56
Standard Esistenti
wwwbiometricsorgwwwnistgovbcwg
wwwbioapiorg
wwwibiaorgwwwbiometricfoundationorg
wwwnistgovcbeff
wwwitlnistorg
57
Sistemi CommercialiPanoramica
Il numero di distributori di SDKs (Software Development Kits) da poter integrare in applicazioni
esistenti
Il problema del face detection egrave visto come un problema collaterale
Tutti gli SDKs disponibili sono reperibili solo a pagamento
CompagniaSDK Documentazione Disponibile Tecnologia
Cognitec
Germania
FaceVAC
S SDK
httpwwwcognitec-
agdedocumentationfrsdk_p
ublic
Reti Neurali
HumanScan
Germania
BioID 31
SDK
httpwwwbioidcomsdkdoc
s
Detection Model based
(Hausdorff)
Identix
USA
FaceIT
SDKLocal Feature Analysis
Imagis
Canada
ID2000
SDK
Viisage
USA
FaceTool
sEigenfaces
58
Sistemi Commerciali
Cognitec
Caratteristiche
Basato sulla tecnologia FaceVACSreg
500000 confronti al secondo su processori Pentium
Lavora anche in modalitagrave distribuita
Interfaccia amichevole che permette ordinamento riorganizzazione
navigazione selezione
Piugrave immagini per ciascuna persona
Facile gestione di nuovi soggetti da aggiungere
Possibilitagrave di sottoporre valutazioni sulla qualitagrave
Integration Kit per lrsquointegrazione con altri pacchetti software
59
Sistemi Commerciali
Cognitec
Caratteristiche
bullBasato su tecnologia FaceVACSreg
bullAutomatic face recognition per una maggiore sicurezza a costi
convenienti
bullVaria dalla gestione di un singolo punto di accesso alla
regolazioni degli accessi a reti molto vaste
bullFacile integrazione nei sistemi giagrave esistenti
bullCombinabile con lettori di carte keypads e diverse tipologie di
videocamere
bullPossibilitagrave di monitorare eventi predefiniti
bullRegistrazione on-line e off-line
bullldquoVerifica direttaldquo per sistemi di altissima sicurezza
60
Sistemi Commerciali
Cognitec
Caratteristiche
bullAnalisi di piugrave sequenze video
bullFace detection di volti in piugrave video
bullFace recognition real time
bullCreazione di un file di log
bullRegistrazione interattiva da immagini fisse o
video
bullPannello di gestione dei filmati
bullIntegration Kit per lrsquointegrazione di sistemi
esistenti
61
Viisage FacePASSreg
Caratteristiche
bullFacePASS egrave utilizzato in sistemi di sicurezza controlli
per lrsquoaccesso e verifica di corrispondenza
documentoidentitagrave
bullPermette la verifica di identitagrave
bullPermette di riconoscere a ciascun soggetto identificato
il rispettivo livello di accesso
bullFrutto della tecnologia visage egrave in uso da diversi anni in
applicazioni industriali
bullInterfaccia amichevole costruita sulla base del feed-
back ottenuto dagli utenti
62
IdentiX
ABIS Face Enterprise Edition
Le componenti del sistema ABIS lavorano su architettura distribuita con il vantaggio della scalabilitagrave e della ridondanza
bull Search Core Server ABIS System search engine firmware Lavora su Intelreg Xeontrade o Pentiumreg III blade servers
bull Database Server Oracle 9i Database memorizza fino a 20 million di volti su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni e della dimensione del database richieste
bull Application Server ABIS XML-RPC Application Programming Interface lavora su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni
63
Effettiva percentuale di
utilizzo dei sistemi biometrici
Finger Scan
521
Keystroke Scan
03
Facial Scan
114Hand Scan
100
Middleware
124
Iris Scan
73
Voice Scan
41
Signature Scan
24
64
Biometric Revenues
65
DEMO
40
Quali Biometrie
Slide prodotta da JL Dugelay (Eurecom-France)
41
Quali Biometrie (cont)
a) b) c) d) e) f)
g) h) i) j) k)
Biometrics
bull ear
bull face
bull facial thermogram
bull hand thermogram
bull hand vein
bull hand geometry
bull fingerprint
bull iris
bull retina
bull signature
bull voice
42
bull Biometria delle impronte ndash riconoscimento delle impronte
bull Biometria dellrsquoocchio ndash riconoscimento dellrsquoiride e della retina
bull Biometria del volto ndash riconoscimento facciale (foto infrarosso)
bull Biometria della mano ndash geometria delle dita
bull Biometria della firma ndash riconoscimento della firma
bull Biometria della voce ndash riconoscimento vocale
bull Biometria auricolare ndash riconoscimento dellrsquoorecchio
bull Digitazione di tasti
bull DNA
Tecniche riconosciute dallo
Standard X984 - 2003
Impronte
digitali
voltoFirma
Iride
voce
Geometria della
mano
43
Variabilitagrave delle Biometrie
bull I Dati Biometrici non possono essere persi trasferiti ad altri o dimenticatihellipma
bull Lrsquoacquisizione (digitalizzazione dei dati) puograve determinare una variabilitagrave delle biometrie
ndash Intra_Classebull Variabilitagrave delle biometrie per un individuo
ndash Inter_Classebull Similaritagrave delle biometrie tra individui diversi
44
Variabilitagrave delle Biometrie
bull Intra_Classe
ndash Il MedioBreve Termine
ndash Il Lungo Termine Lrsquoetagrave
ndash La posa
ndash Le parziali occlusioni
ndash Lrsquoespressione
ndash Lrsquoilluminazione
45
Variabilitagrave delle Biometrie
bull Inter_Classe
ndash Gemelli
ndash Sosia
ndash hellip
ndash hellip
ndash hellip
Intra-class Variations
Time duration 6 months
Time duration 2 years
Variabilitagrave Intra-Classe Il Tempo
47
Sharbat GulaSharbat Gula
1985 2002
(Left photo copy Steve McCurry Right photo Steve McCurry copy National Geographic Society)
Variabilitagrave Intra-Classe Lrsquoetagrave (cont)
48
Variabilitagrave Intra-Classe La Posa
49
Variabilitagrave Intra-Classe
LrsquoEspressione
50
Variabilitagrave Intra-Classe
Espressione Posa e Parziali Occlusioni
51
Variabilitagrave Intra-Classe
LrsquoIlluminazione
52
Similaritagrave Inter-Classe
Count of Q2 Q2
Gender A 1 A 2 A 3 A 4 A 5 A 6 A 7 A 8 A 9 A 10Grand Total
Female 8 3 4 4 16 8 0 4 2 51 100
Male 9 5 3 6 6 5 1 2 1 63 100
Grand Total 9 4 3 5 9 6 1 3 1 59 100
54
56
Standard Esistenti
wwwbiometricsorgwwwnistgovbcwg
wwwbioapiorg
wwwibiaorgwwwbiometricfoundationorg
wwwnistgovcbeff
wwwitlnistorg
57
Sistemi CommercialiPanoramica
Il numero di distributori di SDKs (Software Development Kits) da poter integrare in applicazioni
esistenti
Il problema del face detection egrave visto come un problema collaterale
Tutti gli SDKs disponibili sono reperibili solo a pagamento
CompagniaSDK Documentazione Disponibile Tecnologia
Cognitec
Germania
FaceVAC
S SDK
httpwwwcognitec-
agdedocumentationfrsdk_p
ublic
Reti Neurali
HumanScan
Germania
BioID 31
SDK
httpwwwbioidcomsdkdoc
s
Detection Model based
(Hausdorff)
Identix
USA
FaceIT
SDKLocal Feature Analysis
Imagis
Canada
ID2000
SDK
Viisage
USA
FaceTool
sEigenfaces
58
Sistemi Commerciali
Cognitec
Caratteristiche
Basato sulla tecnologia FaceVACSreg
500000 confronti al secondo su processori Pentium
Lavora anche in modalitagrave distribuita
Interfaccia amichevole che permette ordinamento riorganizzazione
navigazione selezione
Piugrave immagini per ciascuna persona
Facile gestione di nuovi soggetti da aggiungere
Possibilitagrave di sottoporre valutazioni sulla qualitagrave
Integration Kit per lrsquointegrazione con altri pacchetti software
59
Sistemi Commerciali
Cognitec
Caratteristiche
bullBasato su tecnologia FaceVACSreg
bullAutomatic face recognition per una maggiore sicurezza a costi
convenienti
bullVaria dalla gestione di un singolo punto di accesso alla
regolazioni degli accessi a reti molto vaste
bullFacile integrazione nei sistemi giagrave esistenti
bullCombinabile con lettori di carte keypads e diverse tipologie di
videocamere
bullPossibilitagrave di monitorare eventi predefiniti
bullRegistrazione on-line e off-line
bullldquoVerifica direttaldquo per sistemi di altissima sicurezza
60
Sistemi Commerciali
Cognitec
Caratteristiche
bullAnalisi di piugrave sequenze video
bullFace detection di volti in piugrave video
bullFace recognition real time
bullCreazione di un file di log
bullRegistrazione interattiva da immagini fisse o
video
bullPannello di gestione dei filmati
bullIntegration Kit per lrsquointegrazione di sistemi
esistenti
61
Viisage FacePASSreg
Caratteristiche
bullFacePASS egrave utilizzato in sistemi di sicurezza controlli
per lrsquoaccesso e verifica di corrispondenza
documentoidentitagrave
bullPermette la verifica di identitagrave
bullPermette di riconoscere a ciascun soggetto identificato
il rispettivo livello di accesso
bullFrutto della tecnologia visage egrave in uso da diversi anni in
applicazioni industriali
bullInterfaccia amichevole costruita sulla base del feed-
back ottenuto dagli utenti
62
IdentiX
ABIS Face Enterprise Edition
Le componenti del sistema ABIS lavorano su architettura distribuita con il vantaggio della scalabilitagrave e della ridondanza
bull Search Core Server ABIS System search engine firmware Lavora su Intelreg Xeontrade o Pentiumreg III blade servers
bull Database Server Oracle 9i Database memorizza fino a 20 million di volti su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni e della dimensione del database richieste
bull Application Server ABIS XML-RPC Application Programming Interface lavora su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni
63
Effettiva percentuale di
utilizzo dei sistemi biometrici
Finger Scan
521
Keystroke Scan
03
Facial Scan
114Hand Scan
100
Middleware
124
Iris Scan
73
Voice Scan
41
Signature Scan
24
64
Biometric Revenues
65
DEMO
41
Quali Biometrie (cont)
a) b) c) d) e) f)
g) h) i) j) k)
Biometrics
bull ear
bull face
bull facial thermogram
bull hand thermogram
bull hand vein
bull hand geometry
bull fingerprint
bull iris
bull retina
bull signature
bull voice
42
bull Biometria delle impronte ndash riconoscimento delle impronte
bull Biometria dellrsquoocchio ndash riconoscimento dellrsquoiride e della retina
bull Biometria del volto ndash riconoscimento facciale (foto infrarosso)
bull Biometria della mano ndash geometria delle dita
bull Biometria della firma ndash riconoscimento della firma
bull Biometria della voce ndash riconoscimento vocale
bull Biometria auricolare ndash riconoscimento dellrsquoorecchio
bull Digitazione di tasti
bull DNA
Tecniche riconosciute dallo
Standard X984 - 2003
Impronte
digitali
voltoFirma
Iride
voce
Geometria della
mano
43
Variabilitagrave delle Biometrie
bull I Dati Biometrici non possono essere persi trasferiti ad altri o dimenticatihellipma
bull Lrsquoacquisizione (digitalizzazione dei dati) puograve determinare una variabilitagrave delle biometrie
ndash Intra_Classebull Variabilitagrave delle biometrie per un individuo
ndash Inter_Classebull Similaritagrave delle biometrie tra individui diversi
44
Variabilitagrave delle Biometrie
bull Intra_Classe
ndash Il MedioBreve Termine
ndash Il Lungo Termine Lrsquoetagrave
ndash La posa
ndash Le parziali occlusioni
ndash Lrsquoespressione
ndash Lrsquoilluminazione
45
Variabilitagrave delle Biometrie
bull Inter_Classe
ndash Gemelli
ndash Sosia
ndash hellip
ndash hellip
ndash hellip
Intra-class Variations
Time duration 6 months
Time duration 2 years
Variabilitagrave Intra-Classe Il Tempo
47
Sharbat GulaSharbat Gula
1985 2002
(Left photo copy Steve McCurry Right photo Steve McCurry copy National Geographic Society)
Variabilitagrave Intra-Classe Lrsquoetagrave (cont)
48
Variabilitagrave Intra-Classe La Posa
49
Variabilitagrave Intra-Classe
LrsquoEspressione
50
Variabilitagrave Intra-Classe
Espressione Posa e Parziali Occlusioni
51
Variabilitagrave Intra-Classe
LrsquoIlluminazione
52
Similaritagrave Inter-Classe
Count of Q2 Q2
Gender A 1 A 2 A 3 A 4 A 5 A 6 A 7 A 8 A 9 A 10Grand Total
Female 8 3 4 4 16 8 0 4 2 51 100
Male 9 5 3 6 6 5 1 2 1 63 100
Grand Total 9 4 3 5 9 6 1 3 1 59 100
54
56
Standard Esistenti
wwwbiometricsorgwwwnistgovbcwg
wwwbioapiorg
wwwibiaorgwwwbiometricfoundationorg
wwwnistgovcbeff
wwwitlnistorg
57
Sistemi CommercialiPanoramica
Il numero di distributori di SDKs (Software Development Kits) da poter integrare in applicazioni
esistenti
Il problema del face detection egrave visto come un problema collaterale
Tutti gli SDKs disponibili sono reperibili solo a pagamento
CompagniaSDK Documentazione Disponibile Tecnologia
Cognitec
Germania
FaceVAC
S SDK
httpwwwcognitec-
agdedocumentationfrsdk_p
ublic
Reti Neurali
HumanScan
Germania
BioID 31
SDK
httpwwwbioidcomsdkdoc
s
Detection Model based
(Hausdorff)
Identix
USA
FaceIT
SDKLocal Feature Analysis
Imagis
Canada
ID2000
SDK
Viisage
USA
FaceTool
sEigenfaces
58
Sistemi Commerciali
Cognitec
Caratteristiche
Basato sulla tecnologia FaceVACSreg
500000 confronti al secondo su processori Pentium
Lavora anche in modalitagrave distribuita
Interfaccia amichevole che permette ordinamento riorganizzazione
navigazione selezione
Piugrave immagini per ciascuna persona
Facile gestione di nuovi soggetti da aggiungere
Possibilitagrave di sottoporre valutazioni sulla qualitagrave
Integration Kit per lrsquointegrazione con altri pacchetti software
59
Sistemi Commerciali
Cognitec
Caratteristiche
bullBasato su tecnologia FaceVACSreg
bullAutomatic face recognition per una maggiore sicurezza a costi
convenienti
bullVaria dalla gestione di un singolo punto di accesso alla
regolazioni degli accessi a reti molto vaste
bullFacile integrazione nei sistemi giagrave esistenti
bullCombinabile con lettori di carte keypads e diverse tipologie di
videocamere
bullPossibilitagrave di monitorare eventi predefiniti
bullRegistrazione on-line e off-line
bullldquoVerifica direttaldquo per sistemi di altissima sicurezza
60
Sistemi Commerciali
Cognitec
Caratteristiche
bullAnalisi di piugrave sequenze video
bullFace detection di volti in piugrave video
bullFace recognition real time
bullCreazione di un file di log
bullRegistrazione interattiva da immagini fisse o
video
bullPannello di gestione dei filmati
bullIntegration Kit per lrsquointegrazione di sistemi
esistenti
61
Viisage FacePASSreg
Caratteristiche
bullFacePASS egrave utilizzato in sistemi di sicurezza controlli
per lrsquoaccesso e verifica di corrispondenza
documentoidentitagrave
bullPermette la verifica di identitagrave
bullPermette di riconoscere a ciascun soggetto identificato
il rispettivo livello di accesso
bullFrutto della tecnologia visage egrave in uso da diversi anni in
applicazioni industriali
bullInterfaccia amichevole costruita sulla base del feed-
back ottenuto dagli utenti
62
IdentiX
ABIS Face Enterprise Edition
Le componenti del sistema ABIS lavorano su architettura distribuita con il vantaggio della scalabilitagrave e della ridondanza
bull Search Core Server ABIS System search engine firmware Lavora su Intelreg Xeontrade o Pentiumreg III blade servers
bull Database Server Oracle 9i Database memorizza fino a 20 million di volti su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni e della dimensione del database richieste
bull Application Server ABIS XML-RPC Application Programming Interface lavora su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni
63
Effettiva percentuale di
utilizzo dei sistemi biometrici
Finger Scan
521
Keystroke Scan
03
Facial Scan
114Hand Scan
100
Middleware
124
Iris Scan
73
Voice Scan
41
Signature Scan
24
64
Biometric Revenues
65
DEMO
42
bull Biometria delle impronte ndash riconoscimento delle impronte
bull Biometria dellrsquoocchio ndash riconoscimento dellrsquoiride e della retina
bull Biometria del volto ndash riconoscimento facciale (foto infrarosso)
bull Biometria della mano ndash geometria delle dita
bull Biometria della firma ndash riconoscimento della firma
bull Biometria della voce ndash riconoscimento vocale
bull Biometria auricolare ndash riconoscimento dellrsquoorecchio
bull Digitazione di tasti
bull DNA
Tecniche riconosciute dallo
Standard X984 - 2003
Impronte
digitali
voltoFirma
Iride
voce
Geometria della
mano
43
Variabilitagrave delle Biometrie
bull I Dati Biometrici non possono essere persi trasferiti ad altri o dimenticatihellipma
bull Lrsquoacquisizione (digitalizzazione dei dati) puograve determinare una variabilitagrave delle biometrie
ndash Intra_Classebull Variabilitagrave delle biometrie per un individuo
ndash Inter_Classebull Similaritagrave delle biometrie tra individui diversi
44
Variabilitagrave delle Biometrie
bull Intra_Classe
ndash Il MedioBreve Termine
ndash Il Lungo Termine Lrsquoetagrave
ndash La posa
ndash Le parziali occlusioni
ndash Lrsquoespressione
ndash Lrsquoilluminazione
45
Variabilitagrave delle Biometrie
bull Inter_Classe
ndash Gemelli
ndash Sosia
ndash hellip
ndash hellip
ndash hellip
Intra-class Variations
Time duration 6 months
Time duration 2 years
Variabilitagrave Intra-Classe Il Tempo
47
Sharbat GulaSharbat Gula
1985 2002
(Left photo copy Steve McCurry Right photo Steve McCurry copy National Geographic Society)
Variabilitagrave Intra-Classe Lrsquoetagrave (cont)
48
Variabilitagrave Intra-Classe La Posa
49
Variabilitagrave Intra-Classe
LrsquoEspressione
50
Variabilitagrave Intra-Classe
Espressione Posa e Parziali Occlusioni
51
Variabilitagrave Intra-Classe
LrsquoIlluminazione
52
Similaritagrave Inter-Classe
Count of Q2 Q2
Gender A 1 A 2 A 3 A 4 A 5 A 6 A 7 A 8 A 9 A 10Grand Total
Female 8 3 4 4 16 8 0 4 2 51 100
Male 9 5 3 6 6 5 1 2 1 63 100
Grand Total 9 4 3 5 9 6 1 3 1 59 100
54
56
Standard Esistenti
wwwbiometricsorgwwwnistgovbcwg
wwwbioapiorg
wwwibiaorgwwwbiometricfoundationorg
wwwnistgovcbeff
wwwitlnistorg
57
Sistemi CommercialiPanoramica
Il numero di distributori di SDKs (Software Development Kits) da poter integrare in applicazioni
esistenti
Il problema del face detection egrave visto come un problema collaterale
Tutti gli SDKs disponibili sono reperibili solo a pagamento
CompagniaSDK Documentazione Disponibile Tecnologia
Cognitec
Germania
FaceVAC
S SDK
httpwwwcognitec-
agdedocumentationfrsdk_p
ublic
Reti Neurali
HumanScan
Germania
BioID 31
SDK
httpwwwbioidcomsdkdoc
s
Detection Model based
(Hausdorff)
Identix
USA
FaceIT
SDKLocal Feature Analysis
Imagis
Canada
ID2000
SDK
Viisage
USA
FaceTool
sEigenfaces
58
Sistemi Commerciali
Cognitec
Caratteristiche
Basato sulla tecnologia FaceVACSreg
500000 confronti al secondo su processori Pentium
Lavora anche in modalitagrave distribuita
Interfaccia amichevole che permette ordinamento riorganizzazione
navigazione selezione
Piugrave immagini per ciascuna persona
Facile gestione di nuovi soggetti da aggiungere
Possibilitagrave di sottoporre valutazioni sulla qualitagrave
Integration Kit per lrsquointegrazione con altri pacchetti software
59
Sistemi Commerciali
Cognitec
Caratteristiche
bullBasato su tecnologia FaceVACSreg
bullAutomatic face recognition per una maggiore sicurezza a costi
convenienti
bullVaria dalla gestione di un singolo punto di accesso alla
regolazioni degli accessi a reti molto vaste
bullFacile integrazione nei sistemi giagrave esistenti
bullCombinabile con lettori di carte keypads e diverse tipologie di
videocamere
bullPossibilitagrave di monitorare eventi predefiniti
bullRegistrazione on-line e off-line
bullldquoVerifica direttaldquo per sistemi di altissima sicurezza
60
Sistemi Commerciali
Cognitec
Caratteristiche
bullAnalisi di piugrave sequenze video
bullFace detection di volti in piugrave video
bullFace recognition real time
bullCreazione di un file di log
bullRegistrazione interattiva da immagini fisse o
video
bullPannello di gestione dei filmati
bullIntegration Kit per lrsquointegrazione di sistemi
esistenti
61
Viisage FacePASSreg
Caratteristiche
bullFacePASS egrave utilizzato in sistemi di sicurezza controlli
per lrsquoaccesso e verifica di corrispondenza
documentoidentitagrave
bullPermette la verifica di identitagrave
bullPermette di riconoscere a ciascun soggetto identificato
il rispettivo livello di accesso
bullFrutto della tecnologia visage egrave in uso da diversi anni in
applicazioni industriali
bullInterfaccia amichevole costruita sulla base del feed-
back ottenuto dagli utenti
62
IdentiX
ABIS Face Enterprise Edition
Le componenti del sistema ABIS lavorano su architettura distribuita con il vantaggio della scalabilitagrave e della ridondanza
bull Search Core Server ABIS System search engine firmware Lavora su Intelreg Xeontrade o Pentiumreg III blade servers
bull Database Server Oracle 9i Database memorizza fino a 20 million di volti su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni e della dimensione del database richieste
bull Application Server ABIS XML-RPC Application Programming Interface lavora su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni
63
Effettiva percentuale di
utilizzo dei sistemi biometrici
Finger Scan
521
Keystroke Scan
03
Facial Scan
114Hand Scan
100
Middleware
124
Iris Scan
73
Voice Scan
41
Signature Scan
24
64
Biometric Revenues
65
DEMO
43
Variabilitagrave delle Biometrie
bull I Dati Biometrici non possono essere persi trasferiti ad altri o dimenticatihellipma
bull Lrsquoacquisizione (digitalizzazione dei dati) puograve determinare una variabilitagrave delle biometrie
ndash Intra_Classebull Variabilitagrave delle biometrie per un individuo
ndash Inter_Classebull Similaritagrave delle biometrie tra individui diversi
44
Variabilitagrave delle Biometrie
bull Intra_Classe
ndash Il MedioBreve Termine
ndash Il Lungo Termine Lrsquoetagrave
ndash La posa
ndash Le parziali occlusioni
ndash Lrsquoespressione
ndash Lrsquoilluminazione
45
Variabilitagrave delle Biometrie
bull Inter_Classe
ndash Gemelli
ndash Sosia
ndash hellip
ndash hellip
ndash hellip
Intra-class Variations
Time duration 6 months
Time duration 2 years
Variabilitagrave Intra-Classe Il Tempo
47
Sharbat GulaSharbat Gula
1985 2002
(Left photo copy Steve McCurry Right photo Steve McCurry copy National Geographic Society)
Variabilitagrave Intra-Classe Lrsquoetagrave (cont)
48
Variabilitagrave Intra-Classe La Posa
49
Variabilitagrave Intra-Classe
LrsquoEspressione
50
Variabilitagrave Intra-Classe
Espressione Posa e Parziali Occlusioni
51
Variabilitagrave Intra-Classe
LrsquoIlluminazione
52
Similaritagrave Inter-Classe
Count of Q2 Q2
Gender A 1 A 2 A 3 A 4 A 5 A 6 A 7 A 8 A 9 A 10Grand Total
Female 8 3 4 4 16 8 0 4 2 51 100
Male 9 5 3 6 6 5 1 2 1 63 100
Grand Total 9 4 3 5 9 6 1 3 1 59 100
54
56
Standard Esistenti
wwwbiometricsorgwwwnistgovbcwg
wwwbioapiorg
wwwibiaorgwwwbiometricfoundationorg
wwwnistgovcbeff
wwwitlnistorg
57
Sistemi CommercialiPanoramica
Il numero di distributori di SDKs (Software Development Kits) da poter integrare in applicazioni
esistenti
Il problema del face detection egrave visto come un problema collaterale
Tutti gli SDKs disponibili sono reperibili solo a pagamento
CompagniaSDK Documentazione Disponibile Tecnologia
Cognitec
Germania
FaceVAC
S SDK
httpwwwcognitec-
agdedocumentationfrsdk_p
ublic
Reti Neurali
HumanScan
Germania
BioID 31
SDK
httpwwwbioidcomsdkdoc
s
Detection Model based
(Hausdorff)
Identix
USA
FaceIT
SDKLocal Feature Analysis
Imagis
Canada
ID2000
SDK
Viisage
USA
FaceTool
sEigenfaces
58
Sistemi Commerciali
Cognitec
Caratteristiche
Basato sulla tecnologia FaceVACSreg
500000 confronti al secondo su processori Pentium
Lavora anche in modalitagrave distribuita
Interfaccia amichevole che permette ordinamento riorganizzazione
navigazione selezione
Piugrave immagini per ciascuna persona
Facile gestione di nuovi soggetti da aggiungere
Possibilitagrave di sottoporre valutazioni sulla qualitagrave
Integration Kit per lrsquointegrazione con altri pacchetti software
59
Sistemi Commerciali
Cognitec
Caratteristiche
bullBasato su tecnologia FaceVACSreg
bullAutomatic face recognition per una maggiore sicurezza a costi
convenienti
bullVaria dalla gestione di un singolo punto di accesso alla
regolazioni degli accessi a reti molto vaste
bullFacile integrazione nei sistemi giagrave esistenti
bullCombinabile con lettori di carte keypads e diverse tipologie di
videocamere
bullPossibilitagrave di monitorare eventi predefiniti
bullRegistrazione on-line e off-line
bullldquoVerifica direttaldquo per sistemi di altissima sicurezza
60
Sistemi Commerciali
Cognitec
Caratteristiche
bullAnalisi di piugrave sequenze video
bullFace detection di volti in piugrave video
bullFace recognition real time
bullCreazione di un file di log
bullRegistrazione interattiva da immagini fisse o
video
bullPannello di gestione dei filmati
bullIntegration Kit per lrsquointegrazione di sistemi
esistenti
61
Viisage FacePASSreg
Caratteristiche
bullFacePASS egrave utilizzato in sistemi di sicurezza controlli
per lrsquoaccesso e verifica di corrispondenza
documentoidentitagrave
bullPermette la verifica di identitagrave
bullPermette di riconoscere a ciascun soggetto identificato
il rispettivo livello di accesso
bullFrutto della tecnologia visage egrave in uso da diversi anni in
applicazioni industriali
bullInterfaccia amichevole costruita sulla base del feed-
back ottenuto dagli utenti
62
IdentiX
ABIS Face Enterprise Edition
Le componenti del sistema ABIS lavorano su architettura distribuita con il vantaggio della scalabilitagrave e della ridondanza
bull Search Core Server ABIS System search engine firmware Lavora su Intelreg Xeontrade o Pentiumreg III blade servers
bull Database Server Oracle 9i Database memorizza fino a 20 million di volti su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni e della dimensione del database richieste
bull Application Server ABIS XML-RPC Application Programming Interface lavora su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni
63
Effettiva percentuale di
utilizzo dei sistemi biometrici
Finger Scan
521
Keystroke Scan
03
Facial Scan
114Hand Scan
100
Middleware
124
Iris Scan
73
Voice Scan
41
Signature Scan
24
64
Biometric Revenues
65
DEMO
44
Variabilitagrave delle Biometrie
bull Intra_Classe
ndash Il MedioBreve Termine
ndash Il Lungo Termine Lrsquoetagrave
ndash La posa
ndash Le parziali occlusioni
ndash Lrsquoespressione
ndash Lrsquoilluminazione
45
Variabilitagrave delle Biometrie
bull Inter_Classe
ndash Gemelli
ndash Sosia
ndash hellip
ndash hellip
ndash hellip
Intra-class Variations
Time duration 6 months
Time duration 2 years
Variabilitagrave Intra-Classe Il Tempo
47
Sharbat GulaSharbat Gula
1985 2002
(Left photo copy Steve McCurry Right photo Steve McCurry copy National Geographic Society)
Variabilitagrave Intra-Classe Lrsquoetagrave (cont)
48
Variabilitagrave Intra-Classe La Posa
49
Variabilitagrave Intra-Classe
LrsquoEspressione
50
Variabilitagrave Intra-Classe
Espressione Posa e Parziali Occlusioni
51
Variabilitagrave Intra-Classe
LrsquoIlluminazione
52
Similaritagrave Inter-Classe
Count of Q2 Q2
Gender A 1 A 2 A 3 A 4 A 5 A 6 A 7 A 8 A 9 A 10Grand Total
Female 8 3 4 4 16 8 0 4 2 51 100
Male 9 5 3 6 6 5 1 2 1 63 100
Grand Total 9 4 3 5 9 6 1 3 1 59 100
54
56
Standard Esistenti
wwwbiometricsorgwwwnistgovbcwg
wwwbioapiorg
wwwibiaorgwwwbiometricfoundationorg
wwwnistgovcbeff
wwwitlnistorg
57
Sistemi CommercialiPanoramica
Il numero di distributori di SDKs (Software Development Kits) da poter integrare in applicazioni
esistenti
Il problema del face detection egrave visto come un problema collaterale
Tutti gli SDKs disponibili sono reperibili solo a pagamento
CompagniaSDK Documentazione Disponibile Tecnologia
Cognitec
Germania
FaceVAC
S SDK
httpwwwcognitec-
agdedocumentationfrsdk_p
ublic
Reti Neurali
HumanScan
Germania
BioID 31
SDK
httpwwwbioidcomsdkdoc
s
Detection Model based
(Hausdorff)
Identix
USA
FaceIT
SDKLocal Feature Analysis
Imagis
Canada
ID2000
SDK
Viisage
USA
FaceTool
sEigenfaces
58
Sistemi Commerciali
Cognitec
Caratteristiche
Basato sulla tecnologia FaceVACSreg
500000 confronti al secondo su processori Pentium
Lavora anche in modalitagrave distribuita
Interfaccia amichevole che permette ordinamento riorganizzazione
navigazione selezione
Piugrave immagini per ciascuna persona
Facile gestione di nuovi soggetti da aggiungere
Possibilitagrave di sottoporre valutazioni sulla qualitagrave
Integration Kit per lrsquointegrazione con altri pacchetti software
59
Sistemi Commerciali
Cognitec
Caratteristiche
bullBasato su tecnologia FaceVACSreg
bullAutomatic face recognition per una maggiore sicurezza a costi
convenienti
bullVaria dalla gestione di un singolo punto di accesso alla
regolazioni degli accessi a reti molto vaste
bullFacile integrazione nei sistemi giagrave esistenti
bullCombinabile con lettori di carte keypads e diverse tipologie di
videocamere
bullPossibilitagrave di monitorare eventi predefiniti
bullRegistrazione on-line e off-line
bullldquoVerifica direttaldquo per sistemi di altissima sicurezza
60
Sistemi Commerciali
Cognitec
Caratteristiche
bullAnalisi di piugrave sequenze video
bullFace detection di volti in piugrave video
bullFace recognition real time
bullCreazione di un file di log
bullRegistrazione interattiva da immagini fisse o
video
bullPannello di gestione dei filmati
bullIntegration Kit per lrsquointegrazione di sistemi
esistenti
61
Viisage FacePASSreg
Caratteristiche
bullFacePASS egrave utilizzato in sistemi di sicurezza controlli
per lrsquoaccesso e verifica di corrispondenza
documentoidentitagrave
bullPermette la verifica di identitagrave
bullPermette di riconoscere a ciascun soggetto identificato
il rispettivo livello di accesso
bullFrutto della tecnologia visage egrave in uso da diversi anni in
applicazioni industriali
bullInterfaccia amichevole costruita sulla base del feed-
back ottenuto dagli utenti
62
IdentiX
ABIS Face Enterprise Edition
Le componenti del sistema ABIS lavorano su architettura distribuita con il vantaggio della scalabilitagrave e della ridondanza
bull Search Core Server ABIS System search engine firmware Lavora su Intelreg Xeontrade o Pentiumreg III blade servers
bull Database Server Oracle 9i Database memorizza fino a 20 million di volti su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni e della dimensione del database richieste
bull Application Server ABIS XML-RPC Application Programming Interface lavora su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni
63
Effettiva percentuale di
utilizzo dei sistemi biometrici
Finger Scan
521
Keystroke Scan
03
Facial Scan
114Hand Scan
100
Middleware
124
Iris Scan
73
Voice Scan
41
Signature Scan
24
64
Biometric Revenues
65
DEMO
45
Variabilitagrave delle Biometrie
bull Inter_Classe
ndash Gemelli
ndash Sosia
ndash hellip
ndash hellip
ndash hellip
Intra-class Variations
Time duration 6 months
Time duration 2 years
Variabilitagrave Intra-Classe Il Tempo
47
Sharbat GulaSharbat Gula
1985 2002
(Left photo copy Steve McCurry Right photo Steve McCurry copy National Geographic Society)
Variabilitagrave Intra-Classe Lrsquoetagrave (cont)
48
Variabilitagrave Intra-Classe La Posa
49
Variabilitagrave Intra-Classe
LrsquoEspressione
50
Variabilitagrave Intra-Classe
Espressione Posa e Parziali Occlusioni
51
Variabilitagrave Intra-Classe
LrsquoIlluminazione
52
Similaritagrave Inter-Classe
Count of Q2 Q2
Gender A 1 A 2 A 3 A 4 A 5 A 6 A 7 A 8 A 9 A 10Grand Total
Female 8 3 4 4 16 8 0 4 2 51 100
Male 9 5 3 6 6 5 1 2 1 63 100
Grand Total 9 4 3 5 9 6 1 3 1 59 100
54
56
Standard Esistenti
wwwbiometricsorgwwwnistgovbcwg
wwwbioapiorg
wwwibiaorgwwwbiometricfoundationorg
wwwnistgovcbeff
wwwitlnistorg
57
Sistemi CommercialiPanoramica
Il numero di distributori di SDKs (Software Development Kits) da poter integrare in applicazioni
esistenti
Il problema del face detection egrave visto come un problema collaterale
Tutti gli SDKs disponibili sono reperibili solo a pagamento
CompagniaSDK Documentazione Disponibile Tecnologia
Cognitec
Germania
FaceVAC
S SDK
httpwwwcognitec-
agdedocumentationfrsdk_p
ublic
Reti Neurali
HumanScan
Germania
BioID 31
SDK
httpwwwbioidcomsdkdoc
s
Detection Model based
(Hausdorff)
Identix
USA
FaceIT
SDKLocal Feature Analysis
Imagis
Canada
ID2000
SDK
Viisage
USA
FaceTool
sEigenfaces
58
Sistemi Commerciali
Cognitec
Caratteristiche
Basato sulla tecnologia FaceVACSreg
500000 confronti al secondo su processori Pentium
Lavora anche in modalitagrave distribuita
Interfaccia amichevole che permette ordinamento riorganizzazione
navigazione selezione
Piugrave immagini per ciascuna persona
Facile gestione di nuovi soggetti da aggiungere
Possibilitagrave di sottoporre valutazioni sulla qualitagrave
Integration Kit per lrsquointegrazione con altri pacchetti software
59
Sistemi Commerciali
Cognitec
Caratteristiche
bullBasato su tecnologia FaceVACSreg
bullAutomatic face recognition per una maggiore sicurezza a costi
convenienti
bullVaria dalla gestione di un singolo punto di accesso alla
regolazioni degli accessi a reti molto vaste
bullFacile integrazione nei sistemi giagrave esistenti
bullCombinabile con lettori di carte keypads e diverse tipologie di
videocamere
bullPossibilitagrave di monitorare eventi predefiniti
bullRegistrazione on-line e off-line
bullldquoVerifica direttaldquo per sistemi di altissima sicurezza
60
Sistemi Commerciali
Cognitec
Caratteristiche
bullAnalisi di piugrave sequenze video
bullFace detection di volti in piugrave video
bullFace recognition real time
bullCreazione di un file di log
bullRegistrazione interattiva da immagini fisse o
video
bullPannello di gestione dei filmati
bullIntegration Kit per lrsquointegrazione di sistemi
esistenti
61
Viisage FacePASSreg
Caratteristiche
bullFacePASS egrave utilizzato in sistemi di sicurezza controlli
per lrsquoaccesso e verifica di corrispondenza
documentoidentitagrave
bullPermette la verifica di identitagrave
bullPermette di riconoscere a ciascun soggetto identificato
il rispettivo livello di accesso
bullFrutto della tecnologia visage egrave in uso da diversi anni in
applicazioni industriali
bullInterfaccia amichevole costruita sulla base del feed-
back ottenuto dagli utenti
62
IdentiX
ABIS Face Enterprise Edition
Le componenti del sistema ABIS lavorano su architettura distribuita con il vantaggio della scalabilitagrave e della ridondanza
bull Search Core Server ABIS System search engine firmware Lavora su Intelreg Xeontrade o Pentiumreg III blade servers
bull Database Server Oracle 9i Database memorizza fino a 20 million di volti su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni e della dimensione del database richieste
bull Application Server ABIS XML-RPC Application Programming Interface lavora su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni
63
Effettiva percentuale di
utilizzo dei sistemi biometrici
Finger Scan
521
Keystroke Scan
03
Facial Scan
114Hand Scan
100
Middleware
124
Iris Scan
73
Voice Scan
41
Signature Scan
24
64
Biometric Revenues
65
DEMO
Intra-class Variations
Time duration 6 months
Time duration 2 years
Variabilitagrave Intra-Classe Il Tempo
47
Sharbat GulaSharbat Gula
1985 2002
(Left photo copy Steve McCurry Right photo Steve McCurry copy National Geographic Society)
Variabilitagrave Intra-Classe Lrsquoetagrave (cont)
48
Variabilitagrave Intra-Classe La Posa
49
Variabilitagrave Intra-Classe
LrsquoEspressione
50
Variabilitagrave Intra-Classe
Espressione Posa e Parziali Occlusioni
51
Variabilitagrave Intra-Classe
LrsquoIlluminazione
52
Similaritagrave Inter-Classe
Count of Q2 Q2
Gender A 1 A 2 A 3 A 4 A 5 A 6 A 7 A 8 A 9 A 10Grand Total
Female 8 3 4 4 16 8 0 4 2 51 100
Male 9 5 3 6 6 5 1 2 1 63 100
Grand Total 9 4 3 5 9 6 1 3 1 59 100
54
56
Standard Esistenti
wwwbiometricsorgwwwnistgovbcwg
wwwbioapiorg
wwwibiaorgwwwbiometricfoundationorg
wwwnistgovcbeff
wwwitlnistorg
57
Sistemi CommercialiPanoramica
Il numero di distributori di SDKs (Software Development Kits) da poter integrare in applicazioni
esistenti
Il problema del face detection egrave visto come un problema collaterale
Tutti gli SDKs disponibili sono reperibili solo a pagamento
CompagniaSDK Documentazione Disponibile Tecnologia
Cognitec
Germania
FaceVAC
S SDK
httpwwwcognitec-
agdedocumentationfrsdk_p
ublic
Reti Neurali
HumanScan
Germania
BioID 31
SDK
httpwwwbioidcomsdkdoc
s
Detection Model based
(Hausdorff)
Identix
USA
FaceIT
SDKLocal Feature Analysis
Imagis
Canada
ID2000
SDK
Viisage
USA
FaceTool
sEigenfaces
58
Sistemi Commerciali
Cognitec
Caratteristiche
Basato sulla tecnologia FaceVACSreg
500000 confronti al secondo su processori Pentium
Lavora anche in modalitagrave distribuita
Interfaccia amichevole che permette ordinamento riorganizzazione
navigazione selezione
Piugrave immagini per ciascuna persona
Facile gestione di nuovi soggetti da aggiungere
Possibilitagrave di sottoporre valutazioni sulla qualitagrave
Integration Kit per lrsquointegrazione con altri pacchetti software
59
Sistemi Commerciali
Cognitec
Caratteristiche
bullBasato su tecnologia FaceVACSreg
bullAutomatic face recognition per una maggiore sicurezza a costi
convenienti
bullVaria dalla gestione di un singolo punto di accesso alla
regolazioni degli accessi a reti molto vaste
bullFacile integrazione nei sistemi giagrave esistenti
bullCombinabile con lettori di carte keypads e diverse tipologie di
videocamere
bullPossibilitagrave di monitorare eventi predefiniti
bullRegistrazione on-line e off-line
bullldquoVerifica direttaldquo per sistemi di altissima sicurezza
60
Sistemi Commerciali
Cognitec
Caratteristiche
bullAnalisi di piugrave sequenze video
bullFace detection di volti in piugrave video
bullFace recognition real time
bullCreazione di un file di log
bullRegistrazione interattiva da immagini fisse o
video
bullPannello di gestione dei filmati
bullIntegration Kit per lrsquointegrazione di sistemi
esistenti
61
Viisage FacePASSreg
Caratteristiche
bullFacePASS egrave utilizzato in sistemi di sicurezza controlli
per lrsquoaccesso e verifica di corrispondenza
documentoidentitagrave
bullPermette la verifica di identitagrave
bullPermette di riconoscere a ciascun soggetto identificato
il rispettivo livello di accesso
bullFrutto della tecnologia visage egrave in uso da diversi anni in
applicazioni industriali
bullInterfaccia amichevole costruita sulla base del feed-
back ottenuto dagli utenti
62
IdentiX
ABIS Face Enterprise Edition
Le componenti del sistema ABIS lavorano su architettura distribuita con il vantaggio della scalabilitagrave e della ridondanza
bull Search Core Server ABIS System search engine firmware Lavora su Intelreg Xeontrade o Pentiumreg III blade servers
bull Database Server Oracle 9i Database memorizza fino a 20 million di volti su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni e della dimensione del database richieste
bull Application Server ABIS XML-RPC Application Programming Interface lavora su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni
63
Effettiva percentuale di
utilizzo dei sistemi biometrici
Finger Scan
521
Keystroke Scan
03
Facial Scan
114Hand Scan
100
Middleware
124
Iris Scan
73
Voice Scan
41
Signature Scan
24
64
Biometric Revenues
65
DEMO
47
Sharbat GulaSharbat Gula
1985 2002
(Left photo copy Steve McCurry Right photo Steve McCurry copy National Geographic Society)
Variabilitagrave Intra-Classe Lrsquoetagrave (cont)
48
Variabilitagrave Intra-Classe La Posa
49
Variabilitagrave Intra-Classe
LrsquoEspressione
50
Variabilitagrave Intra-Classe
Espressione Posa e Parziali Occlusioni
51
Variabilitagrave Intra-Classe
LrsquoIlluminazione
52
Similaritagrave Inter-Classe
Count of Q2 Q2
Gender A 1 A 2 A 3 A 4 A 5 A 6 A 7 A 8 A 9 A 10Grand Total
Female 8 3 4 4 16 8 0 4 2 51 100
Male 9 5 3 6 6 5 1 2 1 63 100
Grand Total 9 4 3 5 9 6 1 3 1 59 100
54
56
Standard Esistenti
wwwbiometricsorgwwwnistgovbcwg
wwwbioapiorg
wwwibiaorgwwwbiometricfoundationorg
wwwnistgovcbeff
wwwitlnistorg
57
Sistemi CommercialiPanoramica
Il numero di distributori di SDKs (Software Development Kits) da poter integrare in applicazioni
esistenti
Il problema del face detection egrave visto come un problema collaterale
Tutti gli SDKs disponibili sono reperibili solo a pagamento
CompagniaSDK Documentazione Disponibile Tecnologia
Cognitec
Germania
FaceVAC
S SDK
httpwwwcognitec-
agdedocumentationfrsdk_p
ublic
Reti Neurali
HumanScan
Germania
BioID 31
SDK
httpwwwbioidcomsdkdoc
s
Detection Model based
(Hausdorff)
Identix
USA
FaceIT
SDKLocal Feature Analysis
Imagis
Canada
ID2000
SDK
Viisage
USA
FaceTool
sEigenfaces
58
Sistemi Commerciali
Cognitec
Caratteristiche
Basato sulla tecnologia FaceVACSreg
500000 confronti al secondo su processori Pentium
Lavora anche in modalitagrave distribuita
Interfaccia amichevole che permette ordinamento riorganizzazione
navigazione selezione
Piugrave immagini per ciascuna persona
Facile gestione di nuovi soggetti da aggiungere
Possibilitagrave di sottoporre valutazioni sulla qualitagrave
Integration Kit per lrsquointegrazione con altri pacchetti software
59
Sistemi Commerciali
Cognitec
Caratteristiche
bullBasato su tecnologia FaceVACSreg
bullAutomatic face recognition per una maggiore sicurezza a costi
convenienti
bullVaria dalla gestione di un singolo punto di accesso alla
regolazioni degli accessi a reti molto vaste
bullFacile integrazione nei sistemi giagrave esistenti
bullCombinabile con lettori di carte keypads e diverse tipologie di
videocamere
bullPossibilitagrave di monitorare eventi predefiniti
bullRegistrazione on-line e off-line
bullldquoVerifica direttaldquo per sistemi di altissima sicurezza
60
Sistemi Commerciali
Cognitec
Caratteristiche
bullAnalisi di piugrave sequenze video
bullFace detection di volti in piugrave video
bullFace recognition real time
bullCreazione di un file di log
bullRegistrazione interattiva da immagini fisse o
video
bullPannello di gestione dei filmati
bullIntegration Kit per lrsquointegrazione di sistemi
esistenti
61
Viisage FacePASSreg
Caratteristiche
bullFacePASS egrave utilizzato in sistemi di sicurezza controlli
per lrsquoaccesso e verifica di corrispondenza
documentoidentitagrave
bullPermette la verifica di identitagrave
bullPermette di riconoscere a ciascun soggetto identificato
il rispettivo livello di accesso
bullFrutto della tecnologia visage egrave in uso da diversi anni in
applicazioni industriali
bullInterfaccia amichevole costruita sulla base del feed-
back ottenuto dagli utenti
62
IdentiX
ABIS Face Enterprise Edition
Le componenti del sistema ABIS lavorano su architettura distribuita con il vantaggio della scalabilitagrave e della ridondanza
bull Search Core Server ABIS System search engine firmware Lavora su Intelreg Xeontrade o Pentiumreg III blade servers
bull Database Server Oracle 9i Database memorizza fino a 20 million di volti su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni e della dimensione del database richieste
bull Application Server ABIS XML-RPC Application Programming Interface lavora su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni
63
Effettiva percentuale di
utilizzo dei sistemi biometrici
Finger Scan
521
Keystroke Scan
03
Facial Scan
114Hand Scan
100
Middleware
124
Iris Scan
73
Voice Scan
41
Signature Scan
24
64
Biometric Revenues
65
DEMO
48
Variabilitagrave Intra-Classe La Posa
49
Variabilitagrave Intra-Classe
LrsquoEspressione
50
Variabilitagrave Intra-Classe
Espressione Posa e Parziali Occlusioni
51
Variabilitagrave Intra-Classe
LrsquoIlluminazione
52
Similaritagrave Inter-Classe
Count of Q2 Q2
Gender A 1 A 2 A 3 A 4 A 5 A 6 A 7 A 8 A 9 A 10Grand Total
Female 8 3 4 4 16 8 0 4 2 51 100
Male 9 5 3 6 6 5 1 2 1 63 100
Grand Total 9 4 3 5 9 6 1 3 1 59 100
54
56
Standard Esistenti
wwwbiometricsorgwwwnistgovbcwg
wwwbioapiorg
wwwibiaorgwwwbiometricfoundationorg
wwwnistgovcbeff
wwwitlnistorg
57
Sistemi CommercialiPanoramica
Il numero di distributori di SDKs (Software Development Kits) da poter integrare in applicazioni
esistenti
Il problema del face detection egrave visto come un problema collaterale
Tutti gli SDKs disponibili sono reperibili solo a pagamento
CompagniaSDK Documentazione Disponibile Tecnologia
Cognitec
Germania
FaceVAC
S SDK
httpwwwcognitec-
agdedocumentationfrsdk_p
ublic
Reti Neurali
HumanScan
Germania
BioID 31
SDK
httpwwwbioidcomsdkdoc
s
Detection Model based
(Hausdorff)
Identix
USA
FaceIT
SDKLocal Feature Analysis
Imagis
Canada
ID2000
SDK
Viisage
USA
FaceTool
sEigenfaces
58
Sistemi Commerciali
Cognitec
Caratteristiche
Basato sulla tecnologia FaceVACSreg
500000 confronti al secondo su processori Pentium
Lavora anche in modalitagrave distribuita
Interfaccia amichevole che permette ordinamento riorganizzazione
navigazione selezione
Piugrave immagini per ciascuna persona
Facile gestione di nuovi soggetti da aggiungere
Possibilitagrave di sottoporre valutazioni sulla qualitagrave
Integration Kit per lrsquointegrazione con altri pacchetti software
59
Sistemi Commerciali
Cognitec
Caratteristiche
bullBasato su tecnologia FaceVACSreg
bullAutomatic face recognition per una maggiore sicurezza a costi
convenienti
bullVaria dalla gestione di un singolo punto di accesso alla
regolazioni degli accessi a reti molto vaste
bullFacile integrazione nei sistemi giagrave esistenti
bullCombinabile con lettori di carte keypads e diverse tipologie di
videocamere
bullPossibilitagrave di monitorare eventi predefiniti
bullRegistrazione on-line e off-line
bullldquoVerifica direttaldquo per sistemi di altissima sicurezza
60
Sistemi Commerciali
Cognitec
Caratteristiche
bullAnalisi di piugrave sequenze video
bullFace detection di volti in piugrave video
bullFace recognition real time
bullCreazione di un file di log
bullRegistrazione interattiva da immagini fisse o
video
bullPannello di gestione dei filmati
bullIntegration Kit per lrsquointegrazione di sistemi
esistenti
61
Viisage FacePASSreg
Caratteristiche
bullFacePASS egrave utilizzato in sistemi di sicurezza controlli
per lrsquoaccesso e verifica di corrispondenza
documentoidentitagrave
bullPermette la verifica di identitagrave
bullPermette di riconoscere a ciascun soggetto identificato
il rispettivo livello di accesso
bullFrutto della tecnologia visage egrave in uso da diversi anni in
applicazioni industriali
bullInterfaccia amichevole costruita sulla base del feed-
back ottenuto dagli utenti
62
IdentiX
ABIS Face Enterprise Edition
Le componenti del sistema ABIS lavorano su architettura distribuita con il vantaggio della scalabilitagrave e della ridondanza
bull Search Core Server ABIS System search engine firmware Lavora su Intelreg Xeontrade o Pentiumreg III blade servers
bull Database Server Oracle 9i Database memorizza fino a 20 million di volti su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni e della dimensione del database richieste
bull Application Server ABIS XML-RPC Application Programming Interface lavora su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni
63
Effettiva percentuale di
utilizzo dei sistemi biometrici
Finger Scan
521
Keystroke Scan
03
Facial Scan
114Hand Scan
100
Middleware
124
Iris Scan
73
Voice Scan
41
Signature Scan
24
64
Biometric Revenues
65
DEMO
49
Variabilitagrave Intra-Classe
LrsquoEspressione
50
Variabilitagrave Intra-Classe
Espressione Posa e Parziali Occlusioni
51
Variabilitagrave Intra-Classe
LrsquoIlluminazione
52
Similaritagrave Inter-Classe
Count of Q2 Q2
Gender A 1 A 2 A 3 A 4 A 5 A 6 A 7 A 8 A 9 A 10Grand Total
Female 8 3 4 4 16 8 0 4 2 51 100
Male 9 5 3 6 6 5 1 2 1 63 100
Grand Total 9 4 3 5 9 6 1 3 1 59 100
54
56
Standard Esistenti
wwwbiometricsorgwwwnistgovbcwg
wwwbioapiorg
wwwibiaorgwwwbiometricfoundationorg
wwwnistgovcbeff
wwwitlnistorg
57
Sistemi CommercialiPanoramica
Il numero di distributori di SDKs (Software Development Kits) da poter integrare in applicazioni
esistenti
Il problema del face detection egrave visto come un problema collaterale
Tutti gli SDKs disponibili sono reperibili solo a pagamento
CompagniaSDK Documentazione Disponibile Tecnologia
Cognitec
Germania
FaceVAC
S SDK
httpwwwcognitec-
agdedocumentationfrsdk_p
ublic
Reti Neurali
HumanScan
Germania
BioID 31
SDK
httpwwwbioidcomsdkdoc
s
Detection Model based
(Hausdorff)
Identix
USA
FaceIT
SDKLocal Feature Analysis
Imagis
Canada
ID2000
SDK
Viisage
USA
FaceTool
sEigenfaces
58
Sistemi Commerciali
Cognitec
Caratteristiche
Basato sulla tecnologia FaceVACSreg
500000 confronti al secondo su processori Pentium
Lavora anche in modalitagrave distribuita
Interfaccia amichevole che permette ordinamento riorganizzazione
navigazione selezione
Piugrave immagini per ciascuna persona
Facile gestione di nuovi soggetti da aggiungere
Possibilitagrave di sottoporre valutazioni sulla qualitagrave
Integration Kit per lrsquointegrazione con altri pacchetti software
59
Sistemi Commerciali
Cognitec
Caratteristiche
bullBasato su tecnologia FaceVACSreg
bullAutomatic face recognition per una maggiore sicurezza a costi
convenienti
bullVaria dalla gestione di un singolo punto di accesso alla
regolazioni degli accessi a reti molto vaste
bullFacile integrazione nei sistemi giagrave esistenti
bullCombinabile con lettori di carte keypads e diverse tipologie di
videocamere
bullPossibilitagrave di monitorare eventi predefiniti
bullRegistrazione on-line e off-line
bullldquoVerifica direttaldquo per sistemi di altissima sicurezza
60
Sistemi Commerciali
Cognitec
Caratteristiche
bullAnalisi di piugrave sequenze video
bullFace detection di volti in piugrave video
bullFace recognition real time
bullCreazione di un file di log
bullRegistrazione interattiva da immagini fisse o
video
bullPannello di gestione dei filmati
bullIntegration Kit per lrsquointegrazione di sistemi
esistenti
61
Viisage FacePASSreg
Caratteristiche
bullFacePASS egrave utilizzato in sistemi di sicurezza controlli
per lrsquoaccesso e verifica di corrispondenza
documentoidentitagrave
bullPermette la verifica di identitagrave
bullPermette di riconoscere a ciascun soggetto identificato
il rispettivo livello di accesso
bullFrutto della tecnologia visage egrave in uso da diversi anni in
applicazioni industriali
bullInterfaccia amichevole costruita sulla base del feed-
back ottenuto dagli utenti
62
IdentiX
ABIS Face Enterprise Edition
Le componenti del sistema ABIS lavorano su architettura distribuita con il vantaggio della scalabilitagrave e della ridondanza
bull Search Core Server ABIS System search engine firmware Lavora su Intelreg Xeontrade o Pentiumreg III blade servers
bull Database Server Oracle 9i Database memorizza fino a 20 million di volti su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni e della dimensione del database richieste
bull Application Server ABIS XML-RPC Application Programming Interface lavora su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni
63
Effettiva percentuale di
utilizzo dei sistemi biometrici
Finger Scan
521
Keystroke Scan
03
Facial Scan
114Hand Scan
100
Middleware
124
Iris Scan
73
Voice Scan
41
Signature Scan
24
64
Biometric Revenues
65
DEMO
50
Variabilitagrave Intra-Classe
Espressione Posa e Parziali Occlusioni
51
Variabilitagrave Intra-Classe
LrsquoIlluminazione
52
Similaritagrave Inter-Classe
Count of Q2 Q2
Gender A 1 A 2 A 3 A 4 A 5 A 6 A 7 A 8 A 9 A 10Grand Total
Female 8 3 4 4 16 8 0 4 2 51 100
Male 9 5 3 6 6 5 1 2 1 63 100
Grand Total 9 4 3 5 9 6 1 3 1 59 100
54
56
Standard Esistenti
wwwbiometricsorgwwwnistgovbcwg
wwwbioapiorg
wwwibiaorgwwwbiometricfoundationorg
wwwnistgovcbeff
wwwitlnistorg
57
Sistemi CommercialiPanoramica
Il numero di distributori di SDKs (Software Development Kits) da poter integrare in applicazioni
esistenti
Il problema del face detection egrave visto come un problema collaterale
Tutti gli SDKs disponibili sono reperibili solo a pagamento
CompagniaSDK Documentazione Disponibile Tecnologia
Cognitec
Germania
FaceVAC
S SDK
httpwwwcognitec-
agdedocumentationfrsdk_p
ublic
Reti Neurali
HumanScan
Germania
BioID 31
SDK
httpwwwbioidcomsdkdoc
s
Detection Model based
(Hausdorff)
Identix
USA
FaceIT
SDKLocal Feature Analysis
Imagis
Canada
ID2000
SDK
Viisage
USA
FaceTool
sEigenfaces
58
Sistemi Commerciali
Cognitec
Caratteristiche
Basato sulla tecnologia FaceVACSreg
500000 confronti al secondo su processori Pentium
Lavora anche in modalitagrave distribuita
Interfaccia amichevole che permette ordinamento riorganizzazione
navigazione selezione
Piugrave immagini per ciascuna persona
Facile gestione di nuovi soggetti da aggiungere
Possibilitagrave di sottoporre valutazioni sulla qualitagrave
Integration Kit per lrsquointegrazione con altri pacchetti software
59
Sistemi Commerciali
Cognitec
Caratteristiche
bullBasato su tecnologia FaceVACSreg
bullAutomatic face recognition per una maggiore sicurezza a costi
convenienti
bullVaria dalla gestione di un singolo punto di accesso alla
regolazioni degli accessi a reti molto vaste
bullFacile integrazione nei sistemi giagrave esistenti
bullCombinabile con lettori di carte keypads e diverse tipologie di
videocamere
bullPossibilitagrave di monitorare eventi predefiniti
bullRegistrazione on-line e off-line
bullldquoVerifica direttaldquo per sistemi di altissima sicurezza
60
Sistemi Commerciali
Cognitec
Caratteristiche
bullAnalisi di piugrave sequenze video
bullFace detection di volti in piugrave video
bullFace recognition real time
bullCreazione di un file di log
bullRegistrazione interattiva da immagini fisse o
video
bullPannello di gestione dei filmati
bullIntegration Kit per lrsquointegrazione di sistemi
esistenti
61
Viisage FacePASSreg
Caratteristiche
bullFacePASS egrave utilizzato in sistemi di sicurezza controlli
per lrsquoaccesso e verifica di corrispondenza
documentoidentitagrave
bullPermette la verifica di identitagrave
bullPermette di riconoscere a ciascun soggetto identificato
il rispettivo livello di accesso
bullFrutto della tecnologia visage egrave in uso da diversi anni in
applicazioni industriali
bullInterfaccia amichevole costruita sulla base del feed-
back ottenuto dagli utenti
62
IdentiX
ABIS Face Enterprise Edition
Le componenti del sistema ABIS lavorano su architettura distribuita con il vantaggio della scalabilitagrave e della ridondanza
bull Search Core Server ABIS System search engine firmware Lavora su Intelreg Xeontrade o Pentiumreg III blade servers
bull Database Server Oracle 9i Database memorizza fino a 20 million di volti su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni e della dimensione del database richieste
bull Application Server ABIS XML-RPC Application Programming Interface lavora su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni
63
Effettiva percentuale di
utilizzo dei sistemi biometrici
Finger Scan
521
Keystroke Scan
03
Facial Scan
114Hand Scan
100
Middleware
124
Iris Scan
73
Voice Scan
41
Signature Scan
24
64
Biometric Revenues
65
DEMO
51
Variabilitagrave Intra-Classe
LrsquoIlluminazione
52
Similaritagrave Inter-Classe
Count of Q2 Q2
Gender A 1 A 2 A 3 A 4 A 5 A 6 A 7 A 8 A 9 A 10Grand Total
Female 8 3 4 4 16 8 0 4 2 51 100
Male 9 5 3 6 6 5 1 2 1 63 100
Grand Total 9 4 3 5 9 6 1 3 1 59 100
54
56
Standard Esistenti
wwwbiometricsorgwwwnistgovbcwg
wwwbioapiorg
wwwibiaorgwwwbiometricfoundationorg
wwwnistgovcbeff
wwwitlnistorg
57
Sistemi CommercialiPanoramica
Il numero di distributori di SDKs (Software Development Kits) da poter integrare in applicazioni
esistenti
Il problema del face detection egrave visto come un problema collaterale
Tutti gli SDKs disponibili sono reperibili solo a pagamento
CompagniaSDK Documentazione Disponibile Tecnologia
Cognitec
Germania
FaceVAC
S SDK
httpwwwcognitec-
agdedocumentationfrsdk_p
ublic
Reti Neurali
HumanScan
Germania
BioID 31
SDK
httpwwwbioidcomsdkdoc
s
Detection Model based
(Hausdorff)
Identix
USA
FaceIT
SDKLocal Feature Analysis
Imagis
Canada
ID2000
SDK
Viisage
USA
FaceTool
sEigenfaces
58
Sistemi Commerciali
Cognitec
Caratteristiche
Basato sulla tecnologia FaceVACSreg
500000 confronti al secondo su processori Pentium
Lavora anche in modalitagrave distribuita
Interfaccia amichevole che permette ordinamento riorganizzazione
navigazione selezione
Piugrave immagini per ciascuna persona
Facile gestione di nuovi soggetti da aggiungere
Possibilitagrave di sottoporre valutazioni sulla qualitagrave
Integration Kit per lrsquointegrazione con altri pacchetti software
59
Sistemi Commerciali
Cognitec
Caratteristiche
bullBasato su tecnologia FaceVACSreg
bullAutomatic face recognition per una maggiore sicurezza a costi
convenienti
bullVaria dalla gestione di un singolo punto di accesso alla
regolazioni degli accessi a reti molto vaste
bullFacile integrazione nei sistemi giagrave esistenti
bullCombinabile con lettori di carte keypads e diverse tipologie di
videocamere
bullPossibilitagrave di monitorare eventi predefiniti
bullRegistrazione on-line e off-line
bullldquoVerifica direttaldquo per sistemi di altissima sicurezza
60
Sistemi Commerciali
Cognitec
Caratteristiche
bullAnalisi di piugrave sequenze video
bullFace detection di volti in piugrave video
bullFace recognition real time
bullCreazione di un file di log
bullRegistrazione interattiva da immagini fisse o
video
bullPannello di gestione dei filmati
bullIntegration Kit per lrsquointegrazione di sistemi
esistenti
61
Viisage FacePASSreg
Caratteristiche
bullFacePASS egrave utilizzato in sistemi di sicurezza controlli
per lrsquoaccesso e verifica di corrispondenza
documentoidentitagrave
bullPermette la verifica di identitagrave
bullPermette di riconoscere a ciascun soggetto identificato
il rispettivo livello di accesso
bullFrutto della tecnologia visage egrave in uso da diversi anni in
applicazioni industriali
bullInterfaccia amichevole costruita sulla base del feed-
back ottenuto dagli utenti
62
IdentiX
ABIS Face Enterprise Edition
Le componenti del sistema ABIS lavorano su architettura distribuita con il vantaggio della scalabilitagrave e della ridondanza
bull Search Core Server ABIS System search engine firmware Lavora su Intelreg Xeontrade o Pentiumreg III blade servers
bull Database Server Oracle 9i Database memorizza fino a 20 million di volti su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni e della dimensione del database richieste
bull Application Server ABIS XML-RPC Application Programming Interface lavora su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni
63
Effettiva percentuale di
utilizzo dei sistemi biometrici
Finger Scan
521
Keystroke Scan
03
Facial Scan
114Hand Scan
100
Middleware
124
Iris Scan
73
Voice Scan
41
Signature Scan
24
64
Biometric Revenues
65
DEMO
52
Similaritagrave Inter-Classe
Count of Q2 Q2
Gender A 1 A 2 A 3 A 4 A 5 A 6 A 7 A 8 A 9 A 10Grand Total
Female 8 3 4 4 16 8 0 4 2 51 100
Male 9 5 3 6 6 5 1 2 1 63 100
Grand Total 9 4 3 5 9 6 1 3 1 59 100
54
56
Standard Esistenti
wwwbiometricsorgwwwnistgovbcwg
wwwbioapiorg
wwwibiaorgwwwbiometricfoundationorg
wwwnistgovcbeff
wwwitlnistorg
57
Sistemi CommercialiPanoramica
Il numero di distributori di SDKs (Software Development Kits) da poter integrare in applicazioni
esistenti
Il problema del face detection egrave visto come un problema collaterale
Tutti gli SDKs disponibili sono reperibili solo a pagamento
CompagniaSDK Documentazione Disponibile Tecnologia
Cognitec
Germania
FaceVAC
S SDK
httpwwwcognitec-
agdedocumentationfrsdk_p
ublic
Reti Neurali
HumanScan
Germania
BioID 31
SDK
httpwwwbioidcomsdkdoc
s
Detection Model based
(Hausdorff)
Identix
USA
FaceIT
SDKLocal Feature Analysis
Imagis
Canada
ID2000
SDK
Viisage
USA
FaceTool
sEigenfaces
58
Sistemi Commerciali
Cognitec
Caratteristiche
Basato sulla tecnologia FaceVACSreg
500000 confronti al secondo su processori Pentium
Lavora anche in modalitagrave distribuita
Interfaccia amichevole che permette ordinamento riorganizzazione
navigazione selezione
Piugrave immagini per ciascuna persona
Facile gestione di nuovi soggetti da aggiungere
Possibilitagrave di sottoporre valutazioni sulla qualitagrave
Integration Kit per lrsquointegrazione con altri pacchetti software
59
Sistemi Commerciali
Cognitec
Caratteristiche
bullBasato su tecnologia FaceVACSreg
bullAutomatic face recognition per una maggiore sicurezza a costi
convenienti
bullVaria dalla gestione di un singolo punto di accesso alla
regolazioni degli accessi a reti molto vaste
bullFacile integrazione nei sistemi giagrave esistenti
bullCombinabile con lettori di carte keypads e diverse tipologie di
videocamere
bullPossibilitagrave di monitorare eventi predefiniti
bullRegistrazione on-line e off-line
bullldquoVerifica direttaldquo per sistemi di altissima sicurezza
60
Sistemi Commerciali
Cognitec
Caratteristiche
bullAnalisi di piugrave sequenze video
bullFace detection di volti in piugrave video
bullFace recognition real time
bullCreazione di un file di log
bullRegistrazione interattiva da immagini fisse o
video
bullPannello di gestione dei filmati
bullIntegration Kit per lrsquointegrazione di sistemi
esistenti
61
Viisage FacePASSreg
Caratteristiche
bullFacePASS egrave utilizzato in sistemi di sicurezza controlli
per lrsquoaccesso e verifica di corrispondenza
documentoidentitagrave
bullPermette la verifica di identitagrave
bullPermette di riconoscere a ciascun soggetto identificato
il rispettivo livello di accesso
bullFrutto della tecnologia visage egrave in uso da diversi anni in
applicazioni industriali
bullInterfaccia amichevole costruita sulla base del feed-
back ottenuto dagli utenti
62
IdentiX
ABIS Face Enterprise Edition
Le componenti del sistema ABIS lavorano su architettura distribuita con il vantaggio della scalabilitagrave e della ridondanza
bull Search Core Server ABIS System search engine firmware Lavora su Intelreg Xeontrade o Pentiumreg III blade servers
bull Database Server Oracle 9i Database memorizza fino a 20 million di volti su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni e della dimensione del database richieste
bull Application Server ABIS XML-RPC Application Programming Interface lavora su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni
63
Effettiva percentuale di
utilizzo dei sistemi biometrici
Finger Scan
521
Keystroke Scan
03
Facial Scan
114Hand Scan
100
Middleware
124
Iris Scan
73
Voice Scan
41
Signature Scan
24
64
Biometric Revenues
65
DEMO
Count of Q2 Q2
Gender A 1 A 2 A 3 A 4 A 5 A 6 A 7 A 8 A 9 A 10Grand Total
Female 8 3 4 4 16 8 0 4 2 51 100
Male 9 5 3 6 6 5 1 2 1 63 100
Grand Total 9 4 3 5 9 6 1 3 1 59 100
54
56
Standard Esistenti
wwwbiometricsorgwwwnistgovbcwg
wwwbioapiorg
wwwibiaorgwwwbiometricfoundationorg
wwwnistgovcbeff
wwwitlnistorg
57
Sistemi CommercialiPanoramica
Il numero di distributori di SDKs (Software Development Kits) da poter integrare in applicazioni
esistenti
Il problema del face detection egrave visto come un problema collaterale
Tutti gli SDKs disponibili sono reperibili solo a pagamento
CompagniaSDK Documentazione Disponibile Tecnologia
Cognitec
Germania
FaceVAC
S SDK
httpwwwcognitec-
agdedocumentationfrsdk_p
ublic
Reti Neurali
HumanScan
Germania
BioID 31
SDK
httpwwwbioidcomsdkdoc
s
Detection Model based
(Hausdorff)
Identix
USA
FaceIT
SDKLocal Feature Analysis
Imagis
Canada
ID2000
SDK
Viisage
USA
FaceTool
sEigenfaces
58
Sistemi Commerciali
Cognitec
Caratteristiche
Basato sulla tecnologia FaceVACSreg
500000 confronti al secondo su processori Pentium
Lavora anche in modalitagrave distribuita
Interfaccia amichevole che permette ordinamento riorganizzazione
navigazione selezione
Piugrave immagini per ciascuna persona
Facile gestione di nuovi soggetti da aggiungere
Possibilitagrave di sottoporre valutazioni sulla qualitagrave
Integration Kit per lrsquointegrazione con altri pacchetti software
59
Sistemi Commerciali
Cognitec
Caratteristiche
bullBasato su tecnologia FaceVACSreg
bullAutomatic face recognition per una maggiore sicurezza a costi
convenienti
bullVaria dalla gestione di un singolo punto di accesso alla
regolazioni degli accessi a reti molto vaste
bullFacile integrazione nei sistemi giagrave esistenti
bullCombinabile con lettori di carte keypads e diverse tipologie di
videocamere
bullPossibilitagrave di monitorare eventi predefiniti
bullRegistrazione on-line e off-line
bullldquoVerifica direttaldquo per sistemi di altissima sicurezza
60
Sistemi Commerciali
Cognitec
Caratteristiche
bullAnalisi di piugrave sequenze video
bullFace detection di volti in piugrave video
bullFace recognition real time
bullCreazione di un file di log
bullRegistrazione interattiva da immagini fisse o
video
bullPannello di gestione dei filmati
bullIntegration Kit per lrsquointegrazione di sistemi
esistenti
61
Viisage FacePASSreg
Caratteristiche
bullFacePASS egrave utilizzato in sistemi di sicurezza controlli
per lrsquoaccesso e verifica di corrispondenza
documentoidentitagrave
bullPermette la verifica di identitagrave
bullPermette di riconoscere a ciascun soggetto identificato
il rispettivo livello di accesso
bullFrutto della tecnologia visage egrave in uso da diversi anni in
applicazioni industriali
bullInterfaccia amichevole costruita sulla base del feed-
back ottenuto dagli utenti
62
IdentiX
ABIS Face Enterprise Edition
Le componenti del sistema ABIS lavorano su architettura distribuita con il vantaggio della scalabilitagrave e della ridondanza
bull Search Core Server ABIS System search engine firmware Lavora su Intelreg Xeontrade o Pentiumreg III blade servers
bull Database Server Oracle 9i Database memorizza fino a 20 million di volti su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni e della dimensione del database richieste
bull Application Server ABIS XML-RPC Application Programming Interface lavora su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni
63
Effettiva percentuale di
utilizzo dei sistemi biometrici
Finger Scan
521
Keystroke Scan
03
Facial Scan
114Hand Scan
100
Middleware
124
Iris Scan
73
Voice Scan
41
Signature Scan
24
64
Biometric Revenues
65
DEMO
54
56
Standard Esistenti
wwwbiometricsorgwwwnistgovbcwg
wwwbioapiorg
wwwibiaorgwwwbiometricfoundationorg
wwwnistgovcbeff
wwwitlnistorg
57
Sistemi CommercialiPanoramica
Il numero di distributori di SDKs (Software Development Kits) da poter integrare in applicazioni
esistenti
Il problema del face detection egrave visto come un problema collaterale
Tutti gli SDKs disponibili sono reperibili solo a pagamento
CompagniaSDK Documentazione Disponibile Tecnologia
Cognitec
Germania
FaceVAC
S SDK
httpwwwcognitec-
agdedocumentationfrsdk_p
ublic
Reti Neurali
HumanScan
Germania
BioID 31
SDK
httpwwwbioidcomsdkdoc
s
Detection Model based
(Hausdorff)
Identix
USA
FaceIT
SDKLocal Feature Analysis
Imagis
Canada
ID2000
SDK
Viisage
USA
FaceTool
sEigenfaces
58
Sistemi Commerciali
Cognitec
Caratteristiche
Basato sulla tecnologia FaceVACSreg
500000 confronti al secondo su processori Pentium
Lavora anche in modalitagrave distribuita
Interfaccia amichevole che permette ordinamento riorganizzazione
navigazione selezione
Piugrave immagini per ciascuna persona
Facile gestione di nuovi soggetti da aggiungere
Possibilitagrave di sottoporre valutazioni sulla qualitagrave
Integration Kit per lrsquointegrazione con altri pacchetti software
59
Sistemi Commerciali
Cognitec
Caratteristiche
bullBasato su tecnologia FaceVACSreg
bullAutomatic face recognition per una maggiore sicurezza a costi
convenienti
bullVaria dalla gestione di un singolo punto di accesso alla
regolazioni degli accessi a reti molto vaste
bullFacile integrazione nei sistemi giagrave esistenti
bullCombinabile con lettori di carte keypads e diverse tipologie di
videocamere
bullPossibilitagrave di monitorare eventi predefiniti
bullRegistrazione on-line e off-line
bullldquoVerifica direttaldquo per sistemi di altissima sicurezza
60
Sistemi Commerciali
Cognitec
Caratteristiche
bullAnalisi di piugrave sequenze video
bullFace detection di volti in piugrave video
bullFace recognition real time
bullCreazione di un file di log
bullRegistrazione interattiva da immagini fisse o
video
bullPannello di gestione dei filmati
bullIntegration Kit per lrsquointegrazione di sistemi
esistenti
61
Viisage FacePASSreg
Caratteristiche
bullFacePASS egrave utilizzato in sistemi di sicurezza controlli
per lrsquoaccesso e verifica di corrispondenza
documentoidentitagrave
bullPermette la verifica di identitagrave
bullPermette di riconoscere a ciascun soggetto identificato
il rispettivo livello di accesso
bullFrutto della tecnologia visage egrave in uso da diversi anni in
applicazioni industriali
bullInterfaccia amichevole costruita sulla base del feed-
back ottenuto dagli utenti
62
IdentiX
ABIS Face Enterprise Edition
Le componenti del sistema ABIS lavorano su architettura distribuita con il vantaggio della scalabilitagrave e della ridondanza
bull Search Core Server ABIS System search engine firmware Lavora su Intelreg Xeontrade o Pentiumreg III blade servers
bull Database Server Oracle 9i Database memorizza fino a 20 million di volti su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni e della dimensione del database richieste
bull Application Server ABIS XML-RPC Application Programming Interface lavora su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni
63
Effettiva percentuale di
utilizzo dei sistemi biometrici
Finger Scan
521
Keystroke Scan
03
Facial Scan
114Hand Scan
100
Middleware
124
Iris Scan
73
Voice Scan
41
Signature Scan
24
64
Biometric Revenues
65
DEMO
56
Standard Esistenti
wwwbiometricsorgwwwnistgovbcwg
wwwbioapiorg
wwwibiaorgwwwbiometricfoundationorg
wwwnistgovcbeff
wwwitlnistorg
57
Sistemi CommercialiPanoramica
Il numero di distributori di SDKs (Software Development Kits) da poter integrare in applicazioni
esistenti
Il problema del face detection egrave visto come un problema collaterale
Tutti gli SDKs disponibili sono reperibili solo a pagamento
CompagniaSDK Documentazione Disponibile Tecnologia
Cognitec
Germania
FaceVAC
S SDK
httpwwwcognitec-
agdedocumentationfrsdk_p
ublic
Reti Neurali
HumanScan
Germania
BioID 31
SDK
httpwwwbioidcomsdkdoc
s
Detection Model based
(Hausdorff)
Identix
USA
FaceIT
SDKLocal Feature Analysis
Imagis
Canada
ID2000
SDK
Viisage
USA
FaceTool
sEigenfaces
58
Sistemi Commerciali
Cognitec
Caratteristiche
Basato sulla tecnologia FaceVACSreg
500000 confronti al secondo su processori Pentium
Lavora anche in modalitagrave distribuita
Interfaccia amichevole che permette ordinamento riorganizzazione
navigazione selezione
Piugrave immagini per ciascuna persona
Facile gestione di nuovi soggetti da aggiungere
Possibilitagrave di sottoporre valutazioni sulla qualitagrave
Integration Kit per lrsquointegrazione con altri pacchetti software
59
Sistemi Commerciali
Cognitec
Caratteristiche
bullBasato su tecnologia FaceVACSreg
bullAutomatic face recognition per una maggiore sicurezza a costi
convenienti
bullVaria dalla gestione di un singolo punto di accesso alla
regolazioni degli accessi a reti molto vaste
bullFacile integrazione nei sistemi giagrave esistenti
bullCombinabile con lettori di carte keypads e diverse tipologie di
videocamere
bullPossibilitagrave di monitorare eventi predefiniti
bullRegistrazione on-line e off-line
bullldquoVerifica direttaldquo per sistemi di altissima sicurezza
60
Sistemi Commerciali
Cognitec
Caratteristiche
bullAnalisi di piugrave sequenze video
bullFace detection di volti in piugrave video
bullFace recognition real time
bullCreazione di un file di log
bullRegistrazione interattiva da immagini fisse o
video
bullPannello di gestione dei filmati
bullIntegration Kit per lrsquointegrazione di sistemi
esistenti
61
Viisage FacePASSreg
Caratteristiche
bullFacePASS egrave utilizzato in sistemi di sicurezza controlli
per lrsquoaccesso e verifica di corrispondenza
documentoidentitagrave
bullPermette la verifica di identitagrave
bullPermette di riconoscere a ciascun soggetto identificato
il rispettivo livello di accesso
bullFrutto della tecnologia visage egrave in uso da diversi anni in
applicazioni industriali
bullInterfaccia amichevole costruita sulla base del feed-
back ottenuto dagli utenti
62
IdentiX
ABIS Face Enterprise Edition
Le componenti del sistema ABIS lavorano su architettura distribuita con il vantaggio della scalabilitagrave e della ridondanza
bull Search Core Server ABIS System search engine firmware Lavora su Intelreg Xeontrade o Pentiumreg III blade servers
bull Database Server Oracle 9i Database memorizza fino a 20 million di volti su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni e della dimensione del database richieste
bull Application Server ABIS XML-RPC Application Programming Interface lavora su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni
63
Effettiva percentuale di
utilizzo dei sistemi biometrici
Finger Scan
521
Keystroke Scan
03
Facial Scan
114Hand Scan
100
Middleware
124
Iris Scan
73
Voice Scan
41
Signature Scan
24
64
Biometric Revenues
65
DEMO
57
Sistemi CommercialiPanoramica
Il numero di distributori di SDKs (Software Development Kits) da poter integrare in applicazioni
esistenti
Il problema del face detection egrave visto come un problema collaterale
Tutti gli SDKs disponibili sono reperibili solo a pagamento
CompagniaSDK Documentazione Disponibile Tecnologia
Cognitec
Germania
FaceVAC
S SDK
httpwwwcognitec-
agdedocumentationfrsdk_p
ublic
Reti Neurali
HumanScan
Germania
BioID 31
SDK
httpwwwbioidcomsdkdoc
s
Detection Model based
(Hausdorff)
Identix
USA
FaceIT
SDKLocal Feature Analysis
Imagis
Canada
ID2000
SDK
Viisage
USA
FaceTool
sEigenfaces
58
Sistemi Commerciali
Cognitec
Caratteristiche
Basato sulla tecnologia FaceVACSreg
500000 confronti al secondo su processori Pentium
Lavora anche in modalitagrave distribuita
Interfaccia amichevole che permette ordinamento riorganizzazione
navigazione selezione
Piugrave immagini per ciascuna persona
Facile gestione di nuovi soggetti da aggiungere
Possibilitagrave di sottoporre valutazioni sulla qualitagrave
Integration Kit per lrsquointegrazione con altri pacchetti software
59
Sistemi Commerciali
Cognitec
Caratteristiche
bullBasato su tecnologia FaceVACSreg
bullAutomatic face recognition per una maggiore sicurezza a costi
convenienti
bullVaria dalla gestione di un singolo punto di accesso alla
regolazioni degli accessi a reti molto vaste
bullFacile integrazione nei sistemi giagrave esistenti
bullCombinabile con lettori di carte keypads e diverse tipologie di
videocamere
bullPossibilitagrave di monitorare eventi predefiniti
bullRegistrazione on-line e off-line
bullldquoVerifica direttaldquo per sistemi di altissima sicurezza
60
Sistemi Commerciali
Cognitec
Caratteristiche
bullAnalisi di piugrave sequenze video
bullFace detection di volti in piugrave video
bullFace recognition real time
bullCreazione di un file di log
bullRegistrazione interattiva da immagini fisse o
video
bullPannello di gestione dei filmati
bullIntegration Kit per lrsquointegrazione di sistemi
esistenti
61
Viisage FacePASSreg
Caratteristiche
bullFacePASS egrave utilizzato in sistemi di sicurezza controlli
per lrsquoaccesso e verifica di corrispondenza
documentoidentitagrave
bullPermette la verifica di identitagrave
bullPermette di riconoscere a ciascun soggetto identificato
il rispettivo livello di accesso
bullFrutto della tecnologia visage egrave in uso da diversi anni in
applicazioni industriali
bullInterfaccia amichevole costruita sulla base del feed-
back ottenuto dagli utenti
62
IdentiX
ABIS Face Enterprise Edition
Le componenti del sistema ABIS lavorano su architettura distribuita con il vantaggio della scalabilitagrave e della ridondanza
bull Search Core Server ABIS System search engine firmware Lavora su Intelreg Xeontrade o Pentiumreg III blade servers
bull Database Server Oracle 9i Database memorizza fino a 20 million di volti su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni e della dimensione del database richieste
bull Application Server ABIS XML-RPC Application Programming Interface lavora su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni
63
Effettiva percentuale di
utilizzo dei sistemi biometrici
Finger Scan
521
Keystroke Scan
03
Facial Scan
114Hand Scan
100
Middleware
124
Iris Scan
73
Voice Scan
41
Signature Scan
24
64
Biometric Revenues
65
DEMO
58
Sistemi Commerciali
Cognitec
Caratteristiche
Basato sulla tecnologia FaceVACSreg
500000 confronti al secondo su processori Pentium
Lavora anche in modalitagrave distribuita
Interfaccia amichevole che permette ordinamento riorganizzazione
navigazione selezione
Piugrave immagini per ciascuna persona
Facile gestione di nuovi soggetti da aggiungere
Possibilitagrave di sottoporre valutazioni sulla qualitagrave
Integration Kit per lrsquointegrazione con altri pacchetti software
59
Sistemi Commerciali
Cognitec
Caratteristiche
bullBasato su tecnologia FaceVACSreg
bullAutomatic face recognition per una maggiore sicurezza a costi
convenienti
bullVaria dalla gestione di un singolo punto di accesso alla
regolazioni degli accessi a reti molto vaste
bullFacile integrazione nei sistemi giagrave esistenti
bullCombinabile con lettori di carte keypads e diverse tipologie di
videocamere
bullPossibilitagrave di monitorare eventi predefiniti
bullRegistrazione on-line e off-line
bullldquoVerifica direttaldquo per sistemi di altissima sicurezza
60
Sistemi Commerciali
Cognitec
Caratteristiche
bullAnalisi di piugrave sequenze video
bullFace detection di volti in piugrave video
bullFace recognition real time
bullCreazione di un file di log
bullRegistrazione interattiva da immagini fisse o
video
bullPannello di gestione dei filmati
bullIntegration Kit per lrsquointegrazione di sistemi
esistenti
61
Viisage FacePASSreg
Caratteristiche
bullFacePASS egrave utilizzato in sistemi di sicurezza controlli
per lrsquoaccesso e verifica di corrispondenza
documentoidentitagrave
bullPermette la verifica di identitagrave
bullPermette di riconoscere a ciascun soggetto identificato
il rispettivo livello di accesso
bullFrutto della tecnologia visage egrave in uso da diversi anni in
applicazioni industriali
bullInterfaccia amichevole costruita sulla base del feed-
back ottenuto dagli utenti
62
IdentiX
ABIS Face Enterprise Edition
Le componenti del sistema ABIS lavorano su architettura distribuita con il vantaggio della scalabilitagrave e della ridondanza
bull Search Core Server ABIS System search engine firmware Lavora su Intelreg Xeontrade o Pentiumreg III blade servers
bull Database Server Oracle 9i Database memorizza fino a 20 million di volti su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni e della dimensione del database richieste
bull Application Server ABIS XML-RPC Application Programming Interface lavora su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni
63
Effettiva percentuale di
utilizzo dei sistemi biometrici
Finger Scan
521
Keystroke Scan
03
Facial Scan
114Hand Scan
100
Middleware
124
Iris Scan
73
Voice Scan
41
Signature Scan
24
64
Biometric Revenues
65
DEMO
59
Sistemi Commerciali
Cognitec
Caratteristiche
bullBasato su tecnologia FaceVACSreg
bullAutomatic face recognition per una maggiore sicurezza a costi
convenienti
bullVaria dalla gestione di un singolo punto di accesso alla
regolazioni degli accessi a reti molto vaste
bullFacile integrazione nei sistemi giagrave esistenti
bullCombinabile con lettori di carte keypads e diverse tipologie di
videocamere
bullPossibilitagrave di monitorare eventi predefiniti
bullRegistrazione on-line e off-line
bullldquoVerifica direttaldquo per sistemi di altissima sicurezza
60
Sistemi Commerciali
Cognitec
Caratteristiche
bullAnalisi di piugrave sequenze video
bullFace detection di volti in piugrave video
bullFace recognition real time
bullCreazione di un file di log
bullRegistrazione interattiva da immagini fisse o
video
bullPannello di gestione dei filmati
bullIntegration Kit per lrsquointegrazione di sistemi
esistenti
61
Viisage FacePASSreg
Caratteristiche
bullFacePASS egrave utilizzato in sistemi di sicurezza controlli
per lrsquoaccesso e verifica di corrispondenza
documentoidentitagrave
bullPermette la verifica di identitagrave
bullPermette di riconoscere a ciascun soggetto identificato
il rispettivo livello di accesso
bullFrutto della tecnologia visage egrave in uso da diversi anni in
applicazioni industriali
bullInterfaccia amichevole costruita sulla base del feed-
back ottenuto dagli utenti
62
IdentiX
ABIS Face Enterprise Edition
Le componenti del sistema ABIS lavorano su architettura distribuita con il vantaggio della scalabilitagrave e della ridondanza
bull Search Core Server ABIS System search engine firmware Lavora su Intelreg Xeontrade o Pentiumreg III blade servers
bull Database Server Oracle 9i Database memorizza fino a 20 million di volti su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni e della dimensione del database richieste
bull Application Server ABIS XML-RPC Application Programming Interface lavora su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni
63
Effettiva percentuale di
utilizzo dei sistemi biometrici
Finger Scan
521
Keystroke Scan
03
Facial Scan
114Hand Scan
100
Middleware
124
Iris Scan
73
Voice Scan
41
Signature Scan
24
64
Biometric Revenues
65
DEMO
60
Sistemi Commerciali
Cognitec
Caratteristiche
bullAnalisi di piugrave sequenze video
bullFace detection di volti in piugrave video
bullFace recognition real time
bullCreazione di un file di log
bullRegistrazione interattiva da immagini fisse o
video
bullPannello di gestione dei filmati
bullIntegration Kit per lrsquointegrazione di sistemi
esistenti
61
Viisage FacePASSreg
Caratteristiche
bullFacePASS egrave utilizzato in sistemi di sicurezza controlli
per lrsquoaccesso e verifica di corrispondenza
documentoidentitagrave
bullPermette la verifica di identitagrave
bullPermette di riconoscere a ciascun soggetto identificato
il rispettivo livello di accesso
bullFrutto della tecnologia visage egrave in uso da diversi anni in
applicazioni industriali
bullInterfaccia amichevole costruita sulla base del feed-
back ottenuto dagli utenti
62
IdentiX
ABIS Face Enterprise Edition
Le componenti del sistema ABIS lavorano su architettura distribuita con il vantaggio della scalabilitagrave e della ridondanza
bull Search Core Server ABIS System search engine firmware Lavora su Intelreg Xeontrade o Pentiumreg III blade servers
bull Database Server Oracle 9i Database memorizza fino a 20 million di volti su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni e della dimensione del database richieste
bull Application Server ABIS XML-RPC Application Programming Interface lavora su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni
63
Effettiva percentuale di
utilizzo dei sistemi biometrici
Finger Scan
521
Keystroke Scan
03
Facial Scan
114Hand Scan
100
Middleware
124
Iris Scan
73
Voice Scan
41
Signature Scan
24
64
Biometric Revenues
65
DEMO
61
Viisage FacePASSreg
Caratteristiche
bullFacePASS egrave utilizzato in sistemi di sicurezza controlli
per lrsquoaccesso e verifica di corrispondenza
documentoidentitagrave
bullPermette la verifica di identitagrave
bullPermette di riconoscere a ciascun soggetto identificato
il rispettivo livello di accesso
bullFrutto della tecnologia visage egrave in uso da diversi anni in
applicazioni industriali
bullInterfaccia amichevole costruita sulla base del feed-
back ottenuto dagli utenti
62
IdentiX
ABIS Face Enterprise Edition
Le componenti del sistema ABIS lavorano su architettura distribuita con il vantaggio della scalabilitagrave e della ridondanza
bull Search Core Server ABIS System search engine firmware Lavora su Intelreg Xeontrade o Pentiumreg III blade servers
bull Database Server Oracle 9i Database memorizza fino a 20 million di volti su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni e della dimensione del database richieste
bull Application Server ABIS XML-RPC Application Programming Interface lavora su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni
63
Effettiva percentuale di
utilizzo dei sistemi biometrici
Finger Scan
521
Keystroke Scan
03
Facial Scan
114Hand Scan
100
Middleware
124
Iris Scan
73
Voice Scan
41
Signature Scan
24
64
Biometric Revenues
65
DEMO
62
IdentiX
ABIS Face Enterprise Edition
Le componenti del sistema ABIS lavorano su architettura distribuita con il vantaggio della scalabilitagrave e della ridondanza
bull Search Core Server ABIS System search engine firmware Lavora su Intelreg Xeontrade o Pentiumreg III blade servers
bull Database Server Oracle 9i Database memorizza fino a 20 million di volti su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni e della dimensione del database richieste
bull Application Server ABIS XML-RPC Application Programming Interface lavora su Windows 2000 Server Gira su un dual Intel Xeon Processors a seconda della frequenza delle interrogazioni
63
Effettiva percentuale di
utilizzo dei sistemi biometrici
Finger Scan
521
Keystroke Scan
03
Facial Scan
114Hand Scan
100
Middleware
124
Iris Scan
73
Voice Scan
41
Signature Scan
24
64
Biometric Revenues
65
DEMO
63
Effettiva percentuale di
utilizzo dei sistemi biometrici
Finger Scan
521
Keystroke Scan
03
Facial Scan
114Hand Scan
100
Middleware
124
Iris Scan
73
Voice Scan
41
Signature Scan
24
64
Biometric Revenues
65
DEMO
64
Biometric Revenues
65
DEMO
65
DEMO