DETECÇÃO AUTOMÁTICA DE IMPRESSÕES DIGITAIS FALSAS

cional, descritas nas Subseções 3.3.1 e 3.3.2, respectivamente. Em seguida, os métodos basea- dos em visão computacional são alvo de estudo mais detalhado: na Seção 3.3.4 é proposta uma nova taxonomia para estruturar seus elementos básicos que seguem descritos na Seção 3.3.5.

3.2.1 Técnicas baseadas em hardware

As soluções integradas ao hardware do sensor biométrico avaliam sinais vitais e/ou propriedades biomédicas do dedo apresentado. A seguir, os métodos mais utilizados nesse contexto são brevemente discutidos:

• Oximetria de pulso: baseia-se na absorção de luz vermelha e infra-vermelha pela he- moglobina oxigenada. Uma vez que o sangue saturado de oxigênio tem um espectro de absorção de luz diferente do sangue não saturado, é possível mensurar o nível de associ- ação do gás às hemoglobinas, bem como a frequência e a amplitude do pulso. No entanto, a grande desvantagem dessa técnica reside no fato de que a luminosidade do ambiente pode interferir na aquisição dos dados [12];

• Eletrocardiograma: quando aplicada, a análise do ECG necessita de dois pontos de contato em lados opostos do corpo do usuário, tornando o processo da captura biométrica pouco prática e desconfortável [12]. Além disso, amostras sintéticas com resistência elétrica e espessura ideais, quando posicionadas sobre o sensor em contato com a pele humana, podem não ser detectadas;

• Análise da temperatura da epiderme: trata-se de uma abordagem bastante simples baseada no fato de que a temperatura da epiderme varia tipicamente entre 25 e 30°C. Dessa forma, tais sistemas estão suscetíveis a falhas em função da variação da tempera- tura ambiente [12];

• Análise multi-espectral: baseia-se no registro de múltiplas imagens sob a incidência de iluminação com diferentes comprimentos de onda. A composição de todas as respostas obtidas permite uma análise mais criteriosa sobre a amostra biométrica em análise. No entanto, um estudo recente [12] aponta materiais com comportamento óptico semelhante à pele humana, e.g. gelatina.

3.2.2 Técnicas baseadas em visão computacional

São soluções implementadas inteiramente em software, ou seja, todas as características avali- adas são extraídas digitalmente das imagens. Consequentemente, essas soluções estão associ- adas a um menor custo de produção e manutenção em relação àquelas baseadas em hardware.

As características avaliadas em sistemas de visão computacional podem ser dinâmicas ou estáticas [6]. As dinâmicas avaliam as mudanças que ocorrem na imagem de impressão digital durante o processo de captura biométrica [12, 13, 14, 15], tipicamente são processadas imagens capturadas em t0= 0s, t1= 2s e t3= 5s após o posicionamento do dedo sobre o sensor. As

características estáticas, por sua vez, avaliam a estrutura apresentada ao longo de uma única imagem [16, 6, 7, 8].

3.2 DETECÇÃO AUTOMÁTICA DE IMPRESSÕES DIGITAIS FALSAS 13

O presente trabalho foca nas soluções baseadas em visão computacional com características estáticas. Nas próximas subseções, uma categorização para essas características é proposta e, em seguida, os modelos matemáticos dos extratores de características são expostos.

3.2.3 Taxonomia das características da imagem

De acordo com Marasco e Sansone [6], as características da imagem podem estar associadas (i) ao processo de transpiração da pele ou (ii) às estruturas morfológicas geradas pelas cristas papilares. A partir dessas duas classes de características, é possível detalhar cinco novas sub- classes:

(i) Características de transpiração da pele

• Variações de umidade: o fluxo de suor na superfície dos dedos inicia-se nos poros e espalha-se ao longo das cristas papilares, criando, assim, variações na escala de cinza da imagem: cristas mais escuras correspondem a regiões úmidas do dedo, enquanto as mais claras estão associadas a regiões mais secas [12].

Uma vez que o fenômeno da transpiração não é observado em biometrias sintéticas, as imagens de impressões digitais autênticas devem apresentar uma maior variabili- dade de níveis de cinza [14]. A Figura 3.2, por exemplo, expõe uma imagem na qual é possível diferenciar duas regiões da impressão digital: uma mais clara e a outra escura, a linha traçada esboça uma fronteira de separação entre elas.

Convém ressaltar que variações na pressão durante posicionamento da biometria so- bre o sensor são, também, responsáveis por mudanças na escala de cinza da imagem obtida. Regiões pressionadas com maior intensidade geram áreas mais escuras na imagem, independentemente da autenticidade do exemplar em questão;

• Distribuição dos poros de suor: com a sequência do processo de transpiração, a umidade concentra-se nas cristas papilares, criando pontos secos nas proximidades dos poros de suor. Em imagens de impressões digitais autênticas, a periodicidade desses pontos coincide com o intervalo entre os poros ao longo das cristas [14]. Na Figura 3.2, uma região circular da biometria é expandida, assim é possível visu- alizar a periodicidade dos pontos claros (poros de suor) ao longo das regiões escuras (cristas papilares úmidas).

(ii) Características morfológicas

• Continuidade das cristas papilares: imperfeições na superfície de uma impressão digital sintética surgem ainda no seu processo de fabricação devido, por exemplo, ao crescimento de bolhas de ar. A imagem da falsificação pode apresentar, portanto, interrupções no fluxo das cristas papilares (como ilustra a Figura 3.3) ou, ainda, mudanças abruptas de direção [7];

• Frequência interpapilar: as variações na escala de cinza entre sucessivas cristas papilares e sulcos interpapilares estão associadas às frequências interpapilares da

3.2 DETECÇÃO AUTOMÁTICA DE IMPRESSÕES DIGITAIS FALSAS 14

Figura 3.2 Elementos do processo de transpiração evidenciados em uma imagem de biometria autên- tica. Os segmentos de reta, em amarelo, separam regiões nas quais a divergência entre os níveis de cinza são perceptíveis. As cristas papilares mais claras correspondem a áreas secas do dedo, enquanto as cristas escuras estão associadas às regiões úmidas. Na área circular em destaque, é possível visualizar os poros de suor (pontos claros) distribuídos periodicamente ao longo das cristas papilares úmidas.

impressão digital. Um espectro de frequências mais amplo é esperado em ima- gens de biometrias falsas [7]. Empiricamente, é possível constatar que a maioria dos materiais sintéticos, quando pressionados contra a superfície do sensor, gera deformações mais acentuadas em determinadas regiões da biometria. Alterando, portanto, as distâncias entre cristas e consequentemente a frequência em questão. A Figura 3.3 ilustra duas regiões de uma impressão digital sintética com frequências interpapilares visualmente distintas;

• Rugosidade da superfície: a maioria dos materiais sintéticos utilizados na con- fecção das falsificações, como por exemplo cola e gelatina, é composta por grandes moléculas orgânicas que tendem a aglomerar-se durante o processo de fabricação. Por fim, a superfície da biometria sintética produzida possui, em geral, um nível de rugosidade superior à encontrada nos dedos vivos. A partir da imagem da biometria, é possível identificar o nível de rugosidade da superfície através da análise do ruído presente na imagem [16].

Figura 3.3 Elementos morfológicos presentes em uma impressão digital falsa. As regiões circulares em destaque ilustram a descontinuidade do fluxo das cristas papilares associadas a erros durante a fabricação do artefato. Além disso, as regiões superior e inferior da imagem apresentam diferenças significativas nas frequências interpapilares devido à deformação irregular do material sintético sobre o sensor.

3.2 DETECÇÃO AUTOMÁTICA DE IMPRESSÕES DIGITAIS FALSAS 15

3.2.4 Características da imagem

As características são extraídas por funções matemáticas do tipo f : I(u, v) → ℜ, onde I(u, v) é o conjunto das imagens de impressões digitais e os valores reais obtidos são os indicadores para avaliação da biometria.

Usando a taxonomia proposta na subseção anterior, é possível reclassificar as características da imagem, que relacionam-se à autenticidade da biometria, apresentadas na literatura [6, 7, 8]. Tais características serão referenciadas de acordo com a seguinte nomenclatura: C_Sn, onde C, S e n são, respectivamente, a classe, a subclasse e o índice da característica. As Tabelas 3.1 e 3.2 contêm a descrição dos possíveis valores de C e de S. Por exemplo, o código M_F3 faz referência a terceira característica morfológica baseada na frequência das cristas papilares.

Código Classe

T Características de transpiração da pele M Características morfológicas

Tabela 3.1 Códigos de classe para referenciar as características da imagem segundo a taxonomia pro- posta.

Código Subclasse

U Variações de umidade P Distribuição dos poros de suor C Continuidade das cristas papilares F Frequência interpapilar R Rugosidade da superfície

Tabela 3.2 Códigos de subclasse para referenciar as características da imagem segundo a taxonomia proposta.

De acordo com Moon et al. [16], Marasco e Sansone [6], Tan e Schuckers [8] e Galbaly et al. [7], três são as possíveis representações de impressões digitais a partir das quais carac- terísticas de autenticidade podem ser avaliadas: a imagem original em escala de cinza i(u, v), o mapa de regiões de foreground if(u, v) e a sub-imagem resultante da segmentação da região

central da biometria ic(u, v). Cada um dos pré-processamentos que levam às representações

i_f(u, v) e ic(u, v) são detalhados a seguir:

• Segmentação de foreground/background: a imagem original i(u, v) é dividida em janelas, sem sobreposição, de tamanho ω × ω. Cada uma delas é classificada como elemento de backgroundou de foreground, no caso, impressão digital. Para tanto, é utilizado o método proposto por Shen, Kot e Koo [17], baseado em filtros de Gabor.

O filtro de Gabor, sintonizado de forma apropriada, remove o ruído e preserva as vari- ações senoidais nos níveis de cinza, fornecendo a informação contida em uma orientação particular da imagem de impressão digital. A forma geral do filtro de Gabor utilizado é definida por:

3.2 DETECÇÃO AUTOMÁTICA DE IMPRESSÕES DIGITAIS FALSAS 16