vault backup: 2024-12-30 01:20:34

Biometric Systems/notes/9. Ear recognition.md

@@ -9,16 +9,17 @@ Tratto biometrico composto da una struttura ben definita:
 È un tratto passivo, non varia con gli anni, solitamente non è coperto, non sono richieste alte risoluzioni, non è affetto da variazioni dell'espressione.
 ##### Aspetti negativi:
 Sensibili a variazioni di posa e illuminazione.
+Utilizzo estremamente limitato in forensica.
 
 Una prima prova dell’universalità e unicità di questo tratto è quella di Iannarelli nel 1989, purtroppo però l’indagine è stata effettuata campionando pochissimi esempi.
 Vengono misurate 12 distanze tra dei punti dell'orecchio.
 Iannarelli ha poi classificato le orecchie in 4 possibili forme esterne: triangolari, circolari, rettangolari e ovali.
 ![[Pasted image 20241120140235.png]]
-
+![[Pasted image 20241228171617.png]]
 ### Localizzazione dell'orecchio
 3 approcci diversi:
 - **Individuazione di punti di interesse:** diversi possibili approcci, uno di questi è usare le reti neurali. Si possono trainare su immagini a bassa risoluzione perché ci interessa solo estrarre punti, in questa fase non siamo interessati ai dettagli. Individuati questi possiamo costruire il rettangolo che conterrà l'orecchio, eventualmente si può normalizzare la dimensione dell'orecchio
-- **Object detection:** esistono classificatori in grado di riconoscere le orecchie. Si possono usare object detector come Viola-Jones / AdaBoost.
+- **Object detection:** esistono classificatori in grado di riconoscere le orecchie. Si possono usare object detector come Viola-Jones (AdaBoost).
 - **Tecniche di localizzazione 3D:** si basano su una valutazione della profondità e della curvatura delle regioni dell'orecchio. Training offline: partendo da un modello 3D del profilo del soggetto, vengono identificati i punti massimi di curvatura. Viene creata un'immagine binaria (0 nero 1 bianco) e la regione corrispondente all'orecchio viene estratta manualmente. Le regioni estratte vengono fuse insieme per formare un modello di riferimento. Il test viene eseguito online. L'immagine binaria viene calcolata per il nuovo modello, vengono identificati i punti di curvatura massima e minima e vengono ricercate le regioni corrispondenti al modello.
 
 ### Riconoscimento dell'orecchio
@@ -56,12 +57,13 @@ Metodo robusto per quanto riguarda punti iniziali, risoluzione e rumore.
 	- **Matching:** avviene calcolando
 		- somma delle differenze assolute tra gli elementi corrispondenti dei vettori
 		- numero dei valori simili nei vettori (che rientrano in una certa threshold)
+	![[Pasted image 20241228174722.png]]
 	
 - **Alignment (usando Active Shape Model or Scale Invariant Feature Transform):**
 	- il modello ASM è un modello statistico che si deforma iterativamente per adattarsi a una nuova immagine
-- **SIFT:** per trovare i punti più rappresentativi di un'immagine, ovvero i punti che sono invarianti per traslazioni, rotazioni e scaling. Parzialmente invarianti a cambi di illuminazione e distorsioni geometriche.
+- **SIFT:** classico matching con SIFT
 	- Si fanno vari gaussian smoothing e resampling dell'immagine
-	- Si applica DoG (difference of gaussian) tra le immagini derivate. Si considerano i punti di massimo e di minimo (maxima and minima) del risultato della DoG.
+	- Si applica DoG (difference of gaussian) tra le immagini derivate. Si considerano i punti di massimo e di minimo (maxima and minima) del risultato della DoG, si thresholda ecc. Niente di diverso dal classico algoritmo SIFT insomma.
 
 #### 3D
 Si valutano curvature e profondità delle regioni rilevanti dell'orecchio. Il matching avviene tra regioni corrispondenti chiamate patch.