vault backup: 2024-12-11 13:29:42

Biometric Systems/notes/1. Introduction.md

@@ -13,7 +13,7 @@
 ### Architecture of a Biometric System
 
 **Enrollment:** processo di cattura dei dati biometrici di un utente, dai quali vengono estratte  *features* ottenendo un feature vector. Aggiungendo informazioni ausiliarie (identità, indirizzo...) otteniamo il template, che viene memorizzato nel *template archive*.
-![[architecture - enrollment.png]]
+![[architecture - recognition.png]]
 
 **Recognition:** vengono catturati i dati biometrici dell'utente e viene prodotto un template (detto probe), viene fatto un confronto per similarità con i template presenti nell'archive.
 - **verification 1:1** (verifichiamo che l'utente sia chi dice di essere)
@@ -23,12 +23,12 @@
 	- Possibili errori:
 		- reject di una probe appartenente ad un soggetto registrato
 		- accept di una probe non appartenente ad un soggetto iscritto
-		- restituzione dell'identtià errata
+		- restituzione dell'identità errata
 - **Closed-Set**:
 	- Possibile errore: restituzione dell'identità errata
 
 - bisogna definire attentamente una threshold: i sample cambiano nel tempo (es. la mia faccia domani non sarà identica a quella di oggi, e così via...)
-![[architecture - recognition.png]]
+![[architecture - enrollment.png]]
 
 #### Moduli di un sistema biometrico
 - **sensor module:** acquisisce i dati biometrici

Biometric Systems/notes/12. Iris recognition.md

@@ -67,12 +67,23 @@ The inner contour of the eye may change on illumination changes as pupil dilates
 	- gaze direction can change the relative position of sclera, iris and pupil
 - a normalization procedure is necessary: Rubber Sheet Model
 ![[Pasted image 20241128101031.png]]
-
+L’iris unwrapping è il processo di trasformazione dall'iride circolare in
+coordinate cartesiane in un rettangolo in coordinate pseudopolari.
+Determinare il giusto centro per le coordinate polari è di fondamentale
+importanza, ma la pupilla e l'iride non sono perfettamente concentriche e le
+dimensioni della pupilla possono cambiare a causa dell'illuminazione o di
+condizioni patologiche (ubriachezza o droghe).
 ##### Rubber Sheet Model
 - maps each iris point onto polar coordinates $(r, \theta)$ with $r \in [0, 1]$ and $\theta \in [0, 2\pi]$
 - the model compensates for pupil dilation and size variation by producing a invariant representation
 - does not compensate for rotations. But it is done during matching by translating the templates until alignment
-- see slides for the formulas
+
+Il **Rubber Sheet Model** è una tecnica di normalizzazione che si applica in contesti come il riconoscimento dell'iride, dove le distorsioni della pupilla e dell'iride, dovute alla variabilità fisiologica e alla posizione della fotocamera, devono essere correttamente gestite.
+- Si considerano più punti distribuiti lungo ogni raggio che va dal confine della pupilla al confine dell'iride, in modo da normalizzare la distanza che potrebbe essere deformata a causa della dilatazione della pupilla o della deformazione naturale dell'iride.
+- Ogni punto sull'iride viene mappato in un sistema di coordinate polari, con il centro della pupilla che diventa l'origine del sistema di coordinate.
+- La trasformazione avviene tramite una combinazione lineare delle coordinate dei punti sul contorno della pupilla e quelli sul contorno dell'iride, per "distendere" la superficie iridata in modo da correggere le distorsioni.
+
+Questo modello è utile per migliorare l'accuratezza nel riconoscimento dell'iride, poiché permette di ridurre gli effetti di variazioni nella forma e dimensione dell'occhio, garantendo una rappresentazione standardizzata che facilita il confronto tra immagini diverse.
 
 ##### Daugman: Feature extraction
 - Gabor filters to the image in polar coordinates (formula on slide)

Biometric Systems/notes/2. Performance indexes.md

@@ -63,7 +63,7 @@ each point is paired with the most convenient one. It's not necessarily that poi
 
 ##### Comparing the results of submitting a template to a Deep Learning model
 - if using deep learning we should use the architecture to extract the embeddings (for both gallery and probe templates): we can delete the classification layer in order to get the embeddings that the architecture would use for the final classification.
-- mbeddings can be compard as they were vectors of hand-crafted features.
+- embeddings can be compard as they were vectors of hand-crafted features.
 
 ### Possible errors: verification
 - Genuine Match (GM, GA): the claimed identity is true and subject is accepted
@@ -103,9 +103,9 @@ What if ERR in two systems is the same, but the curves are different?
 We can use ROC curve or DET curve.
 For ROC, we can compute the area below the curve and use it as a metric, the higher the better.
 
-#### Possible errors: identificaiton - open set
+#### Possible errors: identification - open set
 In an open set identification task, the system determines if the individual's biometric signature matches a signature of someone in the gallery.
-The individual **does not make** and identity claim.
+The individual **does not make** an identity claim.
 - More possible error situations, depending on the matcher and on the threshold
 - A problem may occur if the system returns more possible candidates below the threshold. Who is the right one?
 > [!PDF|yellow] [[LEZIONE2_Indici_di_prestazione.pdf#page=27&selection=0,8,9,8&color=yellow|LEZIONE2_Indici_di_prestazione, p.27]]

Biometric Systems/notes/8 Face anti spoofing.md

@@ -125,7 +125,7 @@ Si cerca di individuare i moiré pattern: quel pattern che appare spesso quando
 
 Possiamo comparare quindi un video reale, dove appaiono solo i pattern della fotocamera che usiamo per acquisire la probe, con il video spoofato dove invece appaiono i moiré pattern.
 
-I frame del video vengono processati utilizzando MLBT e SIFT, si può fare sia in modo indipendente che combinato.
+I frame del video vengono processati utilizzando MLBP e SIFT, si può fare sia in modo indipendente che combinato.
 
 Dato un frame, viene diviso in patch di dimensione 32x32 con 16 pixel di overlap tra le patch.