vault backup: 2024-10-21 00:46:21

Biometric Systems/notes/3. Recognition Reliability.md

@@ -120,4 +120,38 @@ vedere slide per integrare formule
 #### Margine
 Un altro approccio è tramite il concetto di “margine”, che viene calcolato
 nel seguente modo: $M(t) = |FAR(t) − FRR(t)|$
-notare in corrispondenza dell'ERR, si ha $M(t) = 0$
+notare in corrispondenza dell'ERR, si ha $M(t) = 0$
+
+### SRR
+C’è una netta differenza tra misurare la qualità di un’immagine in input rispetto
+al misurare l’affidabilità di una risposta da parte del sistema.
+Quest’ultimo approccio viene chiamato indice SRR, ovvero un valore nel range [0, 1] che fornisce una misura di quanto un sistema, in fase di identificazione, riesce a separare bene soggetti genuini da soggetti impostori sulla base di un singolo probe.
+Questo sistema utilizza una funzione φ che misura la quantità di “confusione” tra i possibili candidati.
+Definiamo due funzioni φ
+- relative distance
+- density ratio
+
+Presa la lista data in output da una fase di identificazione, si guarda nell’intorno del risultato a rango 1. Se i soggetti a ranghi più bassi sono molto vicini, avremo una risposta poco affidabile, altrimenti se c’è una buona distanza avremo una risposta affidabile.
+
+
+Possibili esempi di φ sono:
+
+- Relative distance
+![[Pasted image 20241017083255.png]]
+$$φ(p) = \frac{F (d(p, g1 )) − F (d(p, g2))}{F (d(p, g|G| ))}$$
+
+
+- Density ratio![[Pasted image 20241017083506.png]]
+- questa funzione è meno sensibile agli "outlier", ovvero template con distanza anomalamente molto alta dal probe, e infatti performa meglio della funzione precedente
+
+Definiamo poi φk , come quel valore che minimizza gli errori di φ(p), ovvero
+i casi in cui, probe impostori hanno φ(pI) > φk e probe genuini hanno φ(pG) ≤
+φk . Valori φ(p) molti distanti da φk avranno un SRR maggiore, quindi:
+![[Pasted image 20241017083943.png]]
+
+#### Template Updating
+Un altro modo per aumentare la qualità e l’affidabilità di un sistema è quella tramite l’aggiornamento dei template (evitando problemi come l’invecchiamento).
+Si può prendere un probe e aggiungerlo al gallery.
+Questa operazione per una maggiore sicurezza deve essere fatta in soli due possibili modi:
+- Supervisionata (supervised)
+- Semi-supervisionata (semi-supervised)

Biometric Systems/notes/4. Face recognition.md

@@ -0,0 +1,21 @@
+I fattori più importanti di un sistema biometrico sono l’accettabilità, l’affidabilità e l’accuratezza. l DNA, ad esempio, fornisce un’alta accuratezza e affidabilità ma una bassa accettabilità, in quanto il metodo di prelievo è sicuramente intrusivo. Le impronte digitali, invece, forniscono anch'esse buone prestazioni, ma possono spesso presentarsi in modo “parziale” e inoltre sono spesso associate ai ”criminali”. Il riconoscimento facciale invece è altamente accettato, in quanto siamo abituati a farci foto e a pubblicarle, ma l’accuratezza può diminuire drasticamente in casi non controllati.
+Possibili problemi relativi a essa sono:
+- Variazioni intrapersonali
+- Similarità interpersonali
+- PIE e A-PIE: posa, illuminazione ed espressione + invecchiamento
+- Facilmente camuffabile: makeup, chirurgia plastica, occhiali, etc..
+
+Steps:
+- capture
+- localizzazione
+- cropping dei ROIs (regioni di interesse)
+- normalizzazione
+- feature extraction
+- costruzione del template
+
+#### Localizzazione della faccia
+- Problema: data un'immagine o un video, rilevare la presenza di una o più facce e localizzarle nell'immagine
+- Requisiti: deve funzionare indipendentemente da posizione, orientamento, dimensione, espressione, soggetti nell'immagine, illuminazione e sfondo.
+
+##### Ci si può nascondere?
+Secondo Adam Harvey, il punto chiave che i computer rilevano è il "nose bridge", o l'area tra gli occhi. Se si nascondono si può far credere al computer che non ci sia una faccia.