DeepTeeth: Ένα βιομετρικό σύστημα αναγνώρισης που χρησιμοποιεί δόντια

Ερευνητές από την Ινδία πρότειναν ένα βιομετρικό σύστημα για τη χρήση δοντιών ως διακριτικό ελέγχου ταυτότητας για ασφαλή συστήματα σε κινητές συσκευές. Που ονομάζεται Βαθιά Δόντια, το σύστημα ξεπερνά τα εμπόδια που έχουν συναντήσει προηγούμενες προσπάθειες για την επίτευξη αυτού του στόχου, όπως ο υπερβολικός χρόνος εκπαίδευσης ή οι υψηλές ή μη ρεαλιστικές απαιτήσεις εκπαίδευσης δεδομένων, για να επιτευχθεί ένα αναφερόμενο ποσοστό ακρίβειας 100%.

Επίσης, στοχεύει συγκεκριμένα σε οικονομικά περιβάλλοντα για φορητές συσκευές και σε σενάρια περιστασιακών επαληθεύσεων ταυτότητας χρηστών, αντί για την πιο κοινή χρήση τέτοιων τεχνικών σε ένα ακριβό πλαίσιο εγκληματολογικής ανάλυσης.

Το νέο προεκτύπωση, από ερευνητές στο Birla Institute of Technology and Science Pilani στο Rajasthan, χρησιμοποιεί μέγεθος εικόνας δεδομένων μόνο 75×75 pixel, είναι ένα πλαίσιο λίγων λήψεων από άκρο σε άκρο και έχει ελάχιστες ανάγκες τοπικών πόρων σε σύγκριση με προηγούμενες προσπάθειες συστήματα ελέγχου ταυτότητας μηχανικής μάθησης με βάση τα δόντια.

Η προτεινόμενη χρήση για έλεγχο ταυτότητας που βασίζεται στο DeepTeeth. Πηγή: https://arxiv.org/pdf/2107.13217.pdf

Τα δόντια ως αναγνωριστικά σημαίνοντα

Αν και τα δόντια μπορεί να θεωρηθούν τα πιο ασταθή χαρακτηριστικά του προσώπου, λόγω της συχνότητας χειρουργικής επέμβασης σε σύγκριση με άλλους τύπους χειρουργικής επέμβασης αισθητικής ή αποκατάστασης προσώπου, η εφημερίδα σημειώνει ότι μακροπρόθεσμα και κατά μέσο όρο, παραμένουν τα πιο συνεπή στο πρόσωπό μας χαρακτηριστικά αναγνώρισης

Ίσως το πιο διάσημο, η ανθεκτικότητα των οδοντιατρικών μας διαμορφώσεων αποδεικνύεται από το πόσο συχνά χρησιμοποιούνται για μεταθανάτια ταυτοποίηση, όπου όλος ο άλλος ιστός έχει πέσει θύμα πυρκαγιάς ή άλλων ακραίων μορφών τραύματος. Επιπλέον, τα δόντια είναι το τελευταίο συστατικό του σώματος που υποβαθμίζεται μετά το θάνατο.

Ενώ τα σύνολα δεδομένων για αυτόν τον τύπο ιατροδικαστικής οδοντιατρικής είναι εξειδικευμένα και απαιτούν προσαρμοσμένο εξοπλισμό σάρωσης (συνήθως με εξάρτημα ακτίνων Χ), το DeepTeeth απαιτεί μόνο μια σειρά από απλές «οδοντιατρικές selfies» για να δημιουργήσει ένα αναγνωριστικό βάσης.

Επιπλέον, οι ερευνητές της δημοσίευσης διαπίστωσαν ότι το πλαίσιο ταυτότητας που βασίζεται στα δόντια είναι ανθεκτικό στο είδος των επιθέσεων πλαστογραφίας που έχουν αποτελεσματικά ισοπεδωθεί στις μεθόδους ελέγχου ταυτότητας δακτυλικών αποτυπωμάτων και ταυτότητας προσώπου.

Οι κανονικοποιημένες εικόνες περιοχής ενδιαφέροντος (RoI) και οι αντίστοιχες βελτιώσεις τους στην αυτοματοποιημένη ροή εργασίας DeepTeeth.

Λήψη, Επεξεργασία και Εκπαίδευση

Το σύστημα DeepTeeth λειτουργεί σε μια εφαρμογή Android, με το θέμα να παρέχει πολλαπλές λήψεις. Οι φωτογραφίες των δοντιών μπορούν να ληφθούν από διάφορες γωνίες και σε ποικίλες συνθήκες φωτισμού και υποβάλλονται σε τοπική επεξεργασία για μελλοντικά συμπεράσματα κατά τον χρόνο ελέγχου ταυτότητας.

Για να δημιουργήσουν τη βασική βάση δεδομένων εκπαίδευσης, οι ερευνητές συνέλεξαν εικόνες δοντιών από 51 εθελοντές. Οι εθελοντές χρησιμοποίησαν μια beta της εφαρμογής Android για να αποκτήσουν οι ίδιοι τις εικόνες. Η εφαρμογή προσδιορίζει και εντοπίζει την περιοχή των δοντιών που θέλει να αποκτήσει. Κάθε χρήστης υπέβαλε τέσσερα παραδείγματα εικόνων δοντιών μέσα σε διάστημα 3-4 ημερών.

Τα δεδομένα δοκιμάστηκαν σε α Σιαμέζικο δίκτυο όπου χρησιμοποιήθηκε επίσης ενάντια σε μια ανταγωνιστική, παλαιότερη μέθοδο - τη 2015 της Google FaceNet. Η εκπαίδευση χρησιμοποίησε ένα μέγεθος παρτίδας 16 σε έναν βελτιστοποιητή Adam. Το μοντέλο εκπαιδεύτηκε σε μια Dell Inspiron-15-5577 χρησιμοποιώντας μια GPU Nvidia GTX 1050, με την εκπαίδευση να διαρκεί λίγο λιγότερο από 25 λεπτά για τη δημιουργία ενός διανύσματος χαρακτηριστικών 256 διαστάσεων.

Η προσέγγιση DeepTeeth περνάει περικομμένες ακατέργαστες εικόνες που έχουν ληφθεί από τον χρήστη μέσω ενός πλαισίου βελτίωσης για επακόλουθη εξαγωγή χαρακτηριστικών πριν από την επεξεργασία στη συσκευή μέσω ενός γενικού προεκπαιδευμένου τοπικού δικτύου.

Παρόλο που το τμήμα των δοντιών που καταγράφηκαν αρχικά και έχουν περικοπεί έχουν διαστάσεις 1416 x 510 pixel, ένα δυσκίνητο μέγεθος ακόμη και για εκπαίδευση μηχανικής μάθησης που βασίζεται σε διακομιστή, οι εικόνες μικρότερης κλίμακας του γκρι που προέρχονται από αυτές τις λήψεις είναι αυτές που διατρέχουν το σύστημα, με τα μεγαλύτερα δεδομένα να απορρίπτονται.

The λειτουργία απώλειας χρησιμοποιείται για την εκπαίδευση το δίκτυο ταξινόμησης είναι SoftMax, το οποίο είναι ελαφρύ και αρκετά ανθεκτικό για το στοχευόμενο λειτουργικό περιβάλλον.

Η αρχιτεκτονική της συνάρτησης απώλειας του DeepTeeth.

Αποτελέσματα

Οι ερευνητές χρησιμοποίησαν πέντε ξεχωριστές παραμέτρους απόδοσης για να αξιολογήσουν το DeepTeeth και διαπίστωσαν ότι το σύστημα λειτουργεί βέλτιστα με ένα πενιχρό μέγεθος εισόδου 75 pixel στο τετράγωνο, επιτυγχάνοντας ποσοστό επιτυχίας 100%.

Προηγούμενες προσπάθειες χρήσης δοντιών ως βιομετρικού δείκτη περιλαμβάνουν το 2008 μελέτη Πολυτροπικός βιομετρικός έλεγχος ταυτότητας με χρήση εικόνας και φωνής δοντιών σε περιβάλλον κινητής τηλεφωνίας, το οποίο ουσιαστικά πρόσθεσε δόντια ως εφεδρική μέθοδο για αναγνώριση με βάση τη φωνή.

Ένας άλλος υποψήφιος, από το 2020, ήταν ο SmileAuth πλαίσιο που προτάθηκε από ερευνητές στο Πανεπιστήμιο Χουνάν στην Κίνα, σε συνεργασία με το Πολιτειακό Πανεπιστήμιο του Μίσιγκαν και το Πανεπιστήμιο της Μασαχουσέτης. Τα πειραματικά αποτελέσματα τη στιγμή της δημοσίευσης της εργασίας έδειξαν ότι το σύστημα SmileAuth θα μπορούσε να επιτύχει ποσοστό ακρίβειας έως και 99.74%. Το σύστημα χρησιμοποίησε το Random Forest για την εξαγωγή χαρακτηριστικών.

Οι ερευνητές υποστηρίζουν ότι το DeepTeeth βελτιώνεται σε όλες τις προηγούμενες προσπάθειες σε αυτόν τον εξειδικευμένο τομέα βιομετρίας και παίρνει την οδοντιατρική αναγνώριση πέρα ​​από την ιατροδικαστική σφαίρα ως μια βιώσιμη πιθανή λεωφόρο για έλεγχο ταυτότητας με βάση το πρόσωπο.