DeepTeeth: Un sistema de identificación biométrica que utiliza los dientes

Investigadores de la India han propuesto un sistema biométrico para utilizar los dientes como token de autenticación para sistemas seguros en dispositivos móviles. Llamado DeepTeeth, el sistema supera los obstáculos que los esfuerzos anteriores hacia este objetivo han encontrado, como un tiempo de entrenamiento excesivo o requisitos de datos de entrenamiento altos o poco realistas, para lograr una tasa de precisión del 100%.

Está dirigido específicamente a entornos móviles frugales y escenarios de autenticación de usuario casual, en lugar del uso más común de tales técnicas en un contexto de análisis forense costoso.

El nuevo pre-print, de investigadores del Birla Institute of Technology and Science Pilani en Rajasthan, utiliza un tamaño de imagen de datos de solo 75×75 píxeles, es un marco de pocos disparos de extremo a extremo, y tiene necesidades de recursos locales mínimas en comparación con los intentos anteriores de sistemas de autenticación de aprendizaje automático basados en dientes.

El uso propuesto para la autenticación basada en DeepTeeth. Fuente: https://arxiv.org/pdf/2107.13217.pdf

Los dientes como identificadores

Aunque los dientes podrían considerarse la característica facial más volátil, debido a la frecuencia de intervenciones quirúrgicas en comparación con otros tipos de cirugía estética o de reconstrucción facial, el documento señala que a largo plazo y en promedio, siguen siendo la característica de identificación facial más consistente.

Quizás lo más famoso, la resistencia de nuestras configuraciones dentales se ejemplifica en cómo frecuentemente se utilizan para la identificación post mortem, donde todos los demás tejidos han sido víctimas del fuego u otras formas extremas de trauma. Además, los dientes son el último componente del cuerpo que se degrada después de la muerte.

Mientras que los conjuntos de datos para este tipo de odontología forense son especializados y requieren equipo de escaneo personalizado (generalmente con un componente de rayos X), DeepTeeth solo requiere una serie de “selfies dentales” fáciles para establecer una identificación de base.

Además, los investigadores del documento encontraron que su marco de identificación basado en dientes es resistente a los ataques de suplantación que han sido efectivos contra los métodos de autenticación de huellas dactilares y de rostro.

Imágenes de región de interés (RoI) normalizadas y sus mejoras correspondientes en el flujo de trabajo automatizado de DeepTeeth.

Captura, procesamiento y entrenamiento

El sistema DeepTeeth opera en una aplicación de Android, con el sujeto proporcionando múltiples capturas. Las fotos de los dientes se pueden tomar desde varios ángulos y en diferentes condiciones de iluminación, y se procesan localmente para una inferencia posterior en el momento de la autenticación.

Para generar la base de datos de entrenamiento principal, los investigadores recopilaron imágenes de dientes de 51 voluntarios. Los voluntarios utilizaron una versión beta de la aplicación de Android para obtener las imágenes ellos mismos. La aplicación identifica y localiza el área de los dientes que está tratando de adquirir. Cada usuario presentó cuatro imágenes de ejemplo de dientes dentro de un espacio de 3-4 días.

Los datos se probaron en una red Siamesa donde también se ejecutó contra un método anterior, más antiguo – FaceNet de Google de 2015. El entrenamiento utilizó un tamaño de lote de 16 en un optimizador Adam. El modelo se entrenó en un Dell Inspiron-15-5577 con una GPU Nvidia GTX 1050, y el entrenamiento tardó ligeramente menos de 25 minutos en generar un vector de características de 256 dimensiones.

El enfoque de DeepTeeth pasa las imágenes crudas recortadas tomadas por el usuario a través de un marco de mejora para la extracción de características posteriores antes del procesamiento en dispositivo a través de una red local preentrenada genérica.

Aunque las secciones de dientes capturadas y recortadas inicialmente miden 1416 x 510 píxeles, un tamaño engorroso incluso para el entrenamiento de aprendizaje automático basado en servidor, las imágenes en escala de grises más pequeñas derivadas de estas capturas son las que pasan por el sistema, con los datos más grandes descartados.

La función de pérdida utilizada para el entrenamiento de la red de clasificación es SoftMax, que es ligera y lo suficientemente resistente para el entorno de funcionamiento objetivo.

La arquitectura de la función de pérdida de DeepTeeth.

Resultados

Los investigadores utilizaron cinco parámetros de rendimiento separados para evaluar DeepTeeth, y encontraron que el sistema opera de manera óptima con un tamaño de entrada modesto de 75 píxeles cuadrados, logrando una tasa de éxito del 100%.

Intentos anteriores de utilizar los dientes como indicador biométrico incluyen el estudio Autenticación biométrica multimodal utilizando imágenes de dientes y voz en entorno móvil de 2008, que esencialmente agregó los dientes como un método de respaldo para la identificación basada en la voz.

Otro contendiente, de 2020, fue el marco SmileAuth propuesto por investigadores de la Universidad de Hunan en China, una colaboración con la Universidad Estatal de Michigan y la Universidad de Massachusetts. Los resultados experimentales en el momento de la publicación del documento sugirieron que el sistema SmileAuth podría lograr una tasa de precisión de hasta el 99,74%. El sistema utilizó Random Forest para la extracción de características.

Los investigadores sostienen que DeepTeeth mejora todos los intentos anteriores en este área de nicho de biometría, y lleva el reconocimiento dental más allá de la esfera forense como una vía potencial viable para la autenticación de identificación basada en el rostro.