DeepTeeth: система биометрической идентификации, использующая зубы

Исследователи из Индии предложили биометрическую систему для использования зубов в качестве токена аутентификации для защищенных систем на мобильных устройствах. Называется Глубокие Зубы, система преодолевает камни преткновения, с которыми столкнулись предыдущие усилия по достижению этой цели, такие как чрезмерное время обучения или высокие или нереалистичные требования к обучению данных, чтобы достичь заявленной степени точности 100%.

Он также специально предназначен для экономичных мобильных сред и сценариев случайной аутентификации пользователей, а не для более распространенного использования таких методов в контексте дорогостоящего судебного анализа.

Новый препринт, разработанный исследователями из Технологического и научного института Бирлы в Пилани в Раджастхане, использует изображение данных размером всего 75×75 пикселей, представляет собой сквозную структуру с несколькими кадрами и требует минимальных потребностей в местных ресурсах по сравнению с предыдущими попытками системы аутентификации на основе машинного обучения на основе зубов.

Предлагаемое использование для аутентификации на основе DeepTeeth. Источник: https://arxiv.org/pdf/2107.13217.pdf

Зубы как идентификаторы

Хотя зубы можно считать наиболее изменчивыми чертами лица, из-за частоты хирургического вмешательства по сравнению с другими видами косметических операций или операций по реконструкции лица, в документе отмечается, что в долгосрочной перспективе и в среднем они остаются наиболее стабильными чертами нашего лица. идентификационные характеристики

Возможно, наиболее известным примером устойчивости наших зубов является то, как часто они используются для посмертной идентификации, когда все другие ткани пали жертвой огня или других экстремальных форм травмы. Кроме того, зубы — это самый последний компонент тела, который разрушается после смерти.

В то время как наборы данных для этого типа судебной стоматологии являются специализированными и требуют специального сканирующего оборудования (обычно с рентгеновским компонентом), DeepTeeth требуется только серия простых «зубных селфи» для установления базового идентификатора.

Кроме того, исследователи статьи обнаружили, что их система идентификации на основе зубов устойчива к видам поддельных атак, которые эффективно направлены на методы аутентификации по отпечаткам пальцев и идентификации лица.

Нормализованные изображения области интереса (RoI) и соответствующие улучшения в автоматизированном рабочем процессе DeepTeeth.

Захват, обработка и обучение

Система DeepTeeth работает в приложении для Android, при этом субъект обеспечивает несколько захватов. Фотографии зубов можно делать под разными углами и в различных условиях освещения, а затем обрабатывать локально для последующего вывода во время аутентификации.

Для создания основной обучающей базы данных исследователи собрали изображения зубов 51 добровольца. Добровольцы использовали бета-версию приложения для Android, чтобы получить изображения самостоятельно. Приложение идентифицирует и локализует область зубов, которую оно хочет получить. Каждый пользователь отправил четыре примера изображений зубов в течение 3-4 дней.

Данные были протестированы в Сиамская сеть где он также сравнивался с конкурирующим, более старым методом — Google 2015 г. Фейснет. В обучении использовался пакет размером 16 на оптимизаторе Adam. Модель была обучена на Dell Inspiron-15-5577 с использованием графического процессора Nvidia GTX 1050, при этом обучение заняло чуть менее 25 минут для создания 256-мерного вектора признаков.

Подход DeepTeeth пропускает обрезанные необработанные пользовательские изображения через структуру улучшения для последующего извлечения признаков перед обработкой на устройстве через общую предварительно обученную локальную сеть.

Хотя первоначально захваченная и обрезанная часть зубов имеет размер 1416 x 510 пикселей, громоздкий размер даже для серверного обучения машинному обучению, меньшие изображения в оттенках серого, полученные из этих снимков, проходят через систему, а большие данные отбрасываются.

Территория функция потерь используется для обучения сети классификации СофтМакс, который является легким и достаточно устойчивым для целевой операционной среды.

Архитектура функции потерь DeepTeeth.

Результаты

Исследователи использовали пять отдельных параметров производительности для оценки DeepTeeth и обнаружили, что система работает оптимально при скудном размере входных данных в 75 пикселей в квадрате, достигая 100% успеха.

Предыдущие попытки использовать зубы в качестве биометрического индикатора включают в себя 2008 г. проведенное исследование Мультимодальная биометрическая аутентификация с использованием изображения зубов и голоса в мобильной среде, который, по сути, добавил зубы в качестве резервного метода идентификации по голосу.

Еще одним претендентом от 2020 года был SmileAuth структура, предложенная исследователями из Хунаньского университета в Китае в сотрудничестве с Мичиганским государственным университетом и Массачусетским университетом. Экспериментальные результаты на момент публикации статьи показали, что система SmileAuth может достичь уровня точности до 99.74%. Система использовала Random Forest для извлечения признаков.

Исследователи утверждают, что DeepTeeth улучшает все предыдущие попытки в этой нишевой области биометрии и выводит распознавание зубов за пределы судебной сферы в качестве жизнеспособного потенциального пути для аутентификации по лицу.