DeepTeeth: Біометрична система ідентифікації, яка використовує зуби

Дослідники з Індії запропонували біометричну систему для використання зубів як токену автентифікації для безпечних систем на мобільних пристроях. Система, названа DeepTeeth, долає перешкоди, з якими зіштовхнулися попередні спроби досягнення цієї мети, такі як надмірний час навчання або високі або нереалістичні вимоги до даних, і досягла заявленої точності 100%.

Ця система також спрямована на економічні мобільні середовища і випадки автентифікації користувачів, а не на традиційне використання таких технік в дорогої судово-медичній аналізі.

Нова публікація дослідників з Інституту технологій Бірли в Пілані, Раджастан, використовує розмір зображення даних лише 75×75 пікселів, є кінцевим фреймворком з декількома знімками, і має мінімальні місцеві ресурсні потреби порівняно з попередніми спробами систем автентифікації на основі зубів.

Пропонована система автентифікації DeepTeeth. Джерело: https://arxiv.org/pdf/2107.13217.pdf

Зуби як ідентифікатори

Хоча зуби можуть бути розглянуті як найбільш нестабільні з усіх лицьових ознак, через частоту хірургічного втручання порівняно з іншими видами косметичної або лицьової реконструктивної хірургії, у статті зазначається, що в довгостроковій перспективі і в середньому вони залишаються найбільш стабільними з наших лицьових ідентифікаторів

Можливо, найвідоміший приклад стійкості наших зубних конфігурацій – це те, як часто вони використовуються для ідентифікації після смерті, коли всі інші тканини піддаються впливу вогню або інших екстремальних форм травми. Крім того, зуби – це остання частина тіла, яка розкладається після смерті.

Хоча набори даних для цього типу судово-медичної справи спеціалізовані і вимагають спеціального сканувального обладнання (зазвичай з рентгенівським компонентом), DeepTeeth потребує лише серії простих “зубних селфі”, щоб встановити базовий ідентифікатор.

Крім того, дослідники виявили, що їхній зубний ідентифікатор стійкий до типу атак-імітацій, які були успішно застосовані до методів автентифікації на основі відбитків пальців і лицьової ідентифікації.

Нормалізовані зображення області інтересу (RoI) і їхнє відповідне покращення в автоматизованому робочому процесі DeepTeeth.

Захоплення, обробка і навчання

Система DeepTeeth працює в застосунку для Android, де суб’єкт надає кілька знімків. Фотографії зубів можна робити з різних кутів і в різних умовах освітлення, і обробляються локально для пізнішої інференції під час автентифікації.

Для генерації основної навчальної бази даних дослідники зібрали зображення зубів від 51 добровольця. Добровольці використовували бета-версію застосунку для Android, щоб отримати ці зображення самостійно. Застосунок ідентифікує і локалізує область зубів, яку він намагається отримати. Кожен користувач надав чотири приклади зображень зубів протягом 3-4 днів.

Дані були протестовані в Сіамській мережі, де вони також були протестовані проти старішого методу – FaceNet від Google 2015 року. Навчання використовувало розмір партії 16 на оптимізаторі Adam. Модель була навчена на Dell Inspiron-15-5577 з графічною картою Nvidia GTX 1050, і навчання зайняло трохи менше 25 хвилин для генерації 256-мірного вектору особливостей.

Підхід DeepTeeth проходить через покращену рамку для подальшої екстракції особливостей перед обробкою на пристрої через загальну попередньо навчену локальну мережу.

Хоча спочатку захоплені і обрізані ділянки зубів мають розмір 1416 x 510 пікселів, непридатний розмір навіть для серверного навчання з машинним навчанням, менші зображення в градаціях сірого кольору, отримані з цих знімків, проходять через систему, а більші дані відкидаються.

Функція втрат, яка використовується для навчання класифікаційної мережі, – це SoftMax, яка є легкою і достатньо стійкою для цільового середовища.

Архітектура функції втрат DeepTeeth.

Результати

Дослідники використовували п’ять окремих параметрів продуктивності для оцінки DeepTeeth і виявили, що система працює оптимально з мінімальним розміром входу 75 пікселів, досягнувши 100% успішного результату.

Попередні спроби використовувати зуби як біометричний індикатор включають дослідження 2008 року Мультимодальна біометрична автентифікація, яка використовує зображення зубів і голос у мобільному середовищі, яке фактично додало зуби як допоміжний метод для голосової ідентифікації.

Інший претендент, з 2020 року, був фреймворком SmileAuth, запропонованим дослідниками з Університету Хунану в Китаї, у співпраці з Університетом штату Мічиган і Університетом Массачусетсу. Експериментальні результати на момент публікації статті свідчили про те, що система SmileAuth може досягти точності до 99,74%. Система використовувала випадковий ліс для екстракції особливостей.

Дослідники стверджують, що DeepTeeth покращує всі попередні спроби в цій нішевій області біометрії і виводить зубну ідентифікацію за межі судово-медичної сфери як життєздатний потенційний напрямок для автентифікації на основі лиця.