Sistema Baseado em Microsserviços para Identificação Automática de Impressões Digitais

• João P. B. Andrade Universidade Federal do Ceará
• Renan A. Barbosa Universidade Federal do Ceará
• Gabriel Bezerra Instituto Federal de Educação, Ciência e Tecnologia do Ceará
• Francisco I. S. Lima Universidade Federal do Ceará
• Mauro R. C. da Silva Universidade Estadual de Campinas
• Paulo A. L. Rego Universidade Federal do Ceará
• José G. R. Maia Universidade Federal do Ceará
• Fernando A. M. Trinta Universidade Federal do Ceará

DOI: https://doi.org/10.5753/sbesc_estendido.2022.228146

Resumo

Biometria por meio das impressões digitais é a forma mais aceita e difundida de distinguir pessoas no mundo atual, devido aos eficientes e acessíveis equipamentos disponíveis (e.g., em celulares, caixas eletrônicos e trancas eletrônicas). Com base neste contexto e a necessidade do governo de utilizar os dados coletados dos cidadãos para diferenciá-los e identificá-los para os mais diversos objetivos, este trabalho relata a implementação de um sistema de identificação de digitais utilizando conceitos de computação concorrente, microsserviços e big data. O sistema consegue cadastrar um indivíduo com dez capturas de seus 10 dedos em um tempo médio de 25,8 segundos, contando com validação de qualidade de cada imagem, extração de características e armazenamento em diferentes bases de dados. O sistema consegue chegar próximo a 90% de assertividade na identificação (1:N) em menos de 5s em um universo de 10 mil indivíduos, também alcançando 84% de acurácia na verificação (1:1). Este trabalho encontra-se em evolução e demonstra resultados promissores com margem para melhorias.

Referências

S. Liu and M. Silverman, "A practical guide to biometric security technology", IT Professional, vol. 3, no. 1, pp. 27-32, 2001

D. Peralta, I. Triguero, R. Sanchez-Reillo, F. Herrera, and J. M. Benítez, "Fast fingerprint identification for large databases", Pattern Recognition, vol. 47, no. 2, pp. 588-602, 2014.

Y.-x. Zhao, W.-x. Zhang, D.-s. Li, Z. Huang, M.-n. Li, and X.-c. Lu, "Pegasus: a distributed and load-balancing fingerprint identification system", Frontiers of Information Technology & Electronic Engineering, vol. 17, no. 8, pp. 766-780, 2016

J. Xu, J. Jiang, Y. Dou, and X. Shen, "A low-cost fully pipelined architecture for fingerprint matching", in 2014 12th International Conference on Signal Processing (ICSP). IEEE, 2014, pp. 413-418.

M. Lastra, J. Carabaño, P. D. Gutiérrez, J. M. Benítez, and F. Herrera, "Fast fingerprint identification using gpus", Information Sciences, vol. 301, pp. 195-214, 2015.

R. M. Jiang and D. Crookes, “Fpga-based minutia matching for biometric fingerprint image database retrieval,” Journal of Real-Time Image Processing, vol. 3, no. 3, pp. 177–182, 2008.

C. Watson, "Nist special database 14-mated fingerprint card pairs 2", National Institute of Standards and Technology, 1993

R. Cappelli, D. Maio, and D. Maltoni, "Synthetic fingerprint-database generation", in Object recognition supported by user interaction for service robots, vol. 3. IEEE, 2002, pp. 744-747.

R. Cappelli, M. Ferrara, and D. Maltoni, "Large-scale fingerprint identification on gpu", Information Sciences, vol. 306, pp. 1-20, 2015.

Federal Office for Information Security, "NIST fingerprint image quality 2.0", National Institute of Standards and Technology, NIST Interagency Report, April 2016

A. G. Medeiros, J. P. B. Andrade, P. B. S. Serafim, A. M. M. Santos, J. G. R. Maia, F. A. M. Trinta, J. A. F. de Macêdo, P. P. R. Filho, and P. A. L. Rego, "A novel approach for automatic enhancement of fingerprint images via deep transfer learning", in 2020 International Joint Conference on Neural Networks (IJCNN), 2020, pp. 1-8

L. F. da Costa, L. S. Fernandes, J. P. B. Andrade, P. A. L. Rego, and J. G. R. Maia, "Deep convolutional features for fingerprint indexing", in Intelligent Systems. Cham: Springer International Publishing, 2021, pp. 223-237.