Local image descriptors for biometric liveness detection

L'argomento scelto riguarda la classificazione delle immagini tramite descrittori locali e pi๠in particolare le applicazioni ai sistemi di classificazione biometrica. I descrittori locali sono largamente utilizzati in vari ambiti della Computer Vision. Vengono calcolati per ogni pixel dell'immagine e sono in grado di descrivere in maniera accurata classi di immagini tramite istogrammi. A partire da questi descrittori ricchi di informazioni, classificatori potenti presi in prestito dal Machine Learning sono in grado di apprendere i modelli statistici delle classi del problema in esame. Dunque uno stesso descrittore locale che cattura determinate relazioni tra un pixel ed il suo vicinato puಠessere applicato con successo in diversi ambiti a patto di avere ogni volta una quantità  sufficiente di campioni per apprendere i modelli statistici delle classi. Le applicazioni di questo approccio sono molteplici, durante il mio dottorato mi sono occupato dei sistemi di autenticazione basati su biometrie (come le impronte digitali, l'iride, le vene o l'intero volto). Tali sistemi, che attualmente stanno subendo una notevole diffusione, si ਠvisto come sia relativamente semplice attaccare questi sistemi accedendo con le credenziali di un'altra persona. E' necessario dunque una fase di Liveness Detection che attesti l'autenticità  del tratto biometrico presentato in ingresso al sensore prima ancora di individuare l'utente a cui esso appartenga. Nell'ambito della Liveness Detection sono stati affrontati diversi tipi di attacchi a sistemi basati sulla scansione delle impronte digitali, delle vene delle dita, dell'iride e della faccia. In particolare ਠstato proposto un nuovo descrittore locale, denominato LCPD (Local Contrast Phase Descriptor) progettato per le impronte digitali e che utilizza informazioni complementari di ampiezza e fase dell'immagine sotto test. Inoltre ਠstato proposto un nuovo approccio che fa uso di un descrittore proposto recentemente (SID, Scale Invariant Descriptor) e dell'approccio Bag of Words per ottenere un descrittore molto versatile, in grado di raggiungere (ed in diversi casi superare) l'attuale stato dell'arte nella maggior parte delle applicazioni biometriche considerate. In altri casi sono stati uniti descrittori differenti, provenienti da altri ambiti di ricerca, oppure sono stati modificati descrittori già  noti in letteratura, per risolvere con successo il problema della liveness detection.