Presentación de TFM

Estudio de la biometría del trazo aéreo de la firma para la identificación personal

Imágenes

ilustracion 1 smallilustracion 2 smallFecha: junio de 2015
Autor: Elyoenai Guerra Segura
Tutores: Dr. Carlos Manuel Travieso González y Dr. Jesús Bernardino Alonso Hernández

 

Resumen del TFM:

En el trabajo presentado se lleva a cabo un estudio inicial de la biometría del trazo aéreo de la firma para la identificación personal.

En primer lugar se evalúa tanto el sensor comercial Leap Motion para su uso en el modelado de la firma aérea, como la variabilidad temporal de las señales generadas a partir de los valores capturados.

A continuación, se estudia el rendimiento del clasificador Support Vector Machine con y sin etapa de selección de características mediante la técnica Principal Component Analysis, y de un clasificador basado en el algoritmo de alineamiento temporal Dynamic Time Warping.

En cuanto a los primeros estudios, Leap Motion ofrece una amplia variedad de señales capturadas a partir del trazo del usuario. Estas señales se evalúan durante 4 meses para un usuario mediante la captura de una firma diaria, dando como resultado que algunas son más estables que otras, por lo que presentan menor variabilidad intra-clase.

Lo que al rendimiento de los clasificadores se refiere, los resultados son mejores que los del estado del arte conocido, con una base de datos de 39 usuarios y 10 muestras por usuario. Con el SVM se obtiene un EER del 0.36%, mientras que con el DTW el EER toma un valor del 0.51%.

Los resultados obtenidos son realmente prometedores tratándose de un estudio previo global. A partir de estos resultados se abre la posibilidad de realizar trabajos más especializados en las diferentes técnicas.


This work presents an initial study about the biometry of the in-air signature for the personal identification.

First of all the Leap Motion sensor is evaluated to be used in order to model aerial signatures. Secondly, the temporal variability of the different generated signals is studied.

Next, Support Vector Machines classifier is applied with and without a previous feature selection step. The feature selection step is based on the well-known technique of Principal Component Analysis. Moreover, an automatic classifier based on the Dynamic Time Warping algorithm is also studied.

According to the results, Leap Motion offers a wide variety of signals generated from the user’s aerial path. These signals are evaluated during 4 months for the same user in order to study the intra-user temporal variability. Results show that some of these signals are more stable than others, what means they are more independent from the moment the signature is made.

The achieved results are better than the ones reported by the known previous works in terms of Equal Error Rate. The generated database was formed of 39 users with 10 samples per each user. SVM offers an EER of 0.36%, while DTW gives an EER of 0.51%.

The results are promising since this work is an initial study of the problem. Based on this work, a possibility to develop more specialized researches is created.