Tecniche Biometriche Combinate nei Processi di elearning ed evoting

Dimensione: px

Iniziare la visualizzazioe della pagina:

Download "Tecniche Biometriche Combinate nei Processi di elearning ed evoting"

Filippo Caruso
7 anni fa
Visualizzazioni

1 Tecniche Biometriche Combinate nei Processi di elearning ed evoting Autori: Prof. Giuseppe Mastronardi Dott. Giuseppe Buonamassa Dott.ssa Teodolinda Patruno Dott. Cosimo Pierri

2 OUTLINE Formazione a Distanza (FAD) Biometria e tecniche biometriche Soluzione proposta Conclusione e Sviluppi futuri

FORMAZIONE A DISTANZA (FAD) PRIMA GENERAZIONE Università e Istituzioni iniziano a inviare il materiale didattico a studenti distribuiti sul territorio SECONDA GENERAZIONE Il materiale fornito agli

3 FORMAZIONE A DISTANZA (FAD) PRIMA GENERAZIONE Università e Istituzioni iniziano a inviare il materiale didattico a studenti distribuiti sul territorio SECONDA GENERAZIONE Il materiale fornito agli allievi è di vari formati L allievo riceve il materiale didattico e lo studia da solo TERZA GENERAZIONE Valorizza lo scambio e le comunicazioni tra i partecipanti Principali utenti di e-learning: università e aziende MOBILE-LEARNING (M-LEARNING) È una soluzione di apprendimento basata sull utilizzo di strumenti mobili e collegati alla rete wireless Il m-learning prevede la fruizione di un corso a piccoli moduli

4 E-LEARNING VANTAGGI Gli allievi memorizzano più facilmente Permette di organizzare il proprio percorso formativo secondo i propri impegni Fonti di conoscenza in enormi quantità Cooperazione reciproca fra studenti Vantaggio economico enti erogatori SVANTAGGI Lo studente diventa professore di se stesso Costo attrezzature tecnologiche Necessaria abilità informatica Investimento iniziale ente erogatore Problema dell insegnamento

5 E-VOTING FUTURE Offerta di contenuti didattici ma impossibilità di valutazione a distanza. NOW Implementazione di tecniche biometriche permetterà di effettuare anche valutazione a distanza.

6 BIOMETRIA BIOMETRIA Insieme di tecnologie finalizzate a riconoscere una persona tramite caratteristiche fisiche o comportamentali distintive che rimangono stabili nel tempo SCOPO DEL RICONOSCIMENTO SCOPO BIOMETRIA Impedire Autenticazione Autenticazione o perseguire identità identità comportamenti Identificazione identità illeciti Identificazione più o meno identità gravi.

7 TECNICHE BIOMETRICHE Face Recognition Voice Recognition Keystroke Dynamics

8 PRINCIPALI CARATTERISTICHE Tecnica non invasiva Minima interazione con l utente Buona affidabilità Bassi costi MODELLI TEORICI FACE RECOGNITION Modello basato sugli elementi predominanti Modello basato sulle caratteristiche interne o esterne Modello basato sui diversi tratti somatici razziali Modello basato sulla teoria del gradimento estetico TIPOLOGIE DI RICONOSCIMENTO Riconoscimento statico Riconoscimento dinamico

9 FACE RECOGNITION WEBCAM HAAR-CASCADE PCA LDA HMM REPOSITORY PCA LDA HMM (PRINCIPAL (LINEAR ACQUISIZIONE (HIDDEN HAAR-CASCADE DISCRIMINANT COMPONENT MARKOV IMMAGINE MODELS) ANALYSIS) Modelli probabilistici con sequenze generate da processi stocastici concomitanti Algoritmo Acquisizione Individuazione riduzione delle e localizzazione immagini della numero dimensione tramite del volto fotocamera variabili lineare nell'immagine dei o da dati database Conversione Conversione Classificazione Parametro fondamentale: immagine in scala dei volti di in grigi secondo codice Fattore dell immagine un binario di set riduzione di regole da della elaborare prestabilite dimensione dei dati

10 FACE RECOGNITION IL SISTEMA DI RICONOSCIMENTO 1. Fase di pre-elaborazione 2. Fase di segmentazione e localizzazione 3. Fase di estrazione di features 4. Fase di riconoscimento

11 PRINCIPALI CARATTERISTICHE Tecnica non invasiva Interazione con l utente Discreta affidabilità Bassi costi VOICE RECOGNITION MODELLI TEORICI Le due tecniche principali sono: MFCC (Mel-frequency cepstrum coefficients) RASTA-PLP (Relative Spectral Trasform Perceptual linear prediction) TIPOLOGIE DI RICONOSCIMENTO Riconoscimento dinamico

12 Voice Recognition VOICE RECOGNITION Viene riconosciuto il soggetto interessato attraverso un accurata analisi dei segnali vocali emessi dallo stesso. Le caratteristiche della voce sono dovute sia a differenze fisiologiche, sia al particolare stato d animo in cui si trova l utente. Il principale aspetto fisiologico è il tratto ove la voce prende forma.

13 PRINCIPALI CARATTERISTICHE Tecnica non invasiva Interazione con l utente Discreta affidabilità Bassi costi KEYSTROKE DYNAMICS MODELLI TEORICI Keystroke-level TIPOLOGIE DI RICONOSCIMENTO Riconoscimento dinamico

14 KEYSTROKE DYNAMICS Keystroke Dynamics Un utente può essere identificato attraverso la tecnica di battitura dattilografa usata. Le tecniche di battitura si differenziano per due parametri: Tempi di Interkey, periodo di tempo tra la battuta di un tasto e il successivo Tempo di digitazione di un tasto fino al suo rilascio

AUTENTICAZIONE AUTENTICAZIONE Il riconoscimento facciale ha un certo grado di affidabilità Voice Recognition Il riconoscimento vocale per rilevare

15 AUTENTICAZIONE AUTENTICAZIONE Il riconoscimento facciale ha un certo grado di affidabilità Voice Recognition Il riconoscimento vocale per rilevare eventuali altre presenze Face Recognition Keystroke Dynamics La frequenza di battitura per rafforzare l autenticazione del candidato AUTENTICAZIONE

16 CONCLUSIONI In letteratura esistono già combinazioni di tecniche biometriche che danno ottimi risultati di riconoscimento, la nostra scelta ha ponderato costi e facilità di implementazione. Tutti i dispositivi sono dotati di camera, microfono e tastiera, quindi è sembrato naturale scegliere tecniche di riconoscimento biometrico quali face, voice e keystroke. NOW FUTURE Ulteriori test e raffinamenti consentiranno di raggiungere risultati soddisfacenti con più basse percentuali di errore.

17 GRAZIE PER L ATTENZIONE. Per Info e Contatti Prof. Giuseppe Mastronardi - giuseppe.mastronardi@poliba.it Dott. Giuseppe Buonamassa - buonamassa19@gmail.com Dott.ssa Teodolinda Patruno - linda.patruno@gmail.com Dott. Cosimo Pierri - co.pierri@gmail.com

Documenti analoghi

POLITECNICO DI BARI RICONOSCIMENTO DI VOLTI MEDIANTE H.M.M. SUPPORTATO DA RETI NEURALI

POLITECNICO DI BARI RICONOSCIMENTO DI VOLTI MEDIANTE H.M.M. SUPPORTATO DA RETI NEURALI POLITECNICO DI BARI FACOLTÀ DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA ELETTRONICA TESI DI LAUREA IN CALCOLATORI ELETTRONICI RICONOSCIMENTO DI VOLTI MEDIANTE H.M.M. SUPPORTATO DA RETI NEURALI Relatore: