O uso da ferramenta Custom Vision no reconhecimento de íris

Abstract

utilização de reconhecimento de íris no desenvolvimento de sistemas biométricos tem alcançado grande destaque em virtude de sua confiabilidade. Diversas técnicas e algoritmos foram desenvolvidos ao longo dos últimos anos, apresentando bons resultados. Técnicas tais como as Redes Neurais Convolucionais (abordagem que utiliza deep learning) têm alcançado ganhos significativos em desempenho nesse tipo de aplicação. Neste trabalho, propõe-se utilizar a ferramenta de Visão Personalizada do Azure para realizar a tarefa de reconhecimento de imagens de íris. Para isso, foi selecionada uma parte da base de imagens UBIRIS.v2, pré-processada para adequação às especificações da ferramenta. As imagens selecionadas foram divididas em dois conjuntos, um com imagens para treinar o modelo e outro para testes no modelo treinado. Depois, o algoritmo foi executado utilizando as imagens do conjunto de treinamento, e as do conjunto de teste foram submetidas ao modelo treinado para verificar sua acurácia. No Experimento 1, foram utilizadas imagens de 10 indivíduos (com imagens do olho esquerdo e direito), sendo selecionadas 80% das imagens para o conjunto de treinamento e 20% para o conjunto de teste. No Experimento 2, também foram selecionados 10 indivíduos e o modelo foi treinado com imagens apenas do olho direito e parte das imagens do olho esquerdo foram selecionadas para o conjunto de teste. O modelo obteve acurácia de 97,91% no Experimento 1 e 86,66% no Experimento 2, para as imagens do conjunto de teste. Estes valores foram considerados adequados para o estudo e confirmaram a eficácia da ferramenta Custom Vision nesta tarefa.

The use of iris recognition in the development of biometric systems has achieved great prominence due to its reliability. Several techniques and algorithms have been developed over the last few years, with reliable results. Techniques such as Convolutional Neural Networks (an approach that uses deep learning) have achieved significant performance gains in this type of application. In this work, it is proposed to use the Azure Custom Vision Tools to perform the task of recognizing iris images. For this, a part of the UBIRIS.v2 image base was selected, pre-processed to suit the tool's specifications. The selected images were divided into two sets, one with images for training the model and another for testing the trained model. Afterwards, the algorithm was executed using the training set images, and the test set images were submitted to the trained model to verify its accuracy. In Experiment 1, images of 10 individuals were used (with images of the left and right eye), 80% of the images were selected for the training set and 20% for the test set. In Experiment 2, 10 subjects were also selected and the model was trained with images from the right eye only and part of the images from the left eye were selected for the test set. The model obtained an accuracy of 97.91% in Experiment 1 and 86.66% in Experiment 2, for the images of the test set. These values were considered adequate for the study and confirmed the effectiveness of the Custom Vision Tools in this task.