Avaliação de desempenho de algoritmos genéricos para reconhecimento de íris

Abstract

O avanço tecnológico vem facilitando a vida das pessoas e dando-lhes segurança em suas vidas cotidianas. Nesse sentido, a biometria vem cada vez mais ganhando espaço, seja como reconhecimento facial, impressão digital ou reconhecimento de íris. A complexa textura da íris traz informações muito úteis para se diferenciar as pessoas. Nesse contexto, o objetivo deste trabalho foi avaliar o desempenho de algoritmos de machine learning para o reconhecimento da íris humana. Dessa forma, realizou-se uma pesquisa experimental, utilizando-se da ferramenta Custom Vision para realizar a tarefa proposta de reconhecer as íris, usando um algoritmo de machine learning. Os experimentos foram realizados utilizando-se três domínios diferentes do algoritmo, cada um dos domínios foi avaliado por um integrante de um grupo de três alunos que também analisaram o tema, tendo como o domínio Geral[A1] o alvo dessa pesquisa. Para isso, foram usadas imagens de íris do banco de dados UBIRIS V2, que possuía imagens de 260 pessoas. Para esta pesquisa, foram utilizadas imagens de 10 pessoas com 60 imagens cada, totalizando 600 imagens no total, sendo 500 para treinamento e 100 para testes. Após selecionadas as imagens e inseridas na plataforma, foi realizado o treino de 15 minutos do domínio Geral[A1] e logo após foram inseridas as imagens de teste. Como resultado, a acurácia do modelo foi baixa, sendo de apenas 37,15%. Como o domínio Geral[A1] deve ser treinado por mais tempo, um novo treinamento foi realizado, esse realizado por um período de 1 hora, trazendo assim resultados melhores, como a acurácia de 82,12%. Os outros dois integrantes realizaram o mesmo procedimento, mas com domínios diferentes. O modelo do domínio Geral obteve acurácia de 98,8% no treinamento de 1 hora e o domínio Geral[A2] obteve acurácia de 97,32%, também no treinamento de 1 hora. Foi possível identificar que imagens em que as írises estavam obstruídas por óculos, cabelo ou um pouco tampadas, o algoritmo teve dificuldade em reconhecê-las em todos os domínios, mesmo com maior tempo de treinamento; assim como a única classe de uma pessoa idosa foi a que teve maior precisão. Após a análise dos resultados de todos os domínios, foi possível identificar que o algoritmo genérico da plataforma teve bom desempenho quando treinado por maior tempo, porém, ele usa características das imagens como, por exemplo, a área periocular para reconhecer as imagens, e não a íris humana de fato.