7@DMMS'2022pb AI Tech: Badanie sieci neuronowych zastosowanych do weryfikacji autentyczności podpisu odręcznego składanego piórem biometrycznym

project type: application

edition: 2022pb

number of students in project 3 - 5

manager: Krzysztof Walentukiewicz

Hipoteza:

Zastosowanie sieci neuronowych do weryfikacji autentyczności podpisu
odręcznego, sparametryzowanego z wykorzystaniem metody dynamicznego
marszczenia czasu (DTW), zwiększa skuteczność weryfikacji w porównaniu z
klasyfikatorem opartym na stałych progach

Opis projektu:

W ramach projektów IDENT i BIOPUAP opracowano systemy
uwierzytelniania klienta banku na podstawie cech biometrycznych, takich jak
głos, wizerunek twarzy, obraz naczyń krwionośnych dłoni i podpis odręczny.
Sygnały reprezentujące dynamiczne cechy podpisu, takie jak przyśpieszenie i
położenie kątowe parametryzowane są w tych systemach z wykorzystaniem metody
dynamicznego marszczenia czasu (DTW), a następnie wektory cech podpisów
wzorcowych klienta i podpisów złożonych w bieżącej sesji uwierzytelniania
porównywane są z wykorzystaniem klasyfikatora opartego na stałych progach. W
ramach projektu należy zaimplementować metodę klasyfikacji podpisów opartą na
współczesnej architekturze sieci neuronowej, osadzić ją w systemie stworzonym
w ramach projektu BIOPUAP, a następnie przeprowadzić badania skuteczności
weryfikacji autentyczności podpisów. Badania należy przeprowadzić z udziałem
co najmniej 30 uczestników składających 10 podpisów w parach. Uczestnicy
powinni również wykonać 10 prób fałszerstw podpisów drugiej osoby z pary.
Należy wyznaczyć miary FAR, FRR, EER zarówno dla losowych jak i szkolonych prób
fałszerstw. Efektem pracy powinna być publikacja zawierająca analizę
statystyczną różnic wyników skuteczności weryfikacji autentyczności podpisów
z wykorzystaniem zaimplementowanego rozwiązania opartego na sieciach
neuronowych i rozwiązania zastosowanego dotychczas.