Créditos ECTS Créditos ECTS: 3
Horas ECTS Criterios/Memorias Trabajo del Alumno/a ECTS: 55 Horas de Tutorías: 1 Clase Expositiva: 7 Clase Interactiva: 12 Total: 75
Lenguas de uso Inglés
Tipo: Materia Ordinaria Máster RD 1393/2007 - 822/2021
Departamentos: Departamento externo vinculado a las titulaciones
Áreas: Área externa Máster en Visión por Computador / Computer Vision
Centro Escuela Técnica Superior de Ingeniería
Convocatoria: Segundo semestre
Docencia: Con docencia
Matrícula: Matriculable | 1ro curso (Si)
Esta asignatura ofrece una visión general de las técnicas de identificación biométrica basadas en imagen y vídeo. Aborda en detalle las más habituales: reconocimiento facial, por huella y por iris. Los estudiantes habrán comprendido las características comunes de las técnicas de
identificación biométrica, la forma de evaluar prestaciones, los problemas de implementación práctica, las particularidades de cada modalidad biométrica y la forma de combinarlas. Además habrán desarrollado un análisis crítico sobre el mejor punto de trabajo para una aplicación concreta, así como ha tener en cuenta las particularidades debidas a factores demográficos (sexo, edad, raza, cultura) en el diseño, desarrollo,
evaluación y despliegue de una solución de identificación biométrica.
-Principios básicos de la identificación biométrica
Identidad versus rasgos biométricos: Tipos de rasgos y firmas biométricas.
Varianza intra-clase e inter-clase de las firmas biometricas. Influencia de los sensores en las diferentes firmas.
Modelado matemático de los datos biométricos: Extracción de características. Compresión. Representación versus Discriminación.
Reconocimiento, Identificación, Verificación y Autenticación. Tipos de errores: TER, ERR, FAR, FRR.
-Tecnologías biométricas actuales
Características fisiológicas: huellas, iris, cara, palma, retina, voz.
Características aprendidas: firma (estática y dinámica), pulsaciones de teclado.
Detección de muestra viva.
Pros y contras en el uso de cada rasgo biométrico.
-Reconocimiento facial
Técnicas globales (eigenfaces, fisherfaces) versus técnicas locales (template matching, NCC, Elastic Bunch Graph Matching). El problema de la variación de iluminación y pose. El problema de la detección y normalización.
Técnicas de aprendizaje profundo. Pros y contras.
-Reconocimiento de huellas dactilares
Representación de minucias. Distancia de Hausdorff. Filtros de Gabor.
Tolerancia a deformaciones. Tipos de sensores.
-Reconocimiento de iris
Representación del iris. Algoritmo de Daugman. Algoritmo de Wildes.
Reconocimiento a distancia. Pros y contras del reconocimiento de iris.
-Reconocimiento multimodal. Multibiometría.
Combinación de clasificadores. Fuentes independientes o correladas
Fusión de clasificadores: intramodal, extramodal, algorítmica y de scores.
Sistemas estado del arte con reconocimiento multimodal y/o multibiométrico.
Bibliografía Básica:
Gran parte del material de estudio se basa en artículos científicos que se pondrán a disposición d elos estudiantes en la plataforma de tele-enseñanza.
Bibliografía Complementaria:
Wayman, J.L., Jain, A.K., Maltoni, D., Maio, D. (Eds.), Biometric systems. Technology, Design and Performance
Evaluation, 978-1-84628-064-1, 1, Springer, 2005
Anil Jain, Ruud Bolle y Sarta Pankanti (Eds.), Biometrics. Personal Identification in Networked Society,
978-0-387-28539-9, 1, Kluwer Academic Publishers, 2006
John Daugman, How iris recognition works, IEEE Transactions on Circuits and Systems for Vide, 2004
CB8 Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios.
CT1. Exerce a profesión cunha conciencia clara da súa dimensión humana, económica, legal e ética e cun claro compromiso coa calidade e a mellora continua.
CT4 - Capacidad para comprender el significado y aplicación de la perspectiva de género en los distintos ámbitos de conocimiento y en la práctica profesional con el objetivo de alcanzar una sociedad más justa e igualitaria.
CG4. Capacidad de análisis crítico y de evaluación rigurosa de tecnologías y metodología.
CG7. Capacidad de aprendizaje autónomo para la especialización en uno o más campos de estudio.
CE2: Conocer y aplicar técnicas de aprendizaje automático y reconocimiento de patrones aplicadas a visión por computador.
CE4. Concebir, desarrollar y evaluar sistemas complejos de visión por computador.
CE5: Analizar y aplicar métodos del estado de la técnica en visión por computador.
Prácticas de laboratorio:
Prácticas de los conceptos mostrados en las clases magistrales. Se realizarán con software accesible a todos los alumnos. Aprendizaje basado en la resolución de casos prácticos y en pequeños proyectos. El trabajo será en general autónomo y con estudio independiente del
alumnado. Algunas prácticas se harán en grupo y mediante aprendizaje cooperativo. Se hará uso intensivo del aula virtual.
Durante la parte presencial de las prácticas de laboratorio se hará una atención individualizada para resolver dudas y ayudar en los avances. Durante la parte no presencial se hará un uso extensivo de las plataformas de tele-enseñanza y los foros de debate.
Lección magistral:
Lecciones magistrales participativas donde se exponen los contenidos y se avanzan los pros y contras que tendrán diferentes opciones para resolver casos reales, dejando algunas incógnitas para que los estudiantes las trabajen y lleguen a sus propias conclusiones.
Durante la lección magistral se forzará el debate entre los estudiantes y se dejarán preguntas abiertas.
- Examen de preguntas objetivas (15):
Examen de preguntas cortas sobre los conceptos estudiados y de evaluación individualizada.
Competencias Evaluadas:
CB8 CG4 CE2 CT1 CT4
-Resolución de problemas y/o ejercicios realizadas (15):
Examen de problemas cortos sobre los conceptos y prácticas y de evaluación individualizada.
Competencias Evaluadas:
CB3 CG4 CE4
-Práctica de laboratorio (70):
Las prácticas de laboratorio tendrán una parte evaluable de forma individualizada o en grupos en función del tipo de práctica.
Competencias Evaluadas:
CB3
CG4
CG7
CE2
CE4
El tiempo de estudio medio recomendable es de 2 horas semanaless. Adicionalmente, deberá contarse el tiempo dedicado a la realización de trabajos de prácticos que estimamos en 3 h./semana más. En total suman arlredor de 60h/semestre.
Asignaturas que se recomienda cursar simultáneamente
Aprendizado automático avanzado para visión por computador/V05M185V01205
Procesado y análisis de imagen avanzados/V05M185V01201
Asignaturas que se recomienda haber cursado previamente
Descripción y modelado de imagen/V05M185V01102
Fundamentos de aprendizaje automático para visión por computador/V05M185V01103
Fundamentos de procesado y análisis de imagen/V05M185V01101