RICERCA ITALIANA     

Programma di ricerca

Valutazione e gestione del rischio decisionale associato all'incertezza di misura nel riconoscimento per la sicurezza

Università di riferimento

Università degli Studi di CASSINO - AUTOMAZIONE, ELETTROMAGNETISMO, INGEGNERIA DELL'INFORMAZIONE E MATEMATICA INDUSTRIALE - ()

Responsabile dell'Unità di ricerca

Giovanni Betta

Descrizione

Le attività dell’Unità Operativa sono incentrate sul problema della valutazione dei contributi di incertezza introdotti dal software di estrazione dei parametri biometrici da una immagine.

L’estrazione dei parametri biometrici da immagini richiede l’esecuzione di opportuni algoritmi di elaborazione che a partire dall’immagine digitalizzata ricavano i cosiddetti punti di repere e successivamente le misure dei parametri geometrici salienti per il riconoscimento dell’individuo.
Per un uso quantitativo di queste misure, è necessaria una caratterizzazione completa del sistema che richiede anche la caratterizzazione metrologica del software di elaborazione dell’immagine. In particolar modo, è necessario stimare il valore di incertezza da associare al risultato di misura e la relativa distribuzione di probabilità.

In particolare, l’attenzione dello studio sarà mirato ad analizzare il comportamento dell’algoritmo di misura in presenza di tre principali tipologie di fattori di influenza: 1) le caratteristiche dell’hardware di acquisizione tra cui la risoluzione spaziale, la non uniformità dei pixel, il rumore di lettura, le aberrazioni del sistema di lenti, la corrente di buio; 2) estrinseci, cioè dovuti a variazioni (rispetto alle condizioni ideali di acquisizione) di quantità quali la luminosità media dell’immagine e contrasto, il colore dello sfondo, le differenti distanze, le angolazioni e le rotazioni dell’individuo rispetto al sistema di acquisizione; 3) intrinseci, cioè causati principalmente da variazioni (rispetto alle condizioni ideali di acquisizione) dell’espressione e da lievi modificazioni cromatiche dell’individuo.
Gli effetti legati alle caratteristiche dell’hardware di acquisizione e alla variabilità dei fattori di influenza sia estrinseci che intrinseci si traducono in variabilità delle posizioni dei punti di repere rispetto alle condizioni ideali e quindi ad un’incertezza di misura dei parametri biometrici ottenuti a partire dai punti di repere.

Nell’ambito di questo progetto, si deciso di seguire entrambi gli approcci (white-box e black-box) presenti in letteratura e descritti sinteticamente nell’illustrazione dello stato dell’arte.
Si è infatti deciso di rendere i risultati di questa ricerca di interesse sia di chi realizza algoritmi di estrazione parametri biometrici, il quale deve tenere in debito conto le problematiche legate agli effetti delle incertezze in ingresso sulla qualità dei risultati che il suo algoritmo è in grado di fornire in uscita, sia di chi sia interessato, utilizzando un software già realizzato, a caratterizzarlo metrologicamente.
I ricercatori dell’Unità hanno una pluriennale esperienza in entrambi gli approcci avendoli sperimentati con successo in algoritmi per l’elaborazione dei segnali di misura e in software per la diagnostica. In questa ricerca ci si interesserà della loro applicazione e particolarizzazione ad algoritmi di estrazione di parametri biometrici da immagini.

Da un punto di vista operativo, verranno svolte le attività descritte nel seguito.

Per l’approccio white-box, verranno in primo luogo realizzati alcuni semplici algoritmi di estrazione di parametri biometrici. A tal fine verrà analizzata la letteratura scientifica identificando quelli più adatti alla particolare applicazione. A questi algoritmi si applicherà la propagazione delle incertezze suggerita dalla Guida ISO cercando di giungere a relazioni analitiche che leghino le diverse sorgenti di incertezza in ingresso ai parametri biometrici in uscita. Nel caso l’algoritmo presenti delle strutture condizionali, tipiche in algoritmi che fanno largo uso di soglie, si applicherà la metodologia proposta dai ricercatori dell’unità, in collaborazione con quelli dell’UO di Salerno, per la stima delle incertezze in algoritmi con strutture condizionali.

Più in dettaglio, la stima dell’incertezza finale dell’algoritmo di misura si otterrà propagando diversi contributi di incertezza causati dai seguenti principali parametri:
1) quantizzazione spaziale, dovuta alla suddivisione della superficie sensibile del CCD, in elementi di forma rettangolari e di area finita, detti pixel;
2) quantizzazione di intensità che consiste codifica su “m” bit del valore di tensione che definisce l’intensità di ciascun pixel;
3) flicker luminoso, che darà un contributo all’incertezza di peso proporzionale al valore di intensità del pixel nell’immagine acquisita;
4) vibrazioni, che aggiungono un contributo ulteriore all’incertezza causata dall’intensità di quantizzazione;
5) operazione di rilevamento degli edges (e quindi dei punti di repere) dato che essa è in grado di influenzare direttamente l’incertezza associata al risultato finale di misura delle grandezze biometriche.
Particolare attenzione sarà dedicata proprio alla quantificazione di quest’ultimo contributo, fornendo per ciascun edge oltre alla sua posizione anche un intervallo di valori all’interno del quale la posizione dell’edge si può trovare con uno specifico livello di probabilità (livello di confidenza).
Per tali scopi, sarà adottato un approccio dipendente dalla tipologia di operatore impiegato per il rilievo degli edges, ovvero dal suo ordine. Si farà riferimento agli studi richiamati in letteratura svolti sugli operatori di Canny e Marr & Hildreth (Laplacian of Gaussian, LoG) che rappresentano il nucleo su cui si basano anche gli algoritmi più recenti.

Per quanto riguarda l’approccio black-box, verrà in primo luogo acquisito l’hardware ed un software di estrazione dei parametri biometrici da immagini facciali. Verrà quindi effettuata una campagna di acquisizione di immagini provenienti da individui reali, caratterizzati da differenti parametri biometrici, e ottenute in differenti condizioni di luminosità, contrasto, colore di fondo, variazione dell’espressione ed esposizione dell’individuo. Si farà inoltre riferimento anche ad immagini simulate e/o a immagini campione disponibili in letteratura. Ciascuna immagine sarà caratterizzata da punti di repere e quindi da misure biometriche (ottenute da analisi metrica) tra loro differenti. L’insieme di tutte le immagini a disposizione fornirà un test set iniziale di riferimento.
Sottoporre questo insieme eterogeneo di immagini al software di riconoscimento facciale (per il quale sono noti a priori i punti di repere e le misure biometriche) consentirà di eseguire un primo test per la caratterizzazione metrologica dell’algoritmo di misura e quantificare l’incertezza di misura dovuta alle cause di variabilità sia estrinseche che intrinseche al misurando.
Successivamente, sarà svolto uno studio più approfondito e mirato ad identificare eventuali condizioni di lavoro, corrispondenti a particolari combinazioni delle grandezze di influenza, in grado di peggiorare l’incertezza totale.
Tale analisi richiederà, a partire da ciascuna immagine del test set iniziale, la generazione simulata di nuove immagini che sarà svolta modificando le immagini di partenza (in termini di rumorosità dovuta alla quantizzazione, luminosità, contrasto, sfondo, rotazione, e cosi via) mediante l’uso di semplici filtri e applicativi software ampiamente disponibili in commercio.
Attraverso tecniche di pianificazione degli esperimenti, saranno definiti in maniera appropriata i campi di variabilità e i valori che ogni grandezza di influenza dovrà assumere nelle generazione simulata della nuova immagine, fornendo così un numero finito di condizioni di lavoro (piano fattoriale completo). Inoltre, al fine di evitare un’analisi esaustiva che consideri tutte le possibili combinazioni del piano fattoriale, che in alcuni casi potrebbero essere ridondanti dal punto di vista degli effetti sull’uscita dell’algoritmo di misura, verranno adottate delle opportune tecniche statistiche di campionamento stratificato (ad esempio ipercubo latino e array ortogonali) in grado di ridurre il numero di esperimenti da condurre (riduzione del piano fattoriale) ma senza pregiudicare in maniera significativa l’affidabilità del test. Inoltre, l’applicazione di opportune tecniche di stima e induzione della correlazione tra le grandezze di influenza consentirà di ottimizzare ulteriormente la fase di caratterizzazione dell’algoritmo di misura evitando la realizzazione di condizioni di test non plausibili, ovvero non possibili in pratica.

Per entrambi gli approcci, l’attività di analisi delle incertezze sarà divisa in due fasi. La prima sarà svolta considerando la sola incertezza strumentale, che può essere stimata a partire dalle caratteristiche dell’hardware utilizzato e dalla letteratura specifica. In un secondo momento verranno anche considerate le ulteriori sorgenti di incertezza analizzate e quantificate dalle altre unità in termini valori attesi e distribuzione di probabilità.

Le fasi e le attività previste sono dunque le seguenti:

FASE 1 - Progettazione esecutiva e analisi preliminari - Mesi 1-12
ATTIVITÀ
1.1 Analisi della letteratura ed identificazione dell’algoritmo/degli algoritmi da implementare
1.2 Progettazione di massima del modello del sistema di misura (in collaborazione con le altre U.O.)
1.3 Progettazione della stazione di misura da utilizzare per la fase di acquisizione delle immagini
1.4 Analisi della letteratura per la raccolta di immagini disponibili in letteratura
1.5 Progettazione di un esperimento di verifica finale (in collaborazione con le altre U.O.)

RISULTATI ATTESI
1.1 Rapporto sulla bibliografia analizzata
1.2 Progetto del modello del sistema di misura
1.3 Progetto della stazione di misura
1.4 Rapporto contenente le immagini o eventuale software per la loro generazione
1.5 Progetto dell’esperimento di verifica finale

FASE 2 - Realizzazione dei sistemi HW e SW - Mesi 6-16
ATTIVITÀ
2.1 Sviluppo dell’algoritmo/degli algoritmi di estrazione dei parametri biometrici da immagini.
2.2 Analisi teorica della propagazione delle incertezze negli algoritmi.
2.3 Identificazione del piano sperimentale completo
2.4 Applicazione di tecniche DoE per la riduzione del piano sperimentale

RISULTATI ATTESI
2.1 Algoritmo di estrazione parametri biometrici
2.2 Relazioni analitiche che legano le incertezze in ingresso con la qualità dei dati in uscita
2.3 Piano sperimentale completo
2.4 Piano sperimentale ridotto

FASE 3 - Prove sperimentali - Mesi 8-20
ATTIVITÀ
3.1 Messa a punto delle relazioni analitiche su dati sperimentali
3.2 Applicazione del piano sperimentale completo ad immagini reali e simulate
3.3 Applicazione del piano sperimentale ridotto ad immagini reali e simulate

RISULTATI ATTESI
3.1 Relazioni analitiche che legano le incertezze in ingresso con la qualità dei dati in uscita validate
3.2 Valutazione degli effetti della riduzione del piano sperimentale sull’incertezza in uscita

FASE 4 - Validazione mesi 16-24
ATTIVITÀ
4.1 validazione delle relazioni analitiche identificate mediante prove sperimentali;
4.2 Validazione dell’hardware e software realizzato su un esperimento di complessivo (in collaborazione con le altre U.O.)

RISULTATI ATTESI
4.1 pubblicazioni scientifiche sugli aspetti della ricerca;
4.2 relazioni analitiche, con relativo software che le implementa, che consentono di valutare l’incertezza sui parametri biometrici a partire dalle incertezze presenti sui dati in ingresso con riferimento a particolari algoritmi di estrazione;
4.3 sistema hardware/software da aggiungere a dispositivi di mercato per dotarli di potenzialità di valutazione dell’affidabilità delle informazioni biometriche in uscita