Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/33580
Título: | Desenvolvimento de placa sensora instrumentada com redes de Bragg em fibras óticas para autenticação biométrica |
Título(s) alternativo(s): | Development of a fiber Bragg grating-based board for biometric authentication |
Autor(es): | Girão, Natália Soares |
Orientador(es): | Muller, Márcia |
Palavras-chave: | Fibras ópticas Identificação biométrica Redes neurais (Computação) Aprendizado do computador Aprendizado profundo (Aprendizado do computador) Detectores ópticos Algorítmos computacionais Optical fibers Biometric identification Neural networks (Computer science) Machine learning Deep learning (Machine learning) Optical detectors Computer algorithms |
Data do documento: | 8-Dez-2023 |
Editor: | Universidade Tecnológica Federal do Paraná |
Câmpus: | Curitiba |
Citação: | GIRAO, Natalia Soares. Desenvolvimento de placa sensora instrumentada com redes de Bragg em fibras óticas para autenticação biométrica. 2024. Tese (Doutorado em Engenharia Elétrica e Informática Industrial) - Universidade Tecnológica Federal do Paraná, Curitiba, 2023. |
Resumo: | Este trabalho apresenta o projeto, desenvolvimento e resultados de uma placa sensora instrumentada com redes de Bragg em fibras óticas detalhando as etapas de fabricação e testes, com o objetivo de autenticação biométrica a partir dos padrões de pisada dos usuários. As redes de Bragg foram encapsuladas em silicone de cura acética e posicionadas em regiões da placa de forma a construir regiões de sensoriamento correspondentes ao tamanho de pés adultos, para a coleta em regime estático. A partir dos dados medidos, foi desenvolvido um modelo de resposta do sistema, bem como a representação gráfica por meio de mapas de pressão normalizados. Desenvolveu-se também dois modelos de reconhecimento de padrão baseados em aprendizado de máquina (machine learning) e aprendizado profundo (deep learning) gerando, respectivamente, um modelo de máquina de vetor de suporte e uma rede neural convolucional capazes de classificar diferentes pisadas humanas com fins de autenticação biométrica. A máquina de vetor de suporte treinada apresentou taxas de acerto superiores a 90% e 86% para treinamentos unilaterais e bilaterais, respectivamente. Já o modelo neural, treinado sempre com 10 épocas, foi capaz de acertar em mais de 77% das amostras para o treinamento unilateral, enquanto o treinamento bilateral apresentou acurácia superior a 96%. |
Abstract: | This work presents the design, development, and results of a sensing board instrumented with fiber Bragg gratings, detailing the steps of fabrication and testing for the purpose of biometric authentication from the footstep patterns of users. The fiber Bragg gratings were encapsulated in acetic curing silicone and positioned in regions of the board to build sensing areas corresponding to the size of adult feet to allow data acquisition in a static regime. From the measured data, a system response model was developed, as well as a graphical representation through normalized pressure maps. Two pattern recognition models were also developed based on machine learning and deep learning techniques, generating a support vector machine model and a convolutional neural network capable of classifying different footstep patterns for biometric authentication purposes. The trained support vector machine achieved accuracy rates above 90% and 86% for unilateral and bilateral training, respectively. The neural model, always trained with 10 epochs, was able to get more than 77% of the samples correct for unilateral training, while bilateral training showed accuracy greater than 96%. |
URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/33580 |
Aparece nas coleções: | CT - Programa de Pós-Graduação em Engenharia Elétrica e Informática Industrial |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
placasensoraautenticacaobiometrica.pdf | 11,92 MB | Adobe PDF | Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons