DETECÇÃO DE POROS EM IMAGENS DE VESTÍGIOS DE IMPRESSÃO DIGITAL POR MEIO DE REDES NEURAIS CONVOLUCIONAIS .
Poros. Vestígios de impressão digital. Rede neural convolucional. Grid Search. Taxa de detecção real e falsa.
Neste trabalhosãoapresentadas e avaliadastécnicas que permitem a detecção de porosem
imagens de impressão digital. A primeiraavaliação se dáemrelaçãoàstécnicas que utilizam ferramentas de filtragem para o processo de extração e detecção dos poros. A segunda, porsuavez, se dáemrelação à utilização de redes neuraisconvolucionais (CNN), com enfoquevoltadoaoaprendizado de máquina. Traçadososcomparativos entre as técnicasexistentes, foiimplementada a topologia de rede neural propostapor (ALI; WANG; AHMAD, 2021). Aescolhafoimotivadapelofato do métodoemquestãogarantirosmelhoresresultadoscomparativamenteaos outros, levando-se emconta as métricasdenominadas de taxa de detecção real (RT) e taxa de detecção falsa (RF). Tais métricassãoutilizadas para verificação da taxa de acerto e de erro da rede aodetectar um conjunto de poronaimagem de impressão digital, respectivamente. Como é de se imaginar, a rede serámelhorquantomaior for a taxa de acerto e menor a taxa de erro. Uma contribuição que também é significativanessetrabalho, e que merece ser destacada, consistenautilização de um banco de dados, que atéonde se sabe naliteraturapesquisada, nuncafoiutilizado. Esse banco é compostopor imagens reais obtidasatravés de fotografiaforenseem imagens de vestígios de impressão digital encontradosem local de crime. Alémdisso, essadissertaçãoinovou no sentido de utilizar imagens com resolução de 96 dpi, que é muitomaisbaixa que a resolução de 800 dpi estabalecidacomomínima para esseprocesso de detecção de poros. Para fechar as contribuições, há de se falartambém da implementação do Grid Search como ferramenta de escolha e otimização dos hiperparâmetros da rede neural. Osresultadosobtidosapós as implementaçõesanteriormentedescritasrevelam que, inicialmente, as taxas de RT e de RFnão se mostrarammuitosatisfatórias, atingindovalores de RF = 77,9% e RT = 56,5%, respectivamente. Entretanto, quandorealizadaaanáliseemjanelas, que corresponde à restrição da análiseemsubimagens da imagem principal, foiverificado que, para umajanela de tamanho 500 × 200, o algoritmoapresentouresultadossatisfatórios, atingindo um RT de 80,8% e um RF de 4,5%, respectivamente. Ao final de tudo, a utilização do métodopropostonessetrabalhomostrou-se eficiente no processo de detecção de porosem imagens de vestígios de impressão digital encontradosem local de crime, fato que contribuisignificativamente no âmbito das CiênciasForenses, já que com a marcação de no mínimo 20 poros é possívelindividualizarumapessoa.