Thesis – Biometrics

Matteo FerraraCourse: Laurea Magistrale in Ingegneria e Scienze Informatiche Type: Progetto/Ricerca Abstract: È stato dimostrato che è possibile generare impronte digitali con doppia identità in grado di frodare sistemi automatici di riconoscimento. D’altra parte, le tecniche attualmente utilizzate generano impronte digitali che possono presentare artefatti facilmente individuabili da un esperto umano. L’obiettivo del lavoro di tesi è l’addestramento di una Generative Adversarial Network (GAN) in grado di creare impronte digitali a doppia identità con un elevato livello di realismo. Advisor/Co-Advisor: Prof. Matteo Ferrara Note: Richieste conoscenze di Deep Learning. Per approfondire l’argomento si consiglia di consultare i seguenti articoli scientifici: M. Ferrara, R. Cappelli and D. Maltoni, “On the Feasibility of Creating Double-Identity Fingerprints”, IEEE Transactions on Information Forensics and Security, vol.12, no.4, pp.892-900, April 2017. A. Makrushin, V. S. Mannam, BN Meghana Rao, and J. Dittmann, “Data-driven reconstruction of fingerprints from minutiae maps”, 24th IEEE International Workshop on Multimedia Signal Processing (MMSP), 2022. [...] Read more...
Guido BorghiCourse: Laurea Magistrale in Ingegneria e Scienze Informatiche Type: Progetto/Ricerca Abstract: La tesi ha lo scopo di realizzare un sistema di riconoscimento biometrico in grado di confrontare ortopanoramiche (immagini radiografiche acquisite dai dentisti) con immagini radiografiche parziali dei denti ai fini della ricerca di persone in una watch list. Advisor/Co-Advisor: Prof.ssa Annalisa Franco, Guido Borghi Note: In collaborazione con il Dipartimento di Scienze Mediche Veterinarie. Richieste competenze di Visione Artificiale e Deep Learning. [...] Read more...
Guido BorghiCourse: Laurea Magistrale in Ingegneria e Scienze Informatiche Type: Progetto/Ricerca Abstract: la tesi verterà sullo sviluppo e/o l’utilizzo di un framework di Federated Learning (FL) per l’addestramento di modelli basati su Deep Learning e su dati sensibili biometrici. Il framework permetterà l’addestramento distribuito di modelli di Intelligenza Artificiale per il rilevamento di attacchi basati su Face Morphing. L’addestramento distribuito rappresenta uno scenario differente da quello classico di Machine Learning in cui è disponibile un unico, grande dataset su cui effettuare il maniera centralizzata l’addestramento dei modelli: per tale motivo l’addestramento distribuito richiede analisi e soluzioni specifiche. Advisor/Co-Advisor: Guido Borghi Note: la scelta di impostare il lavoro di tesi più sul lato di ricerca o su quello applicativo verrà discussa con lo studente. Nel primo caso, il lavoro di tesi sarà possibilmente finalizzato alla pubblicazione scientifica, utile sia per entrare nel contesto aziendale sia per proseguire il proprio percorso all’interno dell’Università. Per questo motivo, viene richiesta la capacità di lavorare in gruppo, forte motivazione e voglia di fare bene. Per approfondire l’argomento si consiglia di consultare i seguenti post e articoli scientifici: CLARA: NVidia framework per il Federated Learning Federated Learning (Google Presentation) Incremental Training of Face Morphing Detectors [...] Read more...
Guido BorghiCourse: Laurea Magistrale in Ingegneria e Scienze Informatiche Type: Progetto/Ricerca Abstract: allo studente viene richiesto lo sviluppo di modelli avanzati per la stima automatica di misure antropometriche (ad esempio altezza, lunghezza braccia e gambe, circonferenza del bacino) a partire da immagini, quindi tramite tecniche non invasive. Possono eventualmente essere predetti anche dati personali, quali l’età e l’identità. Lo studio di concentrerà su modelli di Machine e Deep Learning. Si predilige lo sviluppo di metodi multimodali, basati su quindi su immagini RGB e/o immagini di profondità (depth maps) e/o immagini termiche (thermal images) acquisite con specifici sensori. Advisor/Co-Advisor: Guido Borghi Note: la scelta di impostare il lavoro di tesi più sul lato di ricerca o su quello applicativo verrà discussa con lo studente. Nel primo caso, il lavoro di tesi sarà possibilmente finalizzato alla pubblicazione scientifica, utile sia per entrare nel contesto aziendale sia per proseguire il proprio percorso all’interno dell’Università. Per questo motivo, viene richiesta la capacità di lavorare in gruppo, forte motivazione e voglia di fare bene. Per approfondire l’argomento si consiglia di consultare i seguenti articoli scientifici: Baracca: a Multimodal Dataset for Anthropometric Measurements in Automotive [...] Read more...
Matteo FerraraCourse: Laurea Magistrale in Ingegneria e Scienze Informatiche Type: Progetto Abstract: Addestramento di reti neurali profonde per il confronto di impronte digitali codificate tramite Minutia Cylinder-Code. Advisor/Co-Advisor: Prof. Matteo Ferrara Note: Richieste conoscenze di Deep Learning. Per approfondire l’argomento si consiglia di consultare i seguenti articoli scientifici: R. Cappelli, M. Ferrara and D. Maltoni, “Minutia Cylinder-Code: a new representation and matching technique for fingerprint recognition”, IEEE Transactions on Pattern Analysis Machine Intelligence, vol.32, no.12, pp.2128-2141, December 2010 [...] Read more...
Matteo FerraraCourse: Laurea Magistrale in Ingegneria e Scienze Informatiche Type: Progetto Abstract: Addestramento di reti neurali profonde per la classificazione di immagini contraffate contenenti il volto di un individuo nell’ambito dei passaporti elettronici di nuova generazione. Advisor/Co-Advisor: Prof. Matteo Ferrara Note: Richieste conoscenze di Deep Learning. Per approfondire l’argomento si consiglia di consultare i seguenti articoli scientifici: M. Ferrara, A. Franco and D. Maltoni, “The Magic Passport”, in proceedings International Joint Conference on Biometrics (IJCB), Clearwater, Florida, USA, pp.1-7, October 2014 M. Ferrara, A. Franco and D. Maltoni, “Face morphing detection in the presence of printing/scanning and heterogeneous image sources”, IET Biometrics Special Issue on presentation attacks on biometric systems, vol.10, no.3, pp.290-303, May 2021 G. Borghi, E. Pancisi, M. Ferrara and D. Maltoni, “A Double Siamese Framework for Differential Morphing Attack Detection”, Sensors, vol.21, no.10, May 2021 [...] Read more...
Guido BorghiCourse: Laurea Magistrale in Ingegneria e Scienze Informatiche Type: Ricerca Abstract: la tesi si concentra nello sviluppo di sistemi per il riconoscimento automatico dell’identità di una persona tramite l’acquisizione di immagini del volto e modelli di Machine e Deep Learning. Si predilige lo sviluppo di metodi multimodali, basati su immagini RGB e/o immagini di profondità e/o immagini termiche. Advisor/Co-Advisor: Guido Borghi Note: la scelta di impostare il lavoro di tesi più sul lato di ricerca o su quello applicativo verrà discussa con lo studente. Nel primo caso, il lavoro di tesi sarà possibilmente finalizzato alla pubblicazione scientifica, utile sia per entrare nel contesto aziendale sia per proseguire il proprio percorso all’interno dell’Università. Per questo motivo, viene richiesta la capacità di lavorare in gruppo, forte motivazione e voglia di fare bene. Per approfondire l’argomento si consiglia di consultare i seguenti articoli scientifici: A Systematic Comparison of Depth Map Representations for Face Recognition Face Verification from Depth using Privileged Information [...] Read more...
Matteo FerraraCourse: Laurea Magistrale in Ingegneria e Scienze Informatiche Type: Progetto Abstract: Addestramento di reti neurali profonde per la semantic segmentation di immagini contenenti il volto di un individuo considerando le seguenti classi di interesse: face, hair, background, clothes. Advisor/Co-Advisor: Prof. Matteo Ferrara Note: Richieste conoscenze di Deep Learning. Per approfondire l’argomento si consiglia di consultare il seguente articolo scientifico: M. Ferrara, A. Franco and D. Maio, “A multi-classifier approach to face image segmentation for travel documents”, Expert Systems With Applications, vol.39, no.9, pp.8452-8466, July 2012. [...] Read more...