Trabajo de fin de máster, del Máster universitario de Inteligencia de Negocio y Big-Data en Entornos Seguros en las Universidades de Burgos, León y Valladolid

Tutores: Dr. José Francisco Diez Pastor y Dr. Pedro Latorre Carmona

Trabajo final de master sobre el reconocimiento y la segmentación del iris, como seguimiento del Trabajo Final de Grado de Johnson Bolívar Arrobo Acaro.

La utilización de la biometría para mejorar la seguridad, principalmente en lo referente al acceso de dispositivos electrónicos, es un recurso ampliamente empleado en la actualidad. El iris es uno de los elementos biométricos que mayores dificultades presentan para su suplantación, y por ello, su utilización en este campo ha atraído la atención de la comunidad científica estas últimas dos décadas.

Las redes neuronales han demostrado ser útiles para extraer características del iris. Esta extracción se puede llevar a cabo no solo entrenando una red neuronal desde cero, sino también adaptando una ya pre-entrenada. Respecto a la utilización de técnicas de adaptación de la red neuronal se plantean dos preguntas. ¿Es necesario aislar el iris para llevar a cabo la adaptación de la red neuronal? ¿Se puede aplicar también para conjuntos de datos pequeños?

En este proyecto se han adaptado redes neuronales, inicialmente entrenadas para clasificar diversos objetos, para que sean capaces de identificar a un individuo utilizando su imagen ocular.

Para ello, se han utilizado dos enfoques. En un primer enfoque, las redes neuronales se han adaptado utilizando imágenes oculares completas, mientras que, para el segundo enfoque, se ha adaptado la red neuronal con imágenes oculares donde previamente se ha aislado el iris, ya que a priori, el iris la zona de la imagen ocular que mejor permite la identificación de individuos.

Además, se han utilizado técnicas de ampliación del conjunto de datos original, a fin de contar con un mayor número de muestras de cada individuo y también, mejorar la robustez de las redes neuronales adaptadas.

Los resultados muestran que las mejores tasas de clasificación se han dado en el enfoque donde se utilizaba la imagen ocular completa, sin que las técnicas de ampliación del conjunto de datos hayan permitido mejorar la tasa de clasificación. Como futuras líneas de trabajo, se establecen la utilización de redes neuronales pre-entrenadas distintas, así como testear el modelo con imágenes realizadas fuera del entorno académico.

El template de la memoria se puede encontrar en el siguiente enlace.