Analisi e sperimentazione di Sistemi Biometrici Adattativi basati su volti per il riconoscimento personale

Nonostante la ricerca sui sistemi biometrici mono e multimodali per il riconoscimento personale, abbia conseguito notevoli progressi negli ultimi anni, non è stato possibile ancora risolvere uno dei problemi più cruciali, dato dal fatto che questi sistemi sono basati sul "template matching": il problema in oggetto è il cosiddetto "aggiornamento del template". In altre parole, quando un utente si "registra" nel sistema, deve rilasciare uno o più campioni della propria biometria (es. una o più foto del proprio volto). Questi campioni vengono elaborati per generare un "template", o "modello", della biometria, con il quale tutti gli altri campioni sottomessi durante il funzionamento del sistema vengono confrontati. Nel tempo, per una serie di cause intrinseche od estrinseche alla biometria in uso (invecchiamento o contesto ambientale), i "template" non sono più rappresentativi del soggetto e necessitano aggiornamento. Su sistemi di media-larga scala, quest'operazione, se condotta in modo supervisionato, è molto costosa. Così, recentemente, sono stati proposti algoritmi per l'aggiornamento automatico del template. Sebbene le prestazioni di detti algoritmi, in particolare, i cosiddetti "self-" e "co-update", si sono in media rivelate incoraggianti, esse si sono anche rivelate variabili in funzione della particolare tipologia di utenti, in generale della "user population". In questa tesi, viene compiuta un'approfondita analisi sulle condizioni che determinano o meno l'efficacia degli algoritmi di aggiornamento automatico del template suddetti, presentando un modello concettuale che permette di valutare qualitativamente e qualitativamente tale efficacia, e giustificandone l'appropriatezza con un ampio corredo sperimentale focalizzato sulla biometria del volto come caso di studio.