Prototipo de software para el reconocimiento automático de firmas utilizando técnicas de aprendizaje de máquina

La firma manuscrita desde hace tiempo se ha utilizado como una forma de autentificación y verificación de un individuo. La biometría es la rama de la ciencia que investiga sobre el área de reconocimiento de firmas manuscritas, entre otros medios de identificación, como pueden ser el reconocimiento d...

Full description

Main Authors: Rodríguez Rocha, Verónica, Vázquez Herrera, Perla Patricia
Other Authors: González Campos, Saúl
Format: Trabajo recepcional licenciatura
Language: spa
Published: Universidad Autónoma de Ciudad Juárez 2017
Subjects:
Online Access: http://hdl.handle.net/20.500.11961/2907
Tags: Add Tag
No Tags, Be the first to tag this record!
Summary: La firma manuscrita desde hace tiempo se ha utilizado como una forma de autentificación y verificación de un individuo. La biometría es la rama de la ciencia que investiga sobre el área de reconocimiento de firmas manuscritas, entre otros medios de identificación, como pueden ser el reconocimiento del iris, del rostro, de la voz, etc. La biometría se puede clasificar en dos categorías: la conductual, que se basa en el comportamiento del individuo, y la física, que se basa en rasgos o características físicas del individuo. El reconocimiento de la firma manuscrita se puede clasificar a su vez de dos maneras: la estática, que también se le denomina off-line, donde la firma se escribe directamente en un papel. Y la dinámica, o denominada on-line, la cual se realiza por medio de una tableta digitalizadora. Una vez elegida la manera de obtener las firmas y ya con éstas digitalizadas, es necesario pre-procesar dichas imágenes, utilizando métodos como la binarización y la esqueletización, entre otros posibles. Finalmente es necesario utilizar métodos de extracción de características, que en este proyecto en particular fueron basados en atributos geométricos de las firmas y poder así utilizar una red neuronal como un sistema de clasificación automático, una vez que fue entrenada con suficientes ejemplos. Hoy en día es común que cualquier persona pueda falsificar una firma y hacerse pasar por otra persona. Esta fue la motivación principal por la cual se realizó esta investigación relacionada con el reconocimiento de firmas utilizando técnicas de aprendizaje de máquina. El problema consiste en poder verificar firmas en forma automatizada, con un nivel aceptable de confiabilidad, sin la intervención de un experto humano, y determinar si una firma es auténtica o falsa. La solución propuesta fue utilizar como sistema clasificador a una red neuronal utilizando métodos de pre-procesamiento tales como la binarización y esqueletización, métodos de extracción de características y posteriormente efectuar el entrenamiento de la red neuronal. En el primer capítulo del presente documento se mencionan algunos antecedentes relacionados con el reconocimiento de firmas y un panorama general de las técnicas específicas que se utilizan para este fin. De igual manera se menciona el planteamiento y definición del problema, objetivos, preguntas de investigación, justificación y limitaciones, todo esto relacionado al reconocimiento de firmas manuscritas. En el segundo capítulo se ofrece un panorama general de temas que abordan el reconocimiento de firmas, tales como las características de la biometría, su clasificación, algunas técnicas utilizadas en trabajos anteriores, extracción de características, tipos de falsificaciones, redes neuronales y la etapa de pre-procesamiento, entre otros procesos. En el tercer capítulo se mencionan las cosas que funcionaron y no funcionaron, qué se utilizó y qué se hizo, todo esto relacionado con el proceso de recolección de firmas, determinación de márgenes, métricas, el proceso realizado en cada firma, métodos utilizados, etc. En el cuarto capítulo se presentan los resultados obtenidos mediante las métricas utilizadas, destacando el porcentaje de confiabilidad, gráficas de comportamiento de la red, porcentaje de error, salidas de la red, análisis e interpretación de los resultados. Por último, se aportan las conclusiones, discusiones, recomendaciones para investigaciones futuras y una conclusión en base al objetivo del proyecto.