DEPARTAMENTO DE ELCTRICA Y ELECTRNICA CARRERA DE ELECTRNICA

DEPARTAMENTO DE ELÉCTRICA Y ELECTRÓNICA CARRERA DE ELECTRÓNICA Y TELECOMUNICACIONES DESARROLLO DE UNA INTERFAZ DE ETIQUETACIÓN MANUAL PARA SISTEMAS SEMI-AUTOMÁTICOS EN RECONOCIMIENTO DE FIRMAS MANUSCRITAS. Verónica Hernández Pablo Padilla Sangolquí, Febrero 2017

TEMARIO 1. Introducción y Objetivo 2. Sistema de Etiquetación de firmas manuscritas 3. Generación de la BDD de atributos etiquetados 4. Análisis de Resultados 5. Conclusiones y Recomendaciones

1. INTRODUCCIÓN Biometría: • La biometría se encarga de la autenticación de la identidad de una persona basada en rasgos biométricos.

1. INTRODUCCIÓN La Firma Manuscrita

1. INTRODUCCIÓN La Firma Manuscrita Genuina

1. INTRODUCCIÓN LAYMEN CONTRATOS BANCA NEGOCIOS ENTREGAS

1. Objetivo • Generar una base de datos robusta, que contenga atributos grafológicos etiquetados, a través del desarrollo de una interfaz de etiquetación manual de firmas manuscritas, con el fin de analizar y evaluar el comportamiento del desempeño del humano en el proceso de etiquetación.

2. 1 ARQUITECTURA DE SISTEMAS AUTOMÁTICOS Y SEMI-AUTOMÁTICOS Morocho D. , Morales A. , Fierrez J. , Vera-Rodriguez R. (2016). Towards human-assisted signature recognition: improving biometric systems through attribute-based recognition. Universidad Autónoma de Madrid. España.

2. 2 ANÁLISIS CALIGRÁFICO DE LA FIRMA

2. 2 ANÁLISIS CALIGRÁFICO DE LA FIRMA

2. 3 ANÁLISIS CALIGRÁFICO DE LA FIRMA

2. SISTEMA DE ETIQUETACIÓN DE FIRMAS MANUSCRITAS • El sistema de etiquetación manual de firmas manuscritas Sys-HSL (System Handwritten Signatures Labeling) desarrollado en este proyecto se lo realizó utilizando MATLAB R 2015 b Lectura de Firmas de la BDD Biosecure. ID SONOF DB Preprocesamiento de las firmas Etiquetación de Características por Laymen Almacenamiento de Datos Etiquetados

Lectura de Firmas de la BDD Biosecure. ID SONOF DB Preprocesamiento de las firmas Etiquetación de Características por Laymen Almacenamiento de Datos Etiquetados Base de Datos Biosecure. ID SONOF DB Número de Sesiones Tiempo de Recolección 4 6 meses Número de Usuarios 132 Firmas por usuario 28 Firmas Genuinas por usuario 16 Firmas Falsas por usuario 12 Firmas totales 3696

Lectura de Firmas de la BDD Biosecure. ID SONOF DB Preprocesamiento de las firmas Etiquetación de Características por Laymen Almacenamiento de Datos Etiquetados Normalización (media y desviación estándar)

Lectura de Firmas de la BDD Biosecure. ID SONOF DB Preprocesamiento de las firmas Etiquetación de Características por Laymen Almacenamiento de Datos Etiquetados

Lectura de Firmas de la BDD Biosecure. ID SONOF DB Preprocesamiento de las firmas Etiquetación de Características por Laymen Almacenamiento de Datos Etiquetados

Lectura de Firmas de la BDD Biosecure. ID SONOF DB Preprocesamiento de las firmas Etiquetación de Características por Laymen Almacenamiento de Datos Etiquetados

Lectura de Firmas de la BDD Biosecure. ID SONOF DB Preprocesamiento de las firmas Etiquetación de Características por Laymen Almacenamiento de Datos Etiquetados

Lectura de Firmas de la BDD Biosecure. ID SONOF DB Preprocesamiento de las firmas Etiquetación de Características por Laymen Almacenamiento de Datos Etiquetados

3. GENERACIÓN DE LA BDD DE ATRIBUTOS ETIQUETADOS Nomenclatura: Cell. Array_BD_[us. ac]u_[Ap. L]_[No. L]. mat

3. GENERACIÓN DE LA BDD DE ATRIBUTOS ETIQUETADOS CORPUS DE LA BASE DE DATOS BIO-HSL PARTICIPANTES: GENERO DE LOS LAYMEN : EDAD: NIVEL ACADÉMICO: EXPERIENCIA CON EL TEMA: 21 laymen 8 mujeres 13 hombres de 20 a 25 años estudiantes de los últimos niveles de la carrera de Electrónica de la Universidad de las Fuerzas Armadas ESPE sin experiencia Base de datos Bio-HSL DATOS QUE COMPONEN LA BASE DE DATOS BIO-HSL DATOS EXTRAÍDOS POR FIRMA DATOS EVALUABLES POR FIRMA: ATRIBUTOS EVALUABLES POR FIRMA: 4968600 65 25 11

4. PROCESO DE EVALUACÓN DE RESULTADOS DISTANCIA MANHATTAN MODIFICADA. Fuente(Araujo, 2005) fi vector de características a evaluar para una firma determinada media de la matriz de entrenamiento para las características de medición o es la moda de la matriz de entrenamiento para las características categóricas desviación estándar de la matriz de entrenamiento NORMALIZACIÓN POR TANGENTE HIPERBÓLICA. Fuente(Morocho, 2016) score vector de resultados obtenidos al aplicar la distancia Manhattan en la comparación de las características de las firmas con la matriz de entrenamiento desviación estándar del score

4. ANÁLISIS DE RESULTADOS: EER Random Medio y EER Simulated Medio

4. ANÁLISIS DE RESULTADOS: EER Random Medio y EER Simulated Medio

4. ANÁLISIS DE RESULTADOS: ESTABILIDAD CASO 1

4. ANÁLISIS DE RESULTADOS: ESTABILIDAD CASO 1

4. ANÁLISIS DE RESULTADOS: ESTABILIDAD CASO 1

4. ANÁLISIS DE RESULTADOS: ESTABILIDAD CASO 1

4. ANÁLISIS DE RESULTADOS: ESTABILIDAD CASO 2

4. ANÁLISIS DE RESULTADOS: ESTABILIDAD CASO 3

4. ANÁLISIS DE RESULTADOS: ESTABILIDAD CASO 3

4. ANÁLISIS DE RESULTADOS: COMPLEJIDAD DE LOS FIRMANTES

4. ANÁLISIS DE RESULTADOS: COMPLEJIDAD DE LOS FIRMANTES

4. ANÁLISIS DE RESULTADOS: COMPLEJIDAD DE LOS FIRMANTES

4. ANÁLISIS DE RESULTADOS: COMPLEJIDAD DE LOS FIRMANTES

5. CONCLUSIONES • El proceso de etiquetación manual de firmas manuscritas realizado por 21 etiquetadores puede alcanzar un rendimiento humano en valores de EER random de 3, 90% y EER simulated de 18, 83%. • Los resultados del rendimiento humano (layman) en la etiquetación manual, no depende de la cantidad de información, sino de la calidad de información y de la visión subjetiva del etiquetador. • El análisis de estabilidad indica que un layman puede alcanzar su nivel de estabilidad para EER random y EER simulated, etiquetando como mínimo 90 usuarios de la Base de Datos Biosecur. ID-SONOF DB, a través de la Interface Sys-HSL.

5. CONCLUSIONES • El análisis de EER en firmas simulated, determina que las características por medición no son altamente discriminantes, ya que en su mayoría estas firmas tienen distancias entre caracteres y longitudes de trazos similares entre una firma genuina y una firma simutated. • El análisis de la complejidad de los usuarios (figura 78), determinada que los usuarios (firmantes) menos complejos de etiquetar se encuentran entre los primeros 15 usuarios de la Base de Datos Biosecur. ID-SONOF DB. • Del análisis de complejidad de los usuarios, se evidencia que las firmas más complejas de etiquetar son aquellas que poseen trazos fluidos y sin titubeos, ni signos de retoques, ya que es más difícil distinguir si la firma es falsificada o genuina. • Una firma compuesta por abundantes rasgos y adornos muy complejos, es más difícil de falsificar que firmas que contienen solo el nombre del firmante y/o rúbrica.

5. RECOMENDACIONES • El proceso de etiquetación manual de firmas sugiere realizar en primera instancia un análisis de la base de datos, que va a interactuar en este proceso. Debido a varios factores que afectan la calidad de la base de datos, tales como: el proceso de adquisición de las firmas, el proceso de normalización de los datos y el proceso de selección de los datos. • El control del proceso de adquisición de datos en una Interface de etiquetación manual, garantiza la adquisición de datos etiquetados de forma correcta, lo que conlleva a generar una base de datos confiable.

5. RECOMENDACIONES • En el proceso de etiquetación de los datos adquiridos por el layman, se recomienda que se realice una etiquetación completa por usuario, para generar de esta forma una base de datos con información fiable. • Un proceso de etiquetación manual supervisado disminuye el error del etiquetador, esto evidencia una mejora en el rendimiento del humano. • Antes del proceso de etiquetación manual se recomienda presentar una visión atrayente que despierte el interés del etiquetador con temas relacionados al proceso de etiquetación, con el objetivo de mantener despierto el interés a su buena predisposición y motivación para realizar este trabajo.

GRACIAS