Introduccin a la

Biometra
Tcnicas Avanzadas de Procesado de Imagen
Marcos Ortega Hortas

Introduccin (I)

El trmino biometra deriva de las palabras

griegas bio (=vida) y metria(=medir).
La definicin clsica se aplica de forma
general a la ciencia que estudia las
caractersticas cuantitativas de los seres vivos

Peso
Longitud

Introduccin (II)

En la actualidad se utiliza tambin para

referirse a los mtodos automticos que
analizan las caractersticas humanas con el fin
de identificar y autentificar a las personas.
Principales mbitos de aplicacin:

Salud (Medicina, Biologa, Psicologa)

Seguridad (Control de acceso, vigilancia)
Bancario (Verificacin firmas)
3

Introduccin (III)

Con este punto de vista, la biometra entra a

formar parte del tercer nivel crtico de los
sistemas de seguridad:

Algo que el usuario sabe (password, PIN)

Algo que el usuario tiene (tarjeta personal)
Algo que el usuario es/hace (dato biomtrico)

Introduccin (IV)

Dos grandes tipos de biometra:

Esttica: conjunto de caractersticas fsicas

Dinmica: conjunto de caractersticas de conducta

Lo que uno es (esttico) vs lo que uno hace

(dinmico)
5

Introduccin (V)

Biometra esttica:

Huella dactilar
Iris
Geometra de la mano
Retina
Cara
Lneas de la mano

Introduccin (y VI)

Biometra dinmica:

Escritura manuscrita
Voz
Tecleo
Gesto
Caminar
Movimiento corporal

Conceptos Bsicos (I)

Objetivo principal: Autenticacin de

individuos
Identificacin vs Verificacin
Identificacin: Quin es esta persona?
Verificacin: Es esta persona X?

Conceptos Bsicos (II)

Identificacin:

Base de datos de caractersticas de individuos

Mecanismo de captura y procesamiento de
individuos
Procedimiento para comparar caractersticas con
todos los individuos de la base de datos

Comparacin 1:N
9

Conceptos Bsicos (III)

Verificacin:

Sistema de autenticacin usuario+token

(password, tarjeta)
Mecanismo de extraccin de caractersticas
Procedimiento de comparacin entre el individuo
a autenticar y el de referencia

Comparacin 1:1
10

Conceptos Bsicos (IV)

Universalidad
Singularidad
Estabilidad
Cuantificabilidad
Aceptabilidad
Rendimiento
Usurpacin
11

Conceptos Bsicos (y V)

Por qu la biometra?

Necesidad de seguridad en diversas actividades

debida a las nuevas tecnologas
Posibilidad de olvido o robo de claves
(passwords, DNI)
Mayor comodidad para el usuario

12

Historia de la Biometra (I)

31.000 a.C. : Pinturas en cuevas rodeadas de huellas

de manos usadas aparentemente como firma.
500 a.C. : Huellas digitales usadas en transacciones
de negocio en Babilonia, marcadas en arcilla.
En China tambin hay constancia del uso de huellas
digitales, incluso por padres para diferenciar a sus
hijos.
En Egipto se usaban unos descriptores fsicos por los
que identificar a los comerciantes de buena y mala
reputacin
13

Historia de la Biometra (II)

1880: Alphonse
Bertillon

Primeros estudios
antropomtricos
Dise un sistema de
caracterizacin de
individuos
Utilizado para
identificar criminales

14

Historia de la Biometra (III)

El sistema antropomtrico de Bertillon incumpla

gravemente dos apartados:

Singularidad
Rendimiento

En 1903, se descubri que dos hombres en una

crcel de Kansas posean los mismos factores en el
sistema de Bertillon
Otros casos y la pujante aparicin de las huellas
digitales en tcnicas forenses/policiales marc su fin
15

Historia de la Biometra (IV)

Sir Francis Galton

llev a cabo un extenso
estudio sobre huellas
digitales
Sent las bases de los
rasgos caractersticos
en las huellas digitales:
Minucias

Todava hoy son los

rasgos empleados
16

Historia de la Biometra (y V)

1936: Se sugiere el uso del iris como rasgo

biomtrico
1960: Empleo semiautomtico de rasgos faciales
1965: Comienzo del uso del habla como rasgo
En los 70 y 80: numerosos pasos para la
automatizacin de los procesos y nacimiento de
estndares y patentes
90 y actualidad: Sistemas comerciales y
generalizacin de su uso
17

Procesos biomtricos (I)

18

Procesos Biomtricos (II)

Enrollment (Darse de alta)

Necesidad de dispositivos adecuados (scanners de

huellas dactilares, retingrafos, sistemas de
registro de la voz)
Imprescindible que dichos dispositivos presenten
unos mrgenes de tolerancia adecuados para
permitir la reproducibilidad de la informacin
capturada
19

Procesos Biomtricos (III)

Nivel de calidad de los datos adquiridos:

Nmero de muestras?
Condiciones varan con la temporalidad
Datos promedio o aditivos

Problemas de ciertas personas con ciertos rasgos

FTER (Failure to Enroll Rate): La tasa entre las altas
insatisfactorias y el nmero total de intentos de darse de alta.

20

Procesos Biomtricos (IV)

Procesado de datos biomtricos

Complejidad y tamao de las muestras en crudo

Preprocesado: Eliminacin ruido, filtrado de
ciertos rasgos irrelevantes o innecesarios
Extraccin del patrn biomtrico: Plantilla

Invariante
Compacta

21

Procesos Biomtricos (V)

Dos tipos de plantillas:

Las generadas en el proceso de enrollment

Las generadas en cada proceso de autenticacin

Ambos tipos son comparados y muchas veces es

necesario el registro de plantillas

22

Procesos Biomtricos (y VI)

ltimo proceso: Autenticacin propiamente

dicha

Medida del grado de similitud de plantillas

Sistemas de puntuaciones en rangos (1:100, -1:1)

No hay valores absolutos (SI/NO): establecen el grado
de fuerza o debilidad entre plantillas

Establecimiento de un umbral de aceptacin

Toma de decisin (S/No/No s)
23

Tecnologas Biomtricas (I)

Modelo de James L. Wayman (Director del U.S. national Biometric Test

Center).

24

Tecnologas Biomtricas (II)

Recopilacin de informacin

Importante distinguir entre accesos genuinos e impostores

La calidad de los sensores es clave para reducir la variabilidad
Estndares de calidad definidos por el FBI y el NIST para huellas
dactilares

25

Tecnologas Biomtricas (III)

Transmisin de datos

Volumen de informacin (Imgenes, vdeos,

sonido)

Algoritmos de compresin y prediccin (JPEG, FPS1014)

Algoritmos especficos en sistemas muy extendidos
(huellas): Cuantizacin escalar siguiendo un estndar
propio

Eliminacin de ruido en seales especialmente

analgicas
26

Tecnologas Biomtricas (IV)

Procesamiento de seales

Transformadas

Anlisis de calidad de la seal de entrada

Normalizacin de la seal
FFT es la ms usada tanto en voz como imgenes

Procesamiento especfico

GSCM (Gray Scale Concurrence Matrices) en

imgenes de texto manuscrito
27

Tecnologas Biomtricas (V)

Almacenamiento de la informacin

Necesidad de estructuracin adecuada para

accesos rpidos
Sistemas de indexacin para bsquedas rpidas

Modalidades

Sistema protegido dentro del dispositivo

biomtrico
Base de datos convencional
Tokens porttiles como una smart card
28

Tecnologas Biomtricas (y VI)

Evaluacin y rendimiento

Permiten comparar productos

Evaluaciones y medidas de rendimiento costosas

Recopilar
Analizar
Elaborar documentacin

Nist (National Institute of Standards and Technology)

Organismo estandarizador
Posee bases de datos de referencia para fabricantes (huellas,
caras y voces)
29

Tcnicas de Reconocimiento de
Patrones (I)

Descripcin y clasificacin de objetos,

personas, seales etc
En biometra permiten localizar estructuras
relevantes, clasificar y comparar patrones
biomtricos

30

Tcnicas de Reconocimiento de
Patrones (II)

Esquema general de un sistema de reconocimiento

de patrones:

Captacin (sensor)
Preprocesados (mejora)
Segmentacin
Extraccin de caractersticas
Clasificador

31

Tcnicas de Reconocimiento de
Patrones (III)

Clasificacin supervisada vs no supervisada

Dependiendo de si se conoce a priori la clase de cada

muestra

Factores de variabilidad en un sistema

Ruido
Traslaciones
Rotaciones
Cambio de escala
Deformaciones
32

Tcnicas de Reconocimiento de
Patrones (IV)

Extraccin de
caractersticas

Se puede usar la propia

imagen
Rasgos extrados de la
imagen (puntos de
referencia,
distancias)

33

Tcnicas de Reconocimiento de
Patrones (V)

Separabilidad entre clases

Medidas de separabilidad distintas
Componentes bidimensionales
Reduccin de dimensionalidad (distancias, eliminacin)
Medida normalizada de separabilidad: Diferencia de
medias normalizadas por la diferencia de varianzas

34

Tcnicas de Reconocimiento de
Patrones (VI)

Seleccin de caractersticas: Eliminar componentes en el

vector de caractersticas
Aproximaciones computacionales

Seleccin secuencial hacia delante

Seleccin secuencial hacia atrs
35

Tcnicas de Reconocimiento de
Patrones (VII)

El anlisis en componentes principales (PCA)

es menos costoso
Se basa en el clculo de la matriz de
covarianza de los vectores de caractersticas
Los autovalores de la matriz dan el orden de
importancia de las componentes principales

Los autovectores asociados poseen la misma

direccin que las dimensiones principales
36

Tcnicas de Reconocimiento de
Patrones (VIII)

Anlisis discriminante lineal (LDA)

Se calcula la media de los vectores de cada clase

Se calcula la matriz de dispersin intra-clase
(SW)
Se calcula la matriz de dispersin inter-clase (B)
Esta vez, los autovectores de inters son los
obtenidos de la matriz:

inv(SW)*B
37

Tcnicas de Reconocimiento de
Patrones (IX)

Las redes neuronales nos

permiten reducir la
dimensionalidad de nuestros
vectores
Los patrones de entrenamiento
son los vectores y la salida
deseada tambin
La capa oculta, ms pequea que
la entrada y salida, nos
proporcionan una representacin
ms compacta de las
caractersticas

38

Tcnicas de Reconocimiento de
Patrones (X)

Deteccin de objetos por correlacin.

La correlacin bidimensional de dos imgenes nos permite
saber si una de ellas est presente en la otra y en qu posicin.
Normalmente una de las dos imgenes, el objeto a encontrar,
suele ser considerablemente ms pequea que la otra.

39

Tcnicas de Reconocimiento de
Patrones (XI)

Para facilitar la deteccin suele usarse tambin el

coeficiente de correlacin normalizando el resultado
al intervalo [-1, 1]

40

Evaluacin de Sist. Biomtricos

Una evaluacin completa de un sistema biomtrico

requerira analizar:

Rendimiento respecto a su funcin de reconocimiento

automtico de personas
Seguridad, integridad y confidencialidad
Fiabilidad y mantenimiento
Aceptacin y facilidad de manejo
Estimacin de costes y beneficios

El aspecto que nos interesa es el del rendimiento, es

decir, su capacidad de reconocimiento de personas
41

Evaluacin de Sist. Biomtricos:

Planificacin (I)

Definiciones previas
Muestra: resultado de la captura
Patrn: medida de referencia del usuario
Inscripcin (enrollment): proceso por el que
se aade a un nuevo usuario
Operacin: Intento por parte de un usuario de
validar su identidad frente al sistema
42

Evaluacin de Sist. Biomtricos:

Planificacin (II)

Clasificacin de las muestras

Online: cuando la inscripcin o clasificacin se

realiza en el momento en que la muestra es
capturada
Offline: Tanto la inscripcin como la
clasificacin de las muestras se realizan con
muestras adquiridas previamente.

43

Evaluacin de Sist. Biomtricos:

Planificacin (III)

Tipos de evaluacin

De tecnologa

De escenario

Offline
Anlisis de progreso de las tcnicas
Realizada por laboratorios independientes generalmente o en
competiciones

Se mide el rendimiento en un entorno simulado el campo de

aplicacin
Suele incluir todas las etapas del proceso

Operacional

Similar a la de escenario pero en un entorno real y para una

poblacin determinada
44

Evaluacin de Sist. Biomtricos:

Planificacin (y IV)

Tipo de tarea

Verificacin

Slo se compara con la muestra de la identidad

reclamada

Identificacin

Se compara la muestra con todas las almacenadas

Puede tener dos objetivos

Comprobar que un usuario que reclama estar autorizado lo

est (identificacin positiva)
Comprobar que un usuario que reclama no estar dado de alta
no lo est (identificacin negativa)
45

Evaluacin de Sist. Biomtricos: Los

Datos (I)

No es aconsejable el uso de muestras

artificiales generalmente. Tanto en lo que se
refiere a la muestra en s como al entorno de
adquisicin
Hay que tener cuidado con errores de tipo
dobles inscripciones o inconsistencias de
muestras e individuos
Minimizar la intervencin humana
46

Evaluacin de Sist. Biomtricos: Los

Datos (II)

Intento autntico: la muestra a clasificar pertenece

al propietario del patrn con el que se compara
Intento impostor: la muestra a clasificar pertenece a
otra persona que la del patrn comparado
Cliente: Usuario inscrito en el sistema
Impostor: Usuario que se hace pasar por un cliente
sin serlo. Si trata de parecerse o imitar a un cliente se
le llama activo. En otro caso, pasivo.
47

Evaluacin de Sist. Biomtricos: Los

Datos (III)

Datos del cliente:

Hay que tener en cuenta el envejecimiento del

patrn
Hay que probar comparando muestras separadas
suficientemente en el tiempo para descartar la
influencia de este factor

48

Evaluacin de Sist. Biomtricos: Los

Datos (IV)

Datos de impostores
Hay dos posibilidades segn la forma de
operar:

Impostores genuinos: muestras de usuarios

diferentes de los clientes adquiridas ex profeso
Impostores simulados: muestras de otros clientes

49

Evaluacin de Sist. Biomtricos: Los

Datos (V)

Impostores Genuinos
Forma ms realista de evaluar el sistema
No siempre es posible
El nmero de impostores ha de ser
suficientemente grande

50

Evaluacin de Sist. Biomtricos: Los

Datos (VI)

Impostores Simulados
Cuando el nmero de muestras no es
suficiente para obtener una cantidad
mnimamente representativa de clientes e
impostores
Dos posibilidades

Elegir un subconjunto diferente para cada cliente

Realizar la comparacin cruzada (N*(N-1))
51

Evaluacin de Sist. Biomtricos: Los

Datos (VII)

Es importante hacer notar que el sistema debe ser

probado con datos diferentes a los utilizados en el
entrenamiento
Respecto al tamao del conjunto de prueba

Regla del 3. si no se observan errores, cul es la tasa de

error mnima que puede ser establecida estadsticamente
para cualquier umbral con un nmero dado de N pruebas
Regla del 30. para tener un 90% de confianza de que la
tasa de error verdadera est dentro del +/- 30% de la tasa
de error observado, debe haber al menos 30 errores
52

Evaluacin de Sist. Biomtricos: Los

Datos (y VIII)

Problemas con las asunciones anteriores:

No siempre hay independencia estadstica en las muestras

(comprobaciones cruzadas, etc)
La distribucin de errores no siempre es la misma a lo largo de la
poblacin. Hay 4 tipos de individuos

Oveja. Comportamiento normal

Cabra. Difciles de reconocer y para las que se tiende al rechazo
Cordero. Fcilmente imitables, el sistema tiende a aceptar como
vlidos a ms impostores de lo normal
Lobo. Con facilidad para hacerse pasar por otras, por lo que su
porcentaje de aceptacin como impostor es ms alto de lo normal

Solucin universal: Tener muchos voluntarios y muchas

muestras por voluntario
53

Evaluacin de Sist. Biomtricos:

Medicin del Rendimiento (I)

En un sistema biomtrico durante la fase de

enrollment o inscripcin, se puede rechazar
una muestra por falta de calidad.
Asmismo, en la decisin final se puede
aceptar la identidad del individuo o rechazar.
Todas estas decisiones conllevan unos errores
asociados con los que mediremos el
rendimiento del sistema.
54

Evaluacin de Sist. Biomtricos:

Medicin del Rendimiento (II)

Validacin de la muestra:

Tasa de Fallos en Inscripcin (TFI). Proporcin

de muestras no inscritas por no cumplir algn
criterio requerido
Tasa de Fallos en Operacin (TFO). Se estima
mediante la proporcin de operaciones (clientes e
impostores) que no han podido completarse

55

Evaluacin de Sist. Biomtricos:

Medicin del Rendimiento (III)

Errores en la etapa de clasificacin:

Tasa de falsos positivos (TFP o FMR). Proporcin de

muestras de usuarios diferentes clasificadas como del
mismo.
Tasa de falsos negativos (TFN o FMNR). Proporcin de
muestras del mismo cliente clasificadas como de
diferentes usuarios.

56

Evaluacin de Sist. Biomtricos:

Medicin del Rendimiento (IV)

El establecimiento de un umbral u otro nos marcar la tasa de

un tipo de error u otro en el sistema.
Hay dos formas de abordar la dependencia del umbral:

Una representacin grfica que permita ver el rendimiento en funcin

del umbral
Resumir el rendimiento en un nmero
57

Evaluacin de Sist. Biomtricos:

Medicin del Rendimiento (V)

Representacin grfica del rendimiento: Curvas

ROC (Receiver Operating Characteristics).
Tasa de TAR (1-FMNR) vs FMR

58

Evaluacin de Sist. Biomtricos:

Medicin del Rendimiento (VI)

Representacin grfica del

rendimiento: Curvas DET
(Detection Error Trade
Off).
Tasa de FMNR vs FMR en
ejes no lineales para que el
resultado salga
aproximadamente lineal y
facilite la comparacin

59

Evaluacin de Sist. Biomtricos:

Medicin del Rendimiento (VII)

Rendimiento en un nmero

Tasa de Equierror (Equal Error Rate, EER). Es el

punto donde FMR=FMNR

En la curva DET es el corte de la curva con la

diagonal

60

Evaluacin de Sist. Biomtricos:

Medicin del Rendimiento (VIII)

Errores en la decisin final

Tasa de falsas aceptaciones (TFA o FAR). Es la

proporcin esperada de operaciones con identidad
falsamente reclamada que son incorrectamente
confirmadas.
Tasa de Falsos Rechazos (TFR o FRR). Es la
proporcin esperada de operaciones con identidad
o no identidad correctamente reclamada que son
incorrectamente rechazadas.
61

Evaluacin de Sist. Biomtricos:

Medicin del Rendimiento (y IX)

Productividad del sistema

Si el procesamiento de los datos es en tiempo

real: nmero medio de inscripciones y nmero
medio de operaciones por unidad de tiempo.
Si el procesamiento de las muestras se realiza en
un momento posterior al de su adquisicin:
tiempo medio por cliente del algoritmo de
creacin de patrones y tiempo medio por
operacin del algoritmo de clasificacin
62

Rasgos Biomtricos:
visin general (I)

Comparativa entre diferentes rasgos:

63

Rasgos Biomtricos:
visin general (y II)

Cuota de mercado

64

Rasgos Biomtricos: Huella (I)

Presencia de lneas
genricas denominadas
crestas donde la piel se
eleva respecto a los valles.
En dichas lneas se
identifican dos tipos
principales de rasgos:
minucias

Terminaciones
Bifurcaciones

65

Rasgos Biomtricos: Huella (II)

Dispositivos tpicos de
adquisicin:

Lectores OEM:
fcilmente integrables
Lectores integrados
Terminales completos
Soluciones PCMCIA

66

Rasgos Biomtricos: Huella (III)

Proceso tpico de preprocesado de imagen:

Mejora
Binarizacin
Valoracin de calidad
Extraccin de la regin de inters (ROI)

67

Rasgos Biomtricos: Huella (IV)

Fases del proceso:

Adelgazamiento (Thinning)
Depuracin
Extraccin caractersticas

Si #vecinos = 1, terminacin

Si #vecinos > 2, bifurcacin

68

Rasgos Biomtricos: Huella (y V)

Tasas habituales de error:

Mtodos de ataque

FAR=0.01
FRR=0.1
Reproduccin del dibujo a escala
Mediate rplicas con moldes de ltex

Mtodos de defensa

Escner de ultrasonidos: penetra el ltex

Liveness Check:

Temperatura
Reflexin de la luz
Parmetros elctricos
69

Rasgos Biomtricos: anatoma del ojo

70

Rasgos Biomtricos: Iris (I)

Alta estabilidad frente a accidentes

Pequeas variaciones de apertura ante
entornos cambiantes
No invasivo
Difcil de falsificar

71

Rasgos Biomtricos: Iris (II)

Captura: Uso de
cmaras fotogrficas o
de vdeo
No es necesaria una
alta resolucin
generalmente
La distancia ha de ser
la adecuada para no
deformar la imagen
72

Rasgos Biomtricos: Iris (III)

Preprocesado:

Localizacin del iris

dentro de la imagen
Deteccin de los bordes
externo e interno
Eliminacin de las
partes de la imagen no
correspondientes al iris
Adaptacin del tamao
segn la distancia en la
adquisicin
73

Rasgos Biomtricos: Iris (y IV)

Extraccin de caractersticas:

Transformacin a seal 1-D: Circunferencia en el centro del iris

Transformacin a matriz 2-D

A las seales transformadas se les aplican filtros:

El espacio circular del iris se transforma a un espacio cuadrado que

permita aplicarle una serie de filtros de manera ms cmoda

Operadores de cruces por cero

Filtros de Gabor

Tasa de errores media:

FAR = 0.01%
FRR = 0.1%

74

Rasgos Biomtricos: Retina (I)

Sistema muy difcil de forjar

Alta fiabilidad
Muy estable salvo algn tipo de patologa

75

Rasgos Biomtricos: Retina (II)

Adquisicin mediante
retingrafo
No es necesario un
preprocesado muy
intenso debido a la
poca exposicin de la
retina

76

Rasgos Biomtricos: Retina (III)

Tcnicas de extraccin:

Localizacin del disco

ptico
Patrn de vasos
sanguneos
Incorporacin de
tcnicas de minucias

Plantilla mucho ms
compacta
Fcilmente comparable
Muy estable
77

Rasgos Biomtricos: Retina (y IV)

Tasas de errores

FAR= ~0%
FRR= 0.01%

Aunque menos extendida que iris o huella,

existen algunos sistemas comerciales

Retinal Technologies
Retica
78

Rasgos Biomtricos: Mano (I)

Sistema de alta aceptacin

La idea es caracterizar a forma de la mano
Algunos inconvenientes:

Baja unicidad
Baja estabilidad

79

Rasgos Biomtricos: Mano (II)

Adquisicin:

Actualmente, sistema
de cmara digital de
baja resolucin

Cmara a unos 40cms

de la mano

Utilizacin de topes
como puntos de
referencia para colocar
la mano
80

Rasgos Biomtricos: Mano (III)

Preprocesado

Extraccin de bordes

Extraccin de
caractersticas

Utilizando los topes como

referencia se calculan una
serie de distancias y
desviaciones en la mano

Anchuras
Alturas
Desviaciones respecto a la
recta ideal
ngulos entre horizontal y
recta entre puntos interdedo
81

Rasgos Biomtricos: Mano (y IV)

Verificacin

Distancia Eucldea
Distancia Hamming
Modelado por Mezcla de Gaussianas (GMM)

El modelado por GMM es claramente

superior con una tasa de error en torno al 3%

82

Rasgos Biomtricos: Firma (I)

Sistema dinmico de muy alta aceptacin

Puede haber casos de alta variabilidad intraclase
(mismo sujeto)
Ms fcilmente falsificable que otros mtodos

83

Rasgos Biomtricos: Firma (II)

Adquisicin off-line

Adquisicin on-line

Muestras sobre el papel. El momento de la firma

no coincide con el de la adquisicin
Utilizacin de tabletas digitales u otros
dispositivos

En off-line se procede a la digitalizacin de la

firma y suele requerir preprocesados ms
fuertes.
84

Rasgos Biomtricos: Firma (III)

Procesos tpicos del preproceso

Binarizacin
Eliminacin del ruido
Segmentacin: extraccin del cuerpo de la firma
Normalizacin en posicin y tamao (necesario
en on-line tambin)

85

Rasgos Biomtricos: Firma (IV)

Caractersticas dinmicas

Caractersticas estticas

Duracin
Velocidad
Informacin geomtrica

Representacin del patrn

Paramtrica: un vector de caractersticas

Funcional: mediante una funcin temporal o espacial que
indica la evolucin de ciertos factores
86

Rasgos Biomtricos: Firma (y V)

Tcnicas de modelado de las firmas

Alineamiento de caractersticas (vectores)

Redes neuronales utilizando firmas previas como patrones

La salida indica a qu clase (individuo) pertenece

Modelos estadsticos como GMM, mezcla de gaussianas

Tasa media de fallos actualmente: EER 1-2%

87

The End

88