Análise comparativa da acurácia na verificação de assinaturas manuscritas entre peritos grafotécnicos e algoritmos do estado da arte.

##plugins.themes.bootstrap3.article.main##

Vinícius Oliveira Barros
Bryon Leite Dantas Bezerra, Dr

Resumo

Objetivo: Realizar um estudo dos algoritmos de verificação de assinaturas no estado da arte e comparar com os resultados obtidos por profissionais peritos em grafotécnica utilizando a base GPDS 200. Métodos: O método utilizado foi o descritivo, quantitativo, inferencial e transversal, com a análise do desempenho de peritos grafotécnicos obtidos através do estudo de Melo et al. (2021) onde 37 indivíduos realizaram um total de 151 avaliações de assinatura sendo fornecidas duas assinaturas: uma peça de exame e um padrão de confronto. A fim de comparação com o trabalho acima mencionado, a mesma base de assinaturas será verificada utilizando os trabalhos desenvolvidos por Hafemann et al. (2020), Chauhan (2019), Shaikh et al. (2018) e Dey et al. (2017), sendo esses, o estado da arte na verificação de assinaturas nos seus respectivos anos de publicação. Para o treinamento dos modelos computacionais será adotada a abordagem de transfer learning, aplicando os pesos aprendidos pelos modelos durante o treinamento com outras bases. Resultados esperados: A análise pericial de assinaturas manuscritas é feita com base em diversas características físicas dispostas no substrato, como a pressão do objeto escrevente no papel, a qualidade do traçado, calibre inclinação axial, dentre outros (MENDES, 2010). Essas características são suavizadas ou até completamente descartados quando a assinatura em questão é digitalizada, o que pode prejudicar a acurácia de classificação das assinaturas. Em contrapartida, o transfer learning é uma abordagem já testada e validada que permite a solução de problemas complexos utilizando modelos computacionais que foram concebidos e treinados para outros problemas. Portanto, dois cenários são considerados: os modelos computacionais possuem acurácia de verificação inferior àquelas dos peritos grafotécnicos, sendo necessária a incorporação dos aspectos subjetivos dos peritos nesses modelos ou estes possuem maior acurácia e podem ser utilizados como ferramenta de suporte no trabalho desses profissionais.

Downloads

Não há dados estatísticos.

##plugins.themes.bootstrap3.article.details##

Seção
Engenharia da Computação e Sistemas
Biografia do Autor

Bryon Leite Dantas Bezerra, Dr, Universidade de Pernambuco

Byron Leite Dantas Bezerra é bacharel em Ciência da Computação pela Universidade Federal de Pernambuco (2001). Em 2004 e 2008, defendeu, respectivamente, sua dissertação de mestrado e tese de doutorado em Ciência da Computação, com ênfase em Inteligência Computacional, pela Universidade Federal de Pernambuco. Atualmente é professor Associado e Livre-docente dos Cursos de Graduação e Pós-Graduação em Engenharia da Computação da Universidade de Pernambuco (POLI/UPE). Foi Coordenador do Programa de Pós-graduação em Engenharia de Computação da UPE de 2014 a 2018, período em que este Programa foi promovido para nota 4 e obteve aprovação da CAPES para abertura do curso de doutorado, sendo este o primeiro doutorado da POLI em mais de 100 anos de existência. Por este resultado, Byron foi convidado e assumiu em janeiro de 2019 a Coordenação Geral de Pós-Graduação da Universidade de Pernambuco. Na liderança do Grupo de Pesquisa em Reconhecimento de Padrões cadastrado no CNPq e certificado pela UPE, Byron desenvolve projetos de pesquisa com outros professores pesquisadores e estudantes da UPE e UFPE, congregando pouco mais de 8 professores doutores além de 35 estudantes de graduação e pós-graduação destas duas universidades. No quesito inovação tecnológica, Byron é Bolsista de Produtividade Desenvolvimento Tecnológico e Extensão Inovadora do CNPq desde 2016, e é coautor de uma série patentes registradas junto ao INPI na forma de softwares, desenvolvidos com a colaboração da iniciativa privada. No âmbito da integração com o mercado, Byron participou da concepção e fundação de empresas de base tecnológica com foco no desenvolvimento de tecnologias e soluções para reconhecimento, recuperação, extração e processamento de informações em documentos e processos de negócios com uso de Inteligência Artificial. Byron possui experiência na área de Ciência da Computação, com ênfase em Inteligência Artificial, atuando principalmente nos seguintes temas: reconhecimento de padrões, processamento de imagens, reconhecimento de gestos, reconhecimento de escrita, sistemas de recomendação, filtragem de informação e personalização. Por meio desta aproximação com o mercado, Byron desenvolveu diversos projetos de pesquisa e desenvolvimento nas suas áreas de pesquisa, com destaque para tecnologias de processamento de documentos de imagens digitais para o mercado privado e público. Desde 2010 vem desenvolvendo importantes colaborações com pesquisadores e grupos de excelência e relevância internacional, como: (i) Pattern Recognition and Human Language Technology Center, Universitat Politècnica de Vàlencia (Espanha); (ii) Dipartimento di Informatica, Università degli Studi di Bari (Itália); e (iii) Centro de Infomática, Universidade Federal de Pernambuco (Brasil). Byron ainda contribui como revisor em diversos veículos de produção científica, como conferências e periódicos internacionais, dentre eles o International Journal of Pattern Recognition and Artificial Intelligence.