High Accuracy Fingerprint Recognition on FPGA Using a Dual Path Lightweight CNN

En el mundo moderno, demostrar quién eres a menudo depende de algo que llevas contigo, como una tarjeta, o algo que recuerdas, como una contraseña. Sin embargo, estos métodos pueden perderse, ser robados o ser olvidados. Esto ha llevado a científicos e ingenieros a buscar algo que simplemente eres, un rasgo biológico que es único en ti y que te acompaña de por vida. Entre estos rasgos, los surcos y valles en la punta de un dedo humano han sido durante mucho tiempo un favorito para la identificación. Son fáciles de capturar, notablemente estables durante décadas y casi imposibles de duplicar perfectamente. Durante años, las computadoras han sido entrenadas para leer estos patrones, pero hacerlo de manera rápida y precisa sin agotar una batería o requerir un servidor masivo ha seguido siendo un desafío difícil. El objetivo es construir un sistema que pueda mirar una huella dactilar, comprender su mapa único y tomar una decisión en un instante, todo mientras se ejecuta en un chip pequeño y eficiente en lugar de una computadora gigante y voraz en energía.

Un equipo de investigadores de la Universidad de Florida ha dado un paso significativo hacia la resolución de este problema al diseñar una nueva forma para que las computadoras reconozcan huellas dactilares que sea tanto altamente precisa como sorprendentemente ligera en recursos. En lugar de depender de los sistemas pesados y complejos que usualmente impulsan tales tareas, crearon un cerebro digital simplificado construido específicamente para caber en un chip de computadora especializado conocido como matriz de puertas lógicas programable en campo, o FPGA. Estos chips son como lienzos en blanco para los ingenieros; pueden ser programados para realizar tareas específicas con una velocidad increíble y un uso de energía muy bajo, lo que los hace ideales para dispositivos que necesitan funcionar de manera confiable sin conectarse a un tomacorriente. Los investigadores querían ver si podían construir un lector de huellas dactilares que no necesitara limpiar o simplificar la imagen antes de leerla, un paso común que a menudo desecha detalles valiosos.

Para lograr esto, el equipo diseñó un nuevo tipo de red neuronal, un sistema informático modelado según el cerebro humano que aprende a reconocer patrones mirando miles de ejemplos. La mayoría de los sistemas existentes para este trabajo son demasiado pesados para ejecutarse en chips pequeños o requieren que la imagen de la huella dactilar sea reducida y suavizada, lo que puede emborronar los mismos detalles necesarios para una coincidencia correcta. Los investigadores propusieron un enfoque diferente: una arquitectura de "doble vía". Imagine un equipo de dos expertos mirando la misma huella dactilar al mismo tiempo. Un experto se enfoca en el panorama general, observando la forma global y las grandes curvas de la impresión. El otro experto hace un acercamiento para estudiar los detalles diminutos e intrincados y las líneas finas. En su diseño, estas dos "vías" trabajan en paralelo, cada una extrayendo diferentes tipos de información de la imagen original. Al final, sus hallazgos se combinan para tomar una decisión final. Este método les permitió utilizar el tamaño original completo de las imágenes de las huellas dactilares, preservando cada surco y valle sin necesidad de cambiar el tamaño o preprocesar los datos primero.

El equipo entrenó este nuevo sistema utilizando una vasta colección de imágenes de huellas dactilares de bases de datos públicas, que incluía escaneos tomados con diferentes tipos de sensores y diversas resoluciones. Para asegurar que la computadora pudiera manejar la amplia variedad de condiciones del mundo real, la enseñaron utilizando una técnica llamada aumentación de datos. Esto implicaba mostrar al sistema versiones ligeramente alteradas de la misma huella dactilar, tales como imágenes que estaban rotadas unos pocos grados o desplazadas ligeramente hacia un lado, imitando la forma en que un dedo podría colocarse de manera distinta en un escáner cada vez. Al entrenar con estos ejemplos variados, el sistema aprendió a reconocer la identidad subyacente del dedo independientemente de cómo estuviera posicionado. Al ser probado, este nuevo modelo demostró ser más preciso que varios métodos anteriores, identificando correctamente las huellas dactilares en aproximadamente el 70 por ciento de los casos cuando se utilizaba la gama completa de datos de entrenamiento, y logrando aún más del 63 por ciento de precisión en escenarios de prueba más estrictos donde las imágenes de prueba no fueron alteradas.

Más allá de ser preciso, la verdadera prueba de esta investigación era si realmente podía ejecutarse en el hardware especializado destinado al uso en el mundo real. Los investigadores tradujeron su diseño digital a un lenguaje que el chip FPGA pudiera entender y construyeron todo el sistema desde cero. Lograron ajustar la compleja red en un FPGA Xilinx Virtex-7, un chip potente utilizado a menudo en aplicaciones de alto rendimiento. El resultado fue un sistema que podía procesar una sola huella dactilar en menos de 80 milisegundos, lo suficientemente rápido para un uso en tiempo real. El chip consumía unos 29 vatios de potencia, una cifra que equilibra el alto rendimiento con la eficiencia energética, y utilizó aproximadamente el 70 por ciento de los recursos disponibles del chip. Esta implementación exitosa demuestra que es posible ejecutar la verificación de identidad sofisticada directamente en hardware eficiente, eliminando la necesidad de computadoras externas masivas o baterías pesadas.

El trabajo también destacó un intercambio crucial en la forma en que se construyen estos sistemas. Al reducir el número de ajustes internos, o parámetros, que la red necesita recordar, los investigadores hicieron que el sistema fuera mucho más ligero y fácil de almacenar en un chip. Su modelo requería solo unos 483 kilobytes de memoria para contener toda su información aprendida, una fracción minúscula de lo que necesitaban los modelos más antiguos y pesados. Esta reducción de tamaño no se produjo a expensas del rendimiento; de hecho, el nuevo diseño superó intentos previos que utilizaban estructuras más complejas. Los investigadores encontraron que, si bien una parte de su sistema de doble vía era mejor detectando características grandes y la otra captando detalles finos, combinarlas era esencial para la máxima precisión. Esto sugiere que, para el reconocimiento de huellas dactilares, mirar tanto el bosque como los árboles simultáneamente proporciona la respuesta más confiable.

En última instancia, esta investigación ofrece un camino práctico para llevar el reconocimiento de huellas dactilares seguro, de alta velocidad, a dispositivos que son pequeños, portátiles y conscientes del consumo de energía. Al demostrar que se puede construir una red neuronal de doble vía ligera y eficiente para ejecutarse en un FPGA sin sacrificar los detalles de la imagen original, el equipo ha demostrado que la seguridad biométrica confiable no requiere una infraestructura masiva y voraz en energía. El sistema opera a una velocidad de 108.6 millones de ciclos por segundo, lo que lo hace lo suficientemente rápido para verificar la identidad de una persona casi instantáneamente. Este logro sugiere que, en un futuro cercano, podríamos ver escáneres de huellas dactilares integrados en una gama más amplia de dispositivos cotidianos, desde teléfonos móviles hasta puertas de control fronterizo, que no solo sean seguros, sino también eficientes y autónomos, capaces de tomar decisiones complejas con una fracción de la potencia que antes se consideraba necesaria.