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

Nel mondo moderno, dimostrare chi si è spesso si basa su qualcosa che si porta con sé, come una tessera, o su qualcosa che si ricorda, come una password. Eppure, questi metodi possono essere persi, rubati o dimenticati. Ciò ha spinto scienziati e ingegneri a cercare qualcosa che si è semplicemente, un tratto biologico che è unico per voi e che vi accompagna per tutta la vita. Tra questi tratti, le creste e le valli sulla punta di un dito umano sono da tempo tra le preferite per l'identificazione. Sono facili da catturare, rimangono sorprendentemente stabili per decenni e sono quasi impossibili da duplicare perfettamente. Per anni, i computer sono stati istruiti per leggere questi modelli, ma farlo in modo rapido e accurato senza esaurire una batteria o richiedere un server massiccio è rimasto una sfida difficile. L'obiettivo è costruire un sistema che possa guardare un'impronta digitale, comprenderne la mappa unica e prendere una decisione in un lampo, il tutto eseguendosi su un chip piccolo ed efficiente anziché su un computer gigante e vorace di energia.

Un team di ricercatori dell'Università della Florida ha compiuto un passo significativo verso la risoluzione di questo problema, progettando un nuovo modo per far sì che i computer riconoscano le impronte digitali che sia altamente accurato e sorprendentemente leggero in termini di risorse. Invece di fare affidamento sui sistemi pesanti e complessi che solitamente alimentano tali compiti, hanno creato un cervello digitale snello costruito appositamente per adattarsi a un chip informatico specializzato noto come field-programmable gate array, o FPGA. Questi chip sono come tele bianche per gli ingegneri; possono essere programmati per eseguire compiti specifici con un'incredibile velocità e un uso di energia molto basso, rendendoli ideali per dispositivi che devono funzionare in modo affidabile senza dover essere collegati a una presa di corrente. I ricercatori volevano vedere se potevano costruire un lettore di impronte digitali che non avesse bisogno di pulire o semplificare l'immagine prima di leggerla, un passaggio comune che spesso elimina dettagli preziosi.

Per raggiungere questo obiettivo, il team ha progettato un nuovo tipo di rete neurale, un sistema informatico modellato sul cervello umano che impara a riconoscere i modelli osservando migliaia di esempi. La maggior parte dei sistemi esistenti per questo compito è troppo pesante per essere eseguita su piccoli chip o richiede che l'immagine dell'impronta digitale venga rimpicciolita e levigata, il che può sfocare proprio i dettagli necessari per un abbinamento corretto. I ricercatori hanno proposto un approccio diverso: un'architettura a "doppio percorso". Immaginate una squadra di due esperti che guardano la stessa impronta digitale contemporaneamente. Un esperto si concentra sul quadro generale, osservando la forma complessiva e le grandi curve della stampa. L'altro si concentra sugli studi dei dettagli minuscoli e intricati e sulle linee sottili. Nel loro design, questi due "percorsi" lavorano in parallelo, ciascuno estraendo diversi tipi di informazioni dall'immagine grezza. Alla fine, le loro scoperte vengono combinate per prendere una decisione finale. Questo metodo ha permesso loro di utilizzare l'intera dimensione originale delle immagini delle impronte digitali, preservando ogni cresta e valle senza la necessità di ridimensionare o pre-elaborare i dati in precedenza.

Il team ha addestrato questo nuovo sistema utilizzando una vasta collezione di immagini di impronte digitali provenienti da database pubblici, che includeva scansioni scattate con diversi tipi di sensori e varie risoluzioni. Per assicurarsi che il computer potesse gestire la vasta gamma di condizioni del mondo reale, lo hanno istruito utilizzando una tecnica chiamata data augmentation. Questo consisteva nel mostrare al sistema versioni leggermente alterate della stessa impronta digitale, come immagini ruotate di qualche grado o spostate leggermente di lato, imitando il modo in cui un dito potrebbe essere posizionato diversamente su uno scanner ogni volta. Addestrando il sistema su questi esempi variati, esso ha imparato a riconoscere l'identità sottostante del dito indipendentemente da come fosse posizionato. Durante i test, questo nuovo modello si è dimostrato più accurato di diversi metodi precedenti, identificando correttamente le impronte digitali in circa il 70 percento dei casi quando utilizzava l'intero intervallo di dati di addestramento, e raggiungendo ancora oltre il 63 percento di accuratezza in scenari di test più rigorosi in cui le immagini di test non erano alterate.

Oltre a essere accurato, il vero banco di prova per questa ricerca era se potesse effettivamente girare sull'hardware specializzato destinato all'uso nel mondo reale. I ricercatori hanno tradotto il loro design digitale in un linguaggio che il chip FPGA potesse comprendere e hanno costruito l'intero sistema da zero. Sono riusciti a far entrare la complessa rete su un FPGA Xilinx Virtex-7, un chip potente spesso utilizzato in applicazioni ad alte prestazioni. Il risultato è stato un sistema in grado di elaborare una singola impronta digitale in meno di 80 millisecondi, abbastanza veloce per un uso in tempo reale. Il chip consumava circa 29 watt di potenza, una cifra che bilancia le alte prestazioni con l'efficienza energetica, e ha utilizzato circa il 70 percento delle risorse disponibili del chip. Questa implementazione di successo dimostra che è possibile eseguire la verifica dell'identità sofisticata direttamente su hardware efficiente, eliminando la necessità di enormi computer esterni o batterie pesanti.

Il lavoro ha anche evidenziato un compromesso cruciale nel modo in cui questi sistemi vengono costruiti. Riducendo il numero di impostazioni interne, o parametri, che la rete deve ricordare, i ricercatori hanno reso il sistema molto più leggero e facile da memorizzare su un chip. Il loro modello richiedeva solo circa 483 kilobyte di memoria per contenere tutte le informazioni apprese, una frazione minuscola di ciò che i modelli più vecchi e pesanti necessitavano. Questa riduzione delle dimensioni non è avvenuta a scapito delle prestazioni; anzi, il nuovo design ha superato i tentativi precedenti che utilizzavano strutture più complesse. I ricercatori hanno scoperto che, mentre una parte del loro sistema a doppio percorso era migliore nel individuare le caratteristiche ampie e l'altra nel catturare i dettagli fini, combinarle era essenziale per la massima accuratezza. Ciò suggerisce che, per il riconoscimento delle impronte digitali, guardare contemporaneamente sia la foresta che gli alberi fornisce la risposta più affidabile.

In definitiva, questa ricerca offre una via pratica per portare il riconoscimento delle impronte digitali sicuro, veloce e ad alta velocità su dispositivi che siano piccoli, portatili e attenti al consumo energetico. Dimostrando che una rete neurale a doppio percorso leggera può essere costruita per funzionare efficientemente su un FPGA senza sacrificare i dettagli dell'immagine grezza, il team ha dimostrato che la sicurezza biometrica affidabile non richiede infrastrutture massicce e voraci di energia. Il sistema opera a una velocità di 108,6 milioni di cicli al secondo, rendendolo abbastanza veloce da verificare l'identità di una persona quasi istantaneamente. Questo traguardo suggerisce che, in un futuro prossimo, potremmo vedere scanner di impronte digitali integrati in una gamma più ampia di dispositivi quotidiani, dai telefoni cellulari ai varchi di controllo delle frontiere, che siano non solo sicuri ma anche efficienti e autonomi, capaci di prendere decisioni complesse con una frazione della potenza precedentemente ritenuta necessaria.