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

No mundo moderno, provar quem você é frequentemente depende de algo que você carrega, como um cartão, ou algo que você lembra, como uma senha. No entanto, esses métodos podem ser perdidos, roubados ou esquecidos. Isso levou cientistas e engenheiros a buscarem algo que você simplesmente é, um traço biológico que é único para você e permanece com você por toda a vida. Entre esses traços, as cristas e vales na ponta de um dedo humano têm sido há muito tempo um favorito para identificação. Eles são fáceis de capturar, notavelmente estáveis ao longo de décadas e quase impossíveis de duplicar perfeitamente. Por anos, computadores foram ensinados a ler esses padrões, mas fazer isso de forma rápida e precisa sem drenar uma bateria ou exigir um servidor massivo tem sido um desafio difícil. O objetivo é construir um sistema que possa olhar para uma impressão digital, entender seu mapa único e tomar uma decisão em um flash, tudo isso rodando em um chip pequeno e eficiente, em vez de um computador gigante e faminto por energia.

Uma equipe de pesquisadores da Universidade da Flórida deu um passo significativo para resolver esse problema ao projetar uma nova maneira para computadores reconhecerem impressões digitais que seja altamente precisa e surpreendentemente leve em recursos. Em vez de depender dos sistemas pesados e complexos que geralmente alimentam tais tarefas, eles criaram um cérebro digital simplificado, construído especificamente para caber em um chip de computador especializado conhecido como matriz de portas programáveis em campo, ou FPGA. Esses chips são como telas em branco para engenheiros; eles podem ser programados para realizar tarefas específicas com incrível velocidade e uso de energia muito baixo, tornando-os ideais para dispositivos que precisam funcionar de forma confiável sem precisar de uma tomada na parede. Os pesquisadores queriam ver se poderiam construir um leitor de impressões digitais que não precisasse limpar ou simplificar a imagem antes de lê-la, um passo comum que muitas vezes descarta detalhes valiosos.

Para alcançar isso, a equipe projetou um novo tipo de rede neural, um sistema de computador modelado conforme o cérebro humano que aprende a reconhecer padrões ao observar milhares de exemplos. A maioria dos sistemas existentes para este trabalho é ou muito pesada para rodar em chips pequenos ou exige que a imagem da impressão digital seja reduzida e suavizada, o que pode borrar os próprios detalhes necessários para uma correspondência correta. Os pesquisadores propuseram uma abordagem diferente: uma arquitetura de "caminho duplo". Imagine uma equipe de dois especialistas olhando para a mesma impressão digital ao mesmo tempo. Um especialista foca no quadro geral, observando a forma total e as grandes curvas da impressão. O outro especialista dá um zoom para estudar os detalhes minúsculos e intrincados e as linhas finas. Em seu design, esses dois "caminhos" trabalham em paralelo, cada um extraindo diferentes tipos de informação da imagem bruta. Ao final, suas descobertas são combinadas para tomar uma decisão final. Este método permitiu que eles usassem o tamanho original completo das imagens de impressão digital, preservando cada crista e vale sem a necessidade de redimensionar ou pré-processar os dados primeiro.

A equipe treinou este novo sistema usando uma vasta coleção de imagens de impressões digitais de bancos de dados públicos, que incluía varreduras tiradas com diferentes tipos de sensores e resoluções variadas. Para garantir que o computador pudesse lidar com a ampla variedade de condições do mundo real, eles o ensinaram usando uma técnica chamada aumento de dados (data augmentation). Isso envolveu mostrar ao sistema versões ligeiramente alteradas da mesma impressão digital, como imagens que foram rotacionadas alguns graus ou deslocadas levemente para o lado, imitando a maneira como um dedo poderia ser colocado em um scanner a cada vez. Ao treinar com esses exemplos variados, o sistema aprendeu a reconhecer a identidade subjacente do dedo, independentemente de como ele estava posicionado. Quando testado, este novo modelo provou ser mais preciso do que vários métodos anteriores, identificando corretamente impressões digitais em cerca de 70 por cento dos casos ao usar toda a gama de dados de treinamento, e ainda alcançando mais de 63 por cento de precisão em cenários de teste mais rigorosos, onde as imagens de teste não foram alteradas.

Além de ser preciso, o verdadeiro teste desta pesquisa era se ela poderia realmente rodar no hardware especializado destinado ao uso no mundo real. Os pesquisadores traduziram seu design digital para uma linguagem que o chip FPGA pudesse entender e construíram todo o sistema do zero. Eles conseguiram encaixar a rede complexa em um FPGA Xilinx Virtex-7, um chip poderoso frequentemente usado em aplicações de alto desempenho. O resultado foi um sistema que podia processar uma única impressão digital em menos de 80 milissegundos, rápido o suficiente para uso em tempo real. O chip consumia cerca de 29 watts de potência, um número que equilibra alto desempenho com eficiência energética, e utilizou cerca de 70 por cento dos recursos disponíveis do chip. Esta implementação bem-sucedida demonstra que é possível rodar verificação de identidade sofisticada diretamente em hardware eficiente, removendo a necessidade de computadores externos massivos ou baterias pesadas.

O trabalho também destacou uma troca crucial na forma como esses sistemas são construídos. Ao reduzir o número de configurações internas, ou parâmetros, que a rede precisa lembrar, os pesquisadores tornaram o sistema muito mais leve e fácil de armazenar em um chip. Seu modelo exigiu apenas cerca de 483 kilobytes de memória para guardar toda a sua informação aprendida, uma fração minúscula do que os modelos mais antigos e pesados precisavam. Essa redução de tamanho não veio à custa do desempenho; de fato, o novo design superou tentativas anteriores que utilizavam estruturas mais complexas. Os pesquisadores descobriram que, embora uma parte de seu sistema de caminho duplo fosse melhor em detectar grandes características e a outra em capturar detalhes finos, combiná-las era essencial para a maior precisão. Isso sugere que, para o reconhecimento de impressões digitais, olhar tanto para a floresta quanto para as árvores simultaneamente fornece a resposta mais confiável.

Em última análise, esta pesquisa oferece um caminho prático para trazer o reconhecimento de impressões digitais seguro, de alta velocidade, para dispositivos que são pequenos, portáteis e conscientes do consumo de energia. Ao provar que uma rede neural de caminho duplo e leve pode ser construída para rodar eficientemente em um FPGA sem sacrificar os detalhes da imagem bruta, a equipe mostrou que a segurança biométrica confiável não requer uma infraestrutura massiva e faminta por energia. O sistema opera a uma velocidade de 108,6 milhões de ciclos por segundo, tornando-o rápido o suficiente para verificar a identidade de uma pessoa quase instantaneamente. Esta conquista sugere que, em um futuro próximo, podemos ver scanners de impressões digitais incorporados em uma gama mais ampla de dispositivos cotidianos, de telefones celulares a portões de controle de fronteira, que não são apenas seguros, mas também eficientes e autossuficientes, capazes de tomar decisões complexas com uma fração da energia anteriormente considerada necessária.