Please use this identifier to cite or link to this item: http://repositorio.ufla.br/jspui/handle/1/36883
metadata.teses.dc.title: Inteligência artificial para a autenticação de condutores: uma abordagem utilizando redes neurais siamesas
metadata.teses.dc.title.alternative: Artificial intelligence for drivers authentication: an approach using siamese neural networks
metadata.teses.dc.creator: Souza, Andrey Gustavo de
metadata.teses.dc.contributor.advisor1: Lacerda, Wilian Soares
metadata.teses.dc.contributor.advisor-co1: Lima, Danilo Alves de
metadata.teses.dc.contributor.referee1: Lacerda, Wilian Soares
metadata.teses.dc.contributor.referee2: Ferreira, Danton Diego
metadata.teses.dc.contributor.referee3: Campos, Gustavo Lobato
metadata.teses.dc.subject: Autenticação de condutores
Dados veiculares
Redes neurais artificiais
Redes siamesas
Identificação comportamental de condutores
Drivers’ authentication
Vehicle data
Artificial neural networks
Siamese networks
Drivers’ behavior identification
metadata.teses.dc.date.issued: 23-Sep-2019
metadata.teses.dc.description.sponsorship: Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)
metadata.teses.dc.identifier.citation: SOUZA, A. G. de. Inteligência artificial para a autenticação de condutores: uma abordagem utilizando redes neurais siamesas. 2019. 75 p. Dissertação (Mestrado em Engenharia de Sistemas e Automação) - Universidade Federal de Lavras, Lavras, 2019.
metadata.teses.dc.description.resumo: O problema crônico de roubos e furtos de veículos em todo mundo, e especialmente no Bra- sil, tem crescido consideravelmente nos últimos anos. Em paralelo à esse problema, cada vez mais o uso de dados tem revolucionado diversos segmentos do mercado por meio de aplicações de técnicas de inteligência computacional para tarefas antes difíceis de serem solucionadas por meio de algoritmos tradicionais. Ciente desta realidade, este trabalho visa o desenvolvimento de um sistema de autenticação de condutores baseado em inteligência artificial, que faz uso de dados proprioceptivos do veículo, obtidos por meio da porta OBDII e de sensores inerci- ais de smartphones. Diferentes de outras abordagens que adotam essa temática na literatura, o presente trabalho foca na autenticação de condutores que não foram usados no treinamento do modelo em questão. Para tal, o uso de redes neurais siamesas é explorado para a tarefa de autenticação de condutores diante da limitação imposta. Redes neurais siamesas são conhecidas pelo seu desempenho em aplicações que envolvem identificação de indivíduos, como em reco- nhecimento facial, mesmo em situações em que se tenha somente poucos dados do indivíduo o qual se queira autenticar. A metodologia adotada explora a capacidade dessas redes de criar embeddings dos dados de indivíduos para efetuar sua posterior autenticação com técnicas ba- seadas em distância, formando uma função de decisão. Também é explorado o uso de técnicas de filtragem e extração de características, nesse caso o uso de janelas deslizantes que fomentam o desempenho dos resultados da rede neural siamesa. Essa combinação de técnicas de proces- samento de dados e técnicas de inteligência computacional obteve bons resultados na tarefa de autenticação de condutores, mesmo para os dados que não foram utilizados no treinamento da rede neural siamesa. Obteve-se uma ROC-AUC superior à 99% nos experimentos executados, o que indica boa aptidão das redes neurais siamesas para a tarefa de autenticação de condutores.
metadata.teses.dc.description.abstract: The chronic problem of vehicle theft and robbery worldwide, and especially in Brazil, has grown considerably in recent years. In parallel with this problem, the increasingly abundant use of data has revolutionized various segments of the market through applications of computati- onal intelligence techniques for tasks previously difficult to solve using traditional algorithms. Aware of this reality, this work aims to develop a system based on an artificial intelligence model of driver authentication, which makes use of vehicle’s proprioceptive data, obtained th- rough the on-board diagnostics interface (OBDII) and inertial sensors present in smartphones. Different from other approaches that adopt this theme in the literature, the present work aims the authentication of drivers that were not used during the training step of the current model. For this, we used siamese neural networks for the driver’s authentication task to deal with this imposed limitation. Siamese neural networks are known for their performance in applications involving people identification, such as face recognition, even in situations where only few data are available for authentication. The adopted methodology exploits the ability of these networks to create embeddings from individuals’ data to carry out their later authentication through tech- niques based on distance, forming a decision function. It is also explored filtering techniques and features extraction, in this case, the use of sliding windows, which improves the perfor- mance of the siamese neural network. This combination of data processing and computational intelligence techniques has well performed the driver authentication task, even when the data have not been used for the Siamese neural network training. A ROC-AUC greater than 99 per- cent was obtained in real experiments, which indicates a good suitability of the siamese neural networks for the drivers’ authentication task.
metadata.teses.dc.identifier.uri: http://repositorio.ufla.br/jspui/handle/1/36883
metadata.teses.dc.publisher: Universidade Federal de Lavras
metadata.teses.dc.language: por
Appears in Collections:DEG - Engenharia de Sistemas e Automação - Mestrado (Dissertações)



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.