Applicazioni biometriche in un caso di possibile identificazione su una fotografia anomala

di Daniele Gullà

LA BIOMETRICA

La Biometrica è una tecnica scientifica che si occupa di misurare in maniera diretta o indiretta le caratteristiche biologiche morfologiche ed antropometriche dei viventi ai fini di una catalogazione specifica utilizzabile per l’identificazione degli stessi.

Per identificazione si intende la procedura attraverso la quale si giunge a riconoscere od individuare un essere vivente (generalmente una persona) in base ad una sufficiente quantità di elementi probatori, quali forme e dimensioni di diverse parti della faccia in relazione alla struttura cranica sottostante.

Nel campo del diritto si usano di sovente le analisi biometriche nei casi dove necessita un riconoscimento nei confronti di individui che hanno commesso dei reati, o, nei confronti di latitanti che cercano di nascondere la propria identità, basti pensare alle immagini riprese dalle telecamere a circuito chiuso delle banche o dei supermercati o a quelle installate negli aeroporti.

Altre applicazioni riguardano il rapimento o sostituzione di bambini o la ricerca di persone scomparse o decedute, o per fini assicurativi; anche se più frequentemente si utilizzano per stabilire l’identità di persone decedute per le cause più svariate e nella quale sono intervenuti dei fattori di modificazione tali da alterarne i tratti somatici.

Naturalmente i più numerosi fruitori di tali metodiche d’indagine sono, le Forze dell’Ordine e gli Istituti di Medicina Legale e prima di tutti i servizi militari o di intelligence. I sistemi di identificazione individuale sono comunque non ancora totalmente perfetti, il rateo di errore è ancora
abbastanza marcato (oltre il 5%) ed aumenta in modo proporzionale alla qualità delle immagini che si sottopongono; spesso le videoriprese registrate in analogico forniscono immagini di scadente qualità e la tolleranza all’errore diventa eccessiva.

A parte alcune tipologie di analisi come quelle del DNA o le Impronte Digitali, nella quale esistono numerose Banche Dati di classificazione di individui, e le cui metodiche investigative sono ormai ampiamente consolidate per la precisione raggiunta nei processi di riconoscimento (l’errore è minimizzato ad un miliardesimo di possibilità); le altre numerose tecnologie utilizzate a tutt’oggi per analisi forensi, non sempre sono in grado di fornire risultati certi sull’identificazione personale di un individuo, si limitano per lo più a stabilire un rapporto di compatibilità attraverso indici statistici di somiglianza.

Tuttavia, gli errori di FAR (False acceptance Rate) e FRR (False Rejection Rate), pur essendo ancora presenti, si stanno notevolmente assottigliando con l’introduzione di tecnologie informatiche sempre più sofisticate e precise, in correlate all’aumento di capacità dei calcolatori e l’utilizzo di programmi e algoritmi in via di sviluppo fin dai primi anni novanta ed in costante perfezionamento come: le reti neurali, l’eigenfaces, wavelets e computer graphics.

Uno dei metodi più noti, della quale ci occuperemo in questa relazione, è quello del cosiddetto confronto Antropometrico Facciale (Face Recognition).

Il metodo antropometrico venne impiegato per la prima volta nel 1879 dalla Polizia di Parigi. Fu un certo Alphonse Bertillon, all’epoca poliziotto, a mettere a punto una metodica di analisi antropometrica detta dall’autore “Bertillonage”. In sintesi, il metodo consisteva in una classificazione dei caratteri somatici misurati sul corpo dell’individuo per mezzo di particolari goniometri e classificati opportunamente per un eventuale necessità di confronto nel tempo. A parte le solite misurazioni dell’altezza dell’individuo, della lunghezza delle braccia e delle gambe o delle caratteristiche corporee particolari, come cicatrici, nei, tatuaggi, callosità o altro, che potevano avere valore come “contrassegno”, detto anche studio antropologico del corpo e suddiviso in Somatometria (da un punto di vista metrico) e Somatoscopia (da un punto di vista morfologico); lo studio primario verteva nell’analisi del capo, detto Cefalometria (da un punto di vista metrico) e Cefaloscopia (da un punto di vista morfologico). Da allora, sono stati fatti notevoli progressi nella tecnologia del riconoscimento antropometrico del capo; dalle analisi manuali a quelle semiautomatiche o automatiche del volto, al riconoscimento di face-feature  eshape-analysis e di macthing con un numero notevole di dati riguardanti anche decine di migliaia di volti contenuti in un database.

Le caratteristiche prese in esame riguardano essenzialmente le distanze di alcuni punti di riferimento noti anche con il nome di “Punti di Repere”, localizzati nella struttura cranio-facciale (vedi fig. n°1)e le caratteristiche morfosomatiche della forma della faccia o di sue parti.

Normalmente, in modalità manuale o semiautomatica, si misurano almeno una dozzina di punti, ma si può arrivare con determinate tecniche anche a 80 punti con calcoli in 3D. Di grande rilevanza sono le misurazioni dei rapporti, vale a dire gli scostamenti percentuali in termini di pixel o micron. Più lo scarto è minimo (tra circa 0 e 1,5%-2,5%), più l’analisi sarà probante e convincente. Questo dato sarà più accurato quanto più è precisa la disposizione dei punti sull’immagine da parte del perito, o quanto più fitta e fine è la trama di poligoni se si opera con un modello tridimensionale. In ogni modo i confronti effettuati anche sullo stesso volto, difficilmente raggiungeranno il 100%, perché esiste sempre un errore, se pur minimo, che non consente di avere una misurazione assoluta, cioè sempre uguale.

L’errore è legato soprattutto alla qualità delle immagini confrontate, nelle quali non è infrequente trovare un rapporto nelle dimensioni dei pixel tra 1 e 4 o addirittura tra 1 e 8. Questo significa che un pixel in un’immagine è 4 o 8 volte più grande che nell’altra e questa perdita di definizione del punto, introduce un errore nel posizionamento dei punti cranici. In questi casi occorre pre-elaborare le immagini riducendole ad un numero uguale di pixel, in genere si usano matrici quadrate di 256 x 256 punti, ed riequilibrare il contrasto e le tonalità per renderle il più omogenee possibili. Alla fine delle operazioni si può comunque prevedere l’errore e sottrarlo dalle misurazioni effettuate. Eseguendo per esempio un’analisi statistica mediando lo sballamento dei punti, ci si può avvicinare ad un valore reale e costante.  

Molti altri caratteri morfologici personali sono presi in esame ai fini dell’identificazione facciale. La codificazione più diffusa è quella proposta da Schwidetzky e Knussmann. Gli autori prendono in considerazione dieci tipi fisionomici facciali: ellittica, ovale, ovale invertita, rotonda, rettangolare, quadrata, rombica, trapezoidale, trapezoidale invertita, pentagonoide.

Altre caratteristiche di indubbio valore identificativo sono certamente, la fronte, il naso gli occhi (qualora non vengano travisati da maschere posticcie) e i padiglioni auricolari (spesso non travisati e inalterabili nel tempo); quest’ultima morfologia ha dimostrato di essere un dato biometrico pressoché individuale. Sulle problematiche connesse al padiglione auricolare come dato biometrico di identificazione, sono state sviluppate numerose tecnologie informatiche di calcolo sia manuali che automatizzate che si basano soventemente sulle reti neurali ed utilizzano una segmentazione a mappa delle aree topologiche importanti. Il padiglione viene suddiviso nelle sue parti più salienti: elice, antelice, trago, antitrago, incisura intertragica, lobo, imboccatura del condotto uditivo (punto cruciale) e forma generale del padiglione.

Questo tipo di identificazione ha notevoli vantaggi perché questa è una delle parti del corpo dotata di maggiore stabilità. La forma di base è determinata addirittura 56 giorni dopo la concezione e si mantiene praticamente inalterata sino alla decomposizione del corpo, dopo la morte, per un tempo assai maggiore di quello della pelle del volto e delle dita. Altre morfologie altrettanto importanti sono la forma, la direzione e la dimensione delle sopracciglia. Anche la morfologia della piramide nasale e della pinna nasale e la forma della punta del naso sono da considerarsi di grande importanza nel processo di identificazione personale.

Per la ricerca dei tratti somatici salienti di un individuo, sono stati elaborati diversi tipi di algoritmi in grado di riassumere la notevole mole di dati operando con una specie di averaging sulla stringa di dati biometrici, rendendo quindi più fattibile il lavoro computazionale da svolgere in fase di comparazione miscellanea con un dataset molto consistente.

Castagnini000

Fig. n°1. Correlazione tra punti del cranio e volto umano


L’utilizzo di tecniche biometriche in campo parapsicologico

In Italia sono state effettuate in passato delle verifiche biometriche di carattere fonico, analizzando per esempio l’impronta vocale di due parlatori ai fini dell’identificazione (vedi il caso dell’entità “A” di Giorgio Di Simone in “Rapporto dalla dimensione X”, ed. Mediterranee 1971). Riguardo l’analisi su immagini di presunta origine anomala, penso che probabilmente siamo i primi ad aver utilizzato tali metodiche applicate a fenomenologie di tipo fotografico. Personalmente ho l’onore di rappresentare “Il Laboratorio di Ricerca di Biopsicocibernetica” di Bologna, in qualità di Responsabile del Settore Immagini, e questa mansione mi ha dato la possibilità di venire a conoscenza e di studiare un certo numero di casi fotografici interessanti; nei quali è stato possibile, anzi direi doveroso, applicare un protocollo di ricerca a larga banda comprendente anche analisi di tipo biometrico. Con la biometria abbiamo smascherato alcuni soggetti candidati come possibili “falsi medium”, ma abbiamo altresì trovato, in un certo numero di casi, delle immagini identificate con personalità non più viventi. Si tratta di immagini fraudolente? Non entro, per ovvi motivi (complessità e spazio), nella disamina di tali eventi spacciati per “fotografie anomale” o “fotografie spiritiche”, non attribuendo per il momento a questa fenomenologia nessuna sentenza a favore o a sfavore o significati di tipo spiritico o religioso, ma semplicemente prendendo in esame il fatto per quello che è nella sua realtà: una “informazione ottica” composta, cioè, da una immagine e nient’altro.

Le mie osservazioni si limitano a misurazioni effettuate su delle immagini della quale non sempre è possibile accertarne la reale origine o genuinità. A titolo di esempio, riporto un caso studiato di recente dal nostro “Laboratorio” con applicazione di tecnologie biometriche.

Caso Castagnini

Nel 1992 il figlio della Sig.ra Carla Castagnini di Modena, Massimo, passa per così dire – a miglior vita – dopo un incidente stradale. Nel 1993, un anno dopo, in occasione dell’anniversario, gli amici che suonavano con Lui in un complesso musicale, organizzano una festa per ricordarlo. In questa occasione la madre effettua alcuni scatti fotografici riprendendo i compagni di Massimo nelle loro performance.

Ad un certo punto la macchina fotografica automatica si inceppa, il rullino non va più avanti! La macchina viene successivamente portata in un normale laboratorio fotografico nella quale si provvede ad estrarre il rullino in camera oscura. Sviluppate le poche fotografie effettuate quella sera, con grande sorpresa la madre ed alcuni amici di famiglia, notano come l’ultima fotografia nel negativo, corrispondente alla copia su carta fotografica, è stranamente affetta da una serie di strie luminose e mostra al centro un’immagine un po’ sfuocata e semitrasparente di una sagoma umana (fig. n°2) che viene attribuita immediatamente a Massimo (figlio defunto di Carla)!

Nel 1999, quando conobbi il caso e la Sig.ra Carla Castagnini che mi aveva richiesto una consulenza su quella fotografia, effettuai alcune misurazioni di accertamento sulla stessa di carattere spettrocromatografico e densitometrico che peraltro non evidenziò nessun tipo di contraffazione accidentale o voluta, e iniziai un’indagine di tipo antropometrico analizzando il volto di quella fotografia  e comparandola con una reale fotografia di Massimo (fig. n°3).

A quell’epoca le misurazioni che avevo ricavato dai rapporti distanziometrici dei due volti a confronto su 12 punti antropometrici, in modo manuale, mi avevano convinto sulla reale possibilità che si trattasse dello stesso individuo (fig. n°4). Più tardi, un paio d’anni dopo, essendo entrato in possesso di una tecnologia molto più sofisticata (utilizzata anche dalle forze dell’ordine statunitensi), ho trovato la conferma delle misurazioni che avevo effettuato e soprattutto, dell’identità delle due immagini riconosciute entrambe appartenenti a Massimo Castagnini.

 

Metodologia e risultati ottenuti con tecniche biometriche di ultima generazione

Per il caso Castagnini, si è operato con un software di Face recognition di ultima generazione utilizzato dalle Polizie Scientifiche di molti paesi ed in molti aeroporti per operazioni di prevenzione antiterroristica. Il programma patentato MIT ( Matsachuttes Institute Tecnology) detto FaceIT opera con una complessa metodologia miscellanea di calcolo matematico su matrici multidimensionali, e sfrutta l’utilizzo di algoritmi quali i modelli nascosti di Markov (HMM), le reti neurali (NN) e l’analisi in componenti principali (PCA).

Castagnini001

Fig. n°2 (fotografia “anomala”)


Castagnini003

Fig. n°3 (mezzo volto “anomalo” a sinistra e mezzo volto di Massimo a destra)

Analisi statistica su 10 punti e 20 coefficienti con Shape Analysis.

PLS-NASA Tools program, (C) 2002,

Version: 1.12

Date & time: 27/12/2003 14.08.12

—————————————-

Data file: D:\Foto\casta02f.jpg.TPS

There are 2 specimens

 

Alignment scaling method = unit centroid size

Alignment projection method = orthogonal

Reference will not be aligned to its PCA axes.

 

GPA iterations:

iter     change

1 0.00000000

 

Consensus configuration:

1   -0.17633    0.49046

2    0.18475    0.27382

3    0.23289    0.05115

4    0.14262    0.00301

5    0.17873   -0.09930

6    0.08846   -0.09930

7    0.00421   -0.15346

8    0.13661   -0.28585

9   -0.45315    0.01504

10   -0.33881   -0.19558

 

Eigenvalues for each principal warp:

i       Lambda

1  7.7357E+001

2  3.6213E+001

3  2.3214E+001

4  8.6082E+000

5  5.4781E+000

6  4.1361E+000

7  2.1007E+000

 

Uniform component estimated by sweeping the partial warps from the projections of the aligned coordinates into the

tangent space and then using SVD to extract the non-singular dimensions.

 

unifcoeffs

 

|         1          2

|———————-

1 |  -0.00582   -0.00322

2 |   0.00113    0.00063

3 |   0.00863   -0.01304

4 |   0.01037    0.04139

5 |   0.01380   -0.02800

6 |   0.01390    0.00770

7 |   0.01584    0.00877

8 |   0.02018    0.01118

9 |   0.01063   -0.02976

10 |   0.01765   -0.02587

11 |  -0.10389   -0.05753

12 |  -0.10511   -0.05821

13 |  -0.19949   -0.11047

14 |  -0.24893   -0.13785

15 |  -0.28826   -0.15963

16 |  -0.31429   -0.17404

17 |  -0.36492   -0.20208

18 |  -0.39112   -0.21659

19 |  -0.41488   -0.22974

20 |  -0.48432    0.87253

 

Relative contribution of each landmark:

LM#       SS

1  0.00015

2  0.01942

3  0.04522

4  0.00532

5  0.04381

6  0.48257

7  0.35346

8  0.04760

9  0.00157

10  0.00088

 

Singular values and percent explained for relative warps:

No.         SV        %    Cum %

1    0.00000   100.00%   100.00%

 

Data file: D:\Foto\casta01a.jpg.TPS

There are 2 specimens

 

Alignment scaling method = unit centroid size

Alignment projection method = orthogonal

Reference will not be aligned to its PCA axes.

 

GPA iterations:

iter     change

1 0.00000000

 

Consensus configuration:

1   -0.05466    0.44335

2    0.20483    0.25563

3    0.25453    0.01822

4    0.21036   -0.13085

5    0.14410   -0.00939

6    0.08889   -0.10325

7    0.10545   -0.28544

8   -0.08227   -0.13637

9   -0.40801   -0.14189

10   -0.46322    0.08999

 

Eigenvalues for each principal warp:

i       Lambda

1  5.4052E+001

2  2.4160E+001

3  1.7982E+001

4  8.2262E+000

5  4.6420E+000

6  4.0687E+000

7  2.5855E+000

 

Uniform component estimated by sweeping the partial warps from the projections of the aligned coordinates into the tangent space and then using SVD to extract the non-singular dimensions.

unifcoeffs

 

|         1          2

|———————-

1 |  -0.24423   -0.07760

2 |  -0.15085   -0.04793

3 |  -0.04218   -0.01340

4 |   0.02350    0.00747

5 |  -0.03348   -0.14078

6 |   0.00695    0.00221

7 |   0.08961    0.02847

8 |   0.01608    0.00511

9 |   0.00754    0.00240

10 |  -0.09883   -0.03140

11 |   0.29726    0.09445

12 |   0.27149    0.08626

13 |   0.26969    0.08569

14 |   0.27690    0.08798

15 |   0.28234    0.08971

16 |   0.28991    0.09211

17 |   0.29092    0.09243

18 |   0.30935   -0.94287

19 |   0.34546    0.10976

20 |   0.34795    0.11055

 

Relative contribution of each landmark:

LM#       SS

1  0.00143

2  0.01158

3  0.12503

4  0.26159

5  0.05372

6  0.46651

7  0.00358

8  0.06913

9  0.00167

10  0.00577

 

Singular values and percent explained for relative warps:

No.         SV        %    Cum %

1    0.00000   100.00%   100.00%

 

Note: percent value matching: 97,2368 %

Castagnini004

Fig. n°4 (tabella comparativa dei rapporti distanziometrici su dodici punti facciali).

 

L’algoritmo di estrazione della stringa di dati biometrici con il PCA, genera un’immagine di “nuvola di punti” detta “Eigenfaces” o “Eigenspaces” detto anche “spazio dei volti”, che rappresenta una ricostruzione in bassorilievo delle caratteristiche salienti dell’individuo in 3D (fig. n°6).

Castagnini006

Fig. n°5

Senza entrare troppo nello specifico, possiamo dire che il sistema opera con la seguente modalità:

1)       L’algoritmo Eigenfaces (basato sull’analisi delle componenti principali) serve solo per surrogare il data-set di immagini contenuto nel data-base al fine di consentire una rapida ricerca dei volti verosomiglianti. Il risultato sono delle immagini surrogate che appaiono come una sorta di sovrapposizione fra varie immagini del data-base (fig. n°6).

2)       L’analisi comparativa fra una nuova immagine campione e le immagini contenute nel data-base viene effettuata generando un diagramma di contorno dell’immagine ed effettuando in modo automatico delle misure di distanza fra n punti ‘nodali’ circa 80, dei contorni. Queste misure vengono poi confrontate con le corrispondenti prese sulle immagini surrogate contenute nel data-base che contiene una serie di matrici multidimensionali di 2.000 (attualmente di 3.243 volti e nel nostro caso di 2.048) differenti individui, con possibilità di espansione dello stesso, o di creare n data-base nuovi.

3)       Il software prevede anche un opzione (reconstruct face) che consente la ricostruzione delle immagini originali partendo dai dati surrogati attraverso l’algoritmo eigenfaces.

4)       I grafici mostrano i valori ritornati da una funzione di cross-correlazione per stabilire quale delle immagini contenute nel data-base è più verosomigliante con l’immagine campione. Vengono rappresentati graficamente il gruppo di facce più somiglianti, dal 1° al 80°. Inoltre, su i primi tre scelti, viene generato un grafico di cross-correlazione che deve assumere certi valori per superare statisticamente la soglia dei possibili errori, FAR (False acceptance Rate) e FRR (False Rejection Rate). Viene generata in aggiunta una pseudo-3D della matrice di punti dell’immagine vincente con l’indice di scostamento su base matriciale tra l’immagine candidata e quella campione.

Il sistema ha un grande pregio e un grande difetto. Il primo è che la precisione nel riconoscimento sfiora il 98% con possibilità di identificazione anche di persone camuffate (tipo barba, baffi finti,  occhiali scuri, cappelli o passamontagna); il secondo, è che il sistema essendo per sua natura di tipoprobabilistico, è condizionato comunque a riconoscere sempre qualcuno, fornendo in uscita sempre i dati dei primi tre volti più somiglianti contenuti nel data-base. Comunque, da una ricerca effettuata negli Stati Uniti su un database di 5.000 volti, l’errore di falso riconoscimento è risultato inferiore al 5%, quindi tutto sommato accettabile. Un dispositivo di questo tipo è in dotazione alle forze di sicurezza inglesi, usato per confrontare con una base di dati, i soggetti criminali già fotografati, e in qualche caso ha permesso di raggiungere risultati sorprendenti, peccato che l’alto costo (superiore ai 20.000 USD e fino a 45,000 USD per alcuni particolari sistemi) ne limiti la distribuzione.

Castagnini007

Eigenface Fig. n°6 (volti surrogati con la tecnica descritta nel testo di “Eigenfaces”).

Risultato dell’analisi tra il volto in fig. n°1 e quello di Massimo Castagnini.

L’immagine di presunta marca paranormale, è stata confrontata con un data-set di immagini composta da 2048 volti, compreso quello di Massimo Castagnini inserito nel database.

Il risultato visibile in fig. n°7 mostra la scelta effettuata dal computer sulle immagini. A sinistra si visualizza l’immagine oggetto della comparazione (quella di presunta origine anomala), in alto la localizzazione della stessa (a sinistra), e a destra l’immagine scelta con la funzione di correlazione fra le pupille. In basso, viene invece mostrata l’analisi con la funzione complessa di “Eigenfaces”, con i primi tre volti più somiglianti scelti dai surrogati del database. Il primo, denominato “casta01A” e appartenente al volto di Massimo, è stato riconosciuto dal sistema come il più somigliante con l’immagine “anomala”, con un indice di precisione valutabile intorno al 97,5%.

Il risultato è a mio avviso di tutto rispetto, tenuto conto del fatto che la presunta immagine anomala è sicuramente ualitativamente inferiore ad un’immagine ordinaria, e che quindi, il numero di caratteristiche biometriche occorrenti inferiori alle aspettative. In fig. n°8, si visualizza il grafico statistico dei primi 80 volti scelti dal database, con al primo posto il volto di Massimo. In fig. n°9, viene rappresentata la matrice di dati in pseudo-3D dell’immagine vincente e l’indice di scostamento matriciale con l’immagine candidata che è risultata essere di Diff. 218.476.

Da studi statistici si ritiene che sotto la soglia di Differenza Matriciale di 300.000 le possibilità di una corretta identificazione siano molto alte, diversamente, oltre il valore di 400.000 siamo in presenza di una probabile Falsa Accettazione del sistema.

Castagnini010

Fig. n°7 (analisi dell’impronta facciale con tecnica “Eigenfaces” del M.I.T. Media Laboratory).


Castagnini012

Trazione di un gruppo di ca. 80 persone somiglianti, con Massimo C. come il 1° riconosciuto).


Castagnini004

Fig. n°9. Matrice di punti in pseudo-3D dell’immagine vincente scelta dal database delle eigenfaces e differenza di scostamento con l’immagine candidata.

Conclusioni

Sul caso Castagnini lascio ai lettori qualsiasi interpretazione precisando però, che le analisi condotte sulla fotografia in oggetto, non hanno evidenziato elementi di contraffazione o manipolazione della stessa, anzi sono emersi dati spettroscopici interessanti per lo studio di questa fenomenologia.

Le applicazioni di tecnologie biometriche trovano quindi una nuova collocazione in ambito parapsicologico come strumento scientifico di studio; sia nei casi di riconoscimento di pattern su immagini, dei quali il caso esposto rappresenta solo un esempio (attualmente abbiamo almeno un’altra decina di casi analoghi), sia nei casi di pattern-recognition su suoni vocalici (analisi dell’impronta vocale e confronto con più parlatori con metodologie parametriche oggettive), rappresentando un nuovo e diverso approccio metodologico/scientifico alle fenomenologie di presunti effetti paranormali, prescindendo dall’interpretazione degli stessi, che peraltro devono essere sempre debitamente accertati, ma offrendosi come complemento alle analisi stesse nei processi di identificazione personale.

 

P.I. Daniele Gullà

Responsabile del “Settore Immagini” de “IL LABORATORIO”.

www.laboratorio.too.it

Iscriviti alla Newsletter