Analisi e progettazione di metodi per Morphing Attack Detection basati su sequenze video

Negli ultimi anni i controlli di frontiera sono stati automatizzati e il riconoscimento facciale è diventato uno strumento centrale nella verifica dell'identità dei viaggiatori. Se da un lato questa automazione ha reso i controlli più rapidi ed efficienti, dall'altro ha portato allo sviluppo di una nuova minaccia in ambito biometrico: il Face Morphing Attack. Combinando le immagini di due soggetti in un unico volto, è possibile generare un documento che può essere utilizzato da entrambi, consentendo a un criminale di superare i controlli con il documento di un complice. Per far fronte a questo problema, sono stati sviluppati algoritmi di Morphing Attack Detection, in grado di distinguere un'immagine autentica (bona fide) da un'immagine manipolata (morphed). Tuttavia, questi valutano immagini statiche, mentre in molti scenari operativi il sistema di acquisizione produce video. Perciò è stato introdotto il task di Video Morphing Attack Detection (V-MAD), che effettua il MAD analizzando video anziché immagini singole. L'obiettivo di questo lavoro è analizzare e progettare, a partire dallo stato dell'arte attuale sul Morphing Attack Detection, un metodo inedito di V-MAD, evidenziando le potenzialità e i limiti dell'inclusione dell'analisi della qualità dei fotogrammi e delle mesh facciali nel task. Per prima cosa viene introdotto nel dettaglio il problema del morphing, spiegando le tecniche per la sua generazione, lo stato dell'arte degli algoritmi di MAD, e viene presentato teoricamente il task di V-MAD. Successivamente si passa alla creazione di due dataset pensati per il test di algoritmi di MAD basati su video. Si procede con la sperimentazione sull'analisi dei punteggi di qualità per i frame e con l'analisi delle mesh facciali. Si conclude con la realizzazione, sulla base dei risultati sperimentali, di un prototipo in Python che, dato un video e l'immagine di un documento, rileva se il documento è morphed o bona fide.