Gian Luca Marcialis

Assistant Professor.

Research Activities

The research activity of Dr. Gian Luca Marcialis is focused on the theme “Biometrics for information security”. In particular, his research interests are related to fingerprint classification and verification and to face recognition and verification, with emphasis on multi-modal matchers fusion and semi-supervised recognition.

During his research activity, Dr. Marcialis has co-authored papers in collaboration with leading figures of the statistical pattern recognition community. For further information, see the publication section.

He is also “team  “team leader” in several international and national projects (MAVENFP7 Tabula Rasa, “Biometric guards” funded by Italian Ministry of Research and Education, “Adaptive biometric systems” funded by Regione Autonoma della Sardegna) and co-founder and organizer of the “International Fingerprint Liveness Detection Competition” (see in particular the last one, LivDet2015).

He has co-worked with the Scientific Investigation Office of Arma dei Carabinieri on the topic “algorithms for the analysis of fingerprint images and liveness detection”. The main result of this cooperation is a software tool described in the book “Handbook of Research on Computational Forensics, Digital Crime and Investigation: Methods and Solutions”, IGI Press, 2010.

Further information in his Curriculum Vitae.

 

Thesis offers (italian only)

Sono disponibili tesi sulla tematica del riconoscimento biometrico ed in particolare

Tesi triennali (Ing. Elettrica ed Elettronica/Biomedica):

  • Metodi e algoritmi per l’analisi ed il match di retinografie per il riconoscimento e tracciamento umano ed animale (In collaborazione con l’Università degli Studi di Sassari, Prof. Walter Pinna, Dipartimento di Agraria). In questo lavoro, il candidato dovrà analizzare ed estrarre le caratteristiche di immagini retinografiche che consentano di verificare l’identità del soggetto. Verranno studiate sia retinografie umane che animali. Quest’ultimo aspetto è orientato allo sviluppo di metodi e modelli per il tracciamento animale in sostituzione dei metodi utilizzati allo stato dell’arte (basati su marche auricolari o boli endoruminali).
  • Analisi di pattern dallo Spazio Profondo (“Deep Space”) per la localizzazione ed il riconoscimento di stelle pulsar (In collaborazione con l’Osservatorio Astronomico di Cagliari, Dott. Alessandro Corongiu). Il candidato dovrà utilizzare il largo patrimonio di immagini da “deep space” messo a disposizione dall’OAC per estrarre caratteristiche orientate all’identificazione e discriminazione di stelle pulsar da altri fenomeni che spesso inducono a false identificazioni.

 

Tesi magistrali (Ing. Elettronica):

  • Metodi ed algoritmi per il riconoscimento di falsificazione di impronte digitali – questioni fondamentali. Scopo di questa tesi è compiere un’analisi critica sulla reale efficacia di metodi di riconoscimento di falsi da impronte digitali,  illustrare e risolvere in modo rigoroso importanti problemi aperti, legati ai materiali usati per la falsificazione, i sensori di acquisizione e gli utenti coinvolti nella falsificazione.
  • Integrazione avanzata di sistemi di riconoscimento personale basati su impronte digitali ed sistemi di protezione da attacchi dovuti a falsificazioni. In questa tesi il candidato dovrà fornire un’analisi delle condizioni che consentano il funzionamento “ottimale” delle architetture allo stato dell’arte. Un problema aperto allo stato attuale è infatti che, a fronte di molte potenziali soluzioni per l’integrazione di sistemi di riconoscimento e sistemi di antifalsificazione, non è chiaro in quali condizioni una soluzione possa essere preferita all’altra, con conseguenti gravi difficoltà nel progetto efficace di tali sistemi.
  • Studio ed analisi dell’unicità delle impronte digitali (in collaborazione con il Raggruppamento Carabinieri Investigazioni Scientifiche di Cagliari). Allo stato dell’arte sono stati sviluppati diversi modelli statistici e probabilistici per lo studio dell’unicità delle impronte digitali, ma non è ancora chiaro quale sia la reale capacità di identificare due impronte quando si ha a disposizione solo una porzione delle stesse. In questa tesi, il candidato svolgerà un’analisi di robustezza su ampia base campionaria, e farà il punto sugli attuali modelli di unicità valutandone la capacità di riprodurre scenari realistici.

 

Per ulteriori dettagli contattare il Dott. Gian Luca Marcialis.