Tipe-Dang Hoang Vu

Institut de la Francophonie pour l'Informatique
RAPPORT FINAL DU TIPE

Sujet
Biomtrie pour lIdentification
Tuteurs HO Tuong Vinh IFI, Hano, Vietnam
Etudiant DANG Hoang Vu Promotion X - IFI, Hano, Vietnam
07 2005
Biomtrie pour lidentification
Rsum
Mon travail dans le TIPE se focalise sur la recherche des techniques biomtriques pour faire un synthse sur la biomtrie. Ce rapport dcrit un sur vol sur la biomtrie, ses applications et les dtails techniques sur la technique biomtrique bas sur les empreintes digitales. La partie pratique est prsente en donnant une tude de cas sur la systme de vrification des empreintes digitales FVS.
Dang Hoang Vu, Promotion X, IFI Hano
Table des matires

RSUM............................................................................................................................................................ 2 TABLE DES MATIRES................................................................................................................................3 TABLE DE FIGURES.......................................................................................................................................4 CHAPITRE 1 :INTRODUCTION................................................................................................................... 5 1.1INTRODUCTION................................................................................................................................................5 1.2SYSTME BIOMTRIQUE.................................................................................................................................... 5 1.3ERREURS DE SYSTME BIOMTRIQUE...................................................................................................................7 1.4COMPARAISON LES TECHNIQUES BIOMTRIQUES ................................................................................................... 8 1.5APPLICATIONS DE LA BIOMTRIE........................................................................................................................ 8 CHAPITRE 2 : TECHNIQUES BIOMTRIQUES ....................................................................................10 2.1EMPREINTES DIGITALES.................................................................................................................................. 10 2.1.1CONCEPTION DU SYSTME DE RECONNAISSANCE DES EMPREINTES DIGITALES.........................................................11 2.1.2REPRSENTATION DES EMPREINTES DIGITALES................................................................................................. 12 2.1.3PRE-TRAITEMENT ...................................................................................................................................... 14 2.1.4EXTRACTION DES CARACTRISTIQUES.............................................................................................................14 2.1.5ASSORTIMENT DES EMPREINTES DIGITALES...................................................................................................... 18 2.1.6CLASSIFICATION DES EMPREINTES DIGITALES................................................................................................... 19 2.2VISAGE........................................................................................................................................................20 2.3IRIS.............................................................................................................................................................21 2.4VOIX...........................................................................................................................................................22 2.5SIGNATURE...................................................................................................................................................22 CHAPITRE 3 : ETUDE DE CAS...................................................................................................................24 3.1SYSTME DE VRIFICATION DES EMPREINTES DIGITALES (FVS).............................................................................24 3.2CONCEPTION DE FVS....................................................................................................................................24 3.3EVALUATION................................................................................................................................................ 28 CHAPITRE 4 :CONCLUSION......................................................................................................................30 4.1CONCLUSION................................................................................................................................................ 30 RFRENCES................................................................................................................................................ 31
Table de figures
FIGURE 1: SCHMA DE FONCTIONNEMENT DUN SYSTME BIOMTRIQUE...........................6 FIGURE 2: RELATION ENTRE TFA ET TFR............................................................................................ 7 FIGURE 3: COMPARAISON ENTRE LES TECHNIQUES BIOMTRIQUES...................................... 8 FIGURE 4: APPLICATION BIOMTRIQUES............................................................................................9 FIGURE 5: EMPREINTE DIGITALE ACQUISE PAR UN CAPTEUR OPTIQUE...............................10 FIGURE 6: DEUX TYPES DE MINUTIES LES PLUS UTILISS DANS LA LITRATURE............. 11 FIGURE 7 :CONCEPTION UN SYSTME BIOMTRIQUE BAS SUR LES EMPREINTES DIGITALES..................................................................................................................................................... 12 FIGURE 8 SIX CLASSES DES EMPREINTES DIGITALES................................................................... 13 FIGURE 9 : PROCESSUS DEXTRACTION DES MINUTIES................................................................15 FIGURE 10 :LE CHAMP D'ORIENTATION D'UNE IMAGE D'EMPREINTE DIGITALE...............16 FIGURE 11 :SIX CLASSES DES EMPRIENTES DIGITALES................................................................20 FIGURE 12 : RECONNAISSANCE DE VISAGE....................................................................................... 20 FIGURE 13 : IMAGE DIRIS........................................................................................................................ 21 FIGURE 14 : PROCESSUS DE VRIFICATION DES EMPREINTES DIGITALES........................... 24 FIGURE 15 :RSULTAT DE LA PHASE DESTIMATION DE LA CHAMP DORIENTATION..... 26 FIGURE 16 :RSULTAT DE LA PHASE DE SEGMENTATION........................................................... 26 FIGURE 17 :RSULTAT DE LA PHASE D'EXTRACTION DES RIDES..............................................27 FIGURE 18 :RSULTAT DE LA PHASE D'EXTRACTION MINUTIES.............................................. 27
Chapitre 1 :INTRODUCTION
1.1 Introduction La biomtrie est un ensemble des technologies (appeles les technologies biomtriques) qui exploitent des caractristiques humaines physiques ou comportementales telles que l'empreinte digitale, la signature, l'iris, la voix, le visage, la dmarche, et un geste de main pour diffrencier des personnes. Ces caractristiques sont traites par certain ordre des processus automatiss l'aide des dispositifs comme des modules de balayage ou des appareils-photo. la diffrence des mots de passe ou des PINs (numros d'identification personnelle) qui sont facilement oublis ou exposs l'utilisation frauduleuse, ou des clefs ou des cartes magntiques qui doivent tre portes par l'individu et sont faciles tre voles, copies ou perdues, ces caractristiques biomtriques sont uniques l'individu et il y a peu de possibilit que d'autres individus peuvent remplacer ces caractristiques, Donc les technologies biomtriques sont considres les plus puissantes en termes de scurit. En plus les mesures biomtriques sont confortables parce quelles n'ont pas besoin d'tre portes sparment. De tels caractristiques peuvent tre bien employs pour obtenir l'identification/authentification pour accder des systmes tels que les ATMs (guichet automatique). La biomtrie se prouve galement comme outil puissant d'identification/vrification aux scnes de crime dans le secteur juridique. 1.2 Systme biomtrique Un systme biomtrique est essentiellement un systme de reconnaissnce de formes qui fonctionne en acqurant des donnes biomtriques partir d'un individuel, extrayant un ensemble de caractristiques partir des donnes acquises, et comparant ces caractristiques contre le signature dans la base de donnes. d'identification:
Selon le contexte
d'application, un systme biomtrique peut fonctionner en mode de vrification ou mode Vrification : le systme valide l'identit d'une personne en comparant les donnes biomtriques captures sa propre base de donnes. Dans un tel systme, un individu qui dsire tre identifi rclame une identit, habituellement par l'intermdiaire d'un PIN (numro d'identification personnelle), d'un nom d'utilisateur, d'une carte fute, etc., et le systme
conduit une comparaison d'un--un pour dterminer si la rclamation est vraie ou faux (Est-ce que ces donnes biomtriques appartiennent Bob?).
Identification: le systme identifie un individu en recherchant les signatures (templates) de tous les utilisateurs dans la base de donnes. Par consquent, le systme conduit plusieurs des comparaisons pour tablir l'identit d'un individu (ou choue si le sujet n'est pas inscrit dans la base de donnes de systme) sans devoir soumis rclamer une identit .
En gnral, toutes les systmes biomtriques partagent le mme schma de fonctionnement. Ils tous se composent deux processus suivant :
Figure 1: Schma de fonctionnement dun systme biomtrique[ Rf 7]
Processus denregistrement : Ce processus a pour but d'enregistrer les caractristiques des utilisateur dans la base de donne..
Processus didentification /vrification : Le processus d'identification/vrification est effectu lorsqu'une personne enregistre dans la base de donnes biomtriques doit s'identifier.
1.3
Erreurs de systme biomtrique Un systme biomtrique fait deux types des erreurs: (1) confusion des
caractristiques biomtriques de deux personnes diffrentes pour tre de la mme personne, et (2) confusion des caractristiques biomtriques de la mme personne pour tre de deux personnes diffrentes. Ces deux types d'erreurs se nomment souvent en tant que faute dacceptation et faute de rejet, respectivement. Il y a une compensation entre le taux de faute dacceptation (TFA) et le taux de faute de rejet (TFR) dans chaque systme biomtrique. En fait, TFA et TFR sont des fonctions du seuil t de systme; si t est diminu pour rendre le systme plus tolrant aux variations et au bruit d'entre, alors TFA augmente. D'autre part, si t est augment pour rendre le systme plus bloqu, puis TFR augmente en consquence. Le diagramme dans le figure 2 montre la relation entre ces deux variables
Figure 2: Relation entre TFA et TFR [Rf 7]
1.4
Comparaison les techniques biomtriques Il existe plusieurs des techniques biomtriques et elles sont utilis dans diverses
applications. Chaque technique biomtrique a ses forces et faiblesses, et le choix dpend de l'application. Aucun technique biomtrique rponde efficacement aux exigences de toutes les applications. En d'autres termes, aucun technique biomtrique n'est optimal. La correspondance entre une technique biomtrique et une application dpends du mode oprationnel de l'application et des proprits de la caractristique biomtrique..
Figure 3: Comparaison entre les techniques biomtriques[ Rf 6]
Une brve comparaison de 9 techniques biomtriques les plus utilises ci-dessus bases sur sept facteurs est fournie dans le tableau. L'applicabilit d'une technique biomtrique spcifique dpend fortement des conditions du domaine d'application. Par exemple, il est bien connu que la technique bas sur lempreinte digitale est plus prcises que la technique bas sur la voix. Cependant, dans une application de transaction bancaire distance, la technique bas sur la voix peut tre prfre puisqu'elle peut tre intgre dans le systme de tlphone existant.. 1.5 Applications de la biomtrie
Les techniques biomtriques sont appliques dans plusieurs domaines et son applications sont divises en trois groupes principaux : Applications commerciales: telles que l'accs au rseau informatique, la scurit de donnes lectroniques, le commerce lectronique, l'accs d'Internet, l'ATM, la carte de crdit, le contrle d'accs physique, le tlphone portable, le PDA, la gestion des registres mdicale, l'tude de distance, etc... Applications de gouvernement: telles que la carte nationale d'identification, le permis du conducteur, la scurit sociale, la contrle de passeport, etc... Applications juridique: telles que l'identification de cadavre, la recherche criminelle, l'identification de terroriste, les enfants disparus, etc...
Figure 4: Application biomtriques [Rf 6]
10
Chapitre 2 : Techniques biomtriques

Ce chapitre prsentera plus dtaille en terme techniques quelque techniques biomtriques. En fait Il y a deux catgories de technique de biomtrie: Les techniques d'analyse du comportement: il sagit dun type de biomtrie caractrises par un trait dattitude qui est appris et acquis au fil du temps, Par exemple la dynamique de la signature, La faon d'utiliser un clavier d'ordinateur, etc...). Les techniques d'analyse de la morphologie humaine: il sagit dun type de biomtrie dfini par les caractristiques physiques (empreintes digitales, forme de la main, forme du visage, dessin du rseau veineux de l'oeil, la voix, etc...) 2.1 Empreintes digitales Empreinte digitale est la caractristique d'un doigt. On le croit que chaque empreinte digitale est unique. Chaque personne a ses propres empreintes digitales avec l'unicit permanente. Ainsi les empreintes digitales sont utilises depuis longtemps pour l'identification et linvestigation juridique..
Figure 5: Empreinte digitale acquise par un capteur optique
Une empreinte digitale se compose de beaucoup des rides et sillons. Ces rides et sillons prsentent de bonnes similitudes dans chaque petite fentre locale, comme le paralllisme et la largeur moyenne. Cependant, montr par des recherches sur l'identification d'empreinte digitale, des empreintes digitales ne sont pas bien distingues par leurs rides et sillons, mais par des minuties qui sont des points anormaux sur les rides.
10
11
Parmi les types des minuties rapports dans la littrature, deux types sont les plus utiliss ce sont l'arrt de ride, la fin d'une ride, et la bifurcation, le point sur la ride de laquelle deux branches drivent ( figure 6)
Arrt de ride
Bifucation
Figure 6: Deux types de minuties les plus utiliss dans la littrature
2.1.1
Conception du systme de reconnaissance des empreintes digitales Un systme de reconnaissance des empreintes digitales est un systmes
automatique de reconnaissance de formes qui se compose trois tapes principales : Acquisition : Les empreintes digitales sont captures et stockes sous forme des images. Extraction des caractristiques: les caractristiques essentielles sont extraites partir des images. Prise de dcision : Les caractristiques acquises sont compares avec les caractristiques stockes dans une base de donnes et partir le rsultat de cette comparaison une dcision sont prise.
11
12
Figure 7 :Conception un systme biomtrique bas sur les empreintes digitales
2.1.2
Reprsentation des empreintes digitales Pour bien distinguer des empreintes digitales et pour rpondre est-ce que
deux empreintes digitales sont extraites partir le mme doigt? il est ncessaire de choisir des caractristiques qui sont invariantes malgr lorientation de placement le doigt sur le capteur et la dformation lastique du doigt pendant l'acquisition. Plusieurs des reprsentations des empreintes digitales sont proposes, et elles sont classifies dans deux types principaux: reprsentation locale et reprsentation globale. La reprsentation globale est un attribut entier du doigt et la reprsentation locale se compose de plusieurs composants, chaque composant typiquement driv d'une rgion dans l'espace limite de l'empreinte digitale. Typiquement, des reprsentations globales sont employes pour la classification d'empreinte digitale et des reprsentations locales sont employes pour la comparaison d'empreinte digitale.
Reprsentation
globale :
Un
des
caractristiques
globaux
significatifs utiliss pour des empreintes digitales est sa type. Le modle entier d'empreinte digitale est class par un certain nombre
12
13
des classes et typiquement les empreintes digitales sont classs en 6 six classes principales: arch, tented arch, left loop, right loop, et whorl (figure 8). Les empreintes digitales sont aussi distingus par lpaisseur de rides, la sparation de rides, la profondeur de rides et les locations des points critiques (les noyaus et les deltas) (figure 8) .
Figure 8 Six classes des empreintes digitales
Reprsentation locale: les caractristiques locaux les plus utilises sont bass sur les minuties des rides (figure 6). Les minuties sont les points anormaux sur les rides. Un ensemble des minutie extraites dune empreinte digitale peut caractriser cette lempreinte digitale. Les minuties sont relativement robustes avec des variation des empreintes digitales. Il existe plusieurs type des minuties cependant deux types des minuties sont les plus utiliss ce sont l'arrt de ride et la bifurcation (figure 6). La reprsentation des minuties la plus simple constituent une liste de points dfinis par leurs coordonnes spatiales et en pratiques les minuties sont renforcs en ajoutant des caractristiques comme lorientation des rides, le compte des rides (le
13
14
nombre des rides visites pendant le traversa linaire entre les deux minuties.), lorientation du doigt, les locations des noyaux ou des deltas et la classe dempreinte digitale. Typiquement une empreinte digitale avec une bonne qualit contient environ 50-100 minuties. 2.1.3 Pre-traitement Les algorithmes de reconnaissance des empreintes digitales sont sensibles la qualit des images dempreintes digitales. Alors ltapes de pr-traitement est ncessaire avant deffectuer les tapes suivants. La qualit des images de dempreintes digitales dpend de plusieurs facteurs comme : le contact avec le sonde, la qualit de sonde, la profond de rides/valle,ect... Typiquement le pr-traitement peut se compose de la lissage, lamlioration de contraste, le filtrage de domaine de spatiale/ frquence. Dans des cas extrmes, une empreinte digitale avec la qualit trs pauvre peut tre automatiquement renforc en utilisant le filtrage de Gabor[4].
2.1.4
Extraction des caractristiques. La plupart des systmes de reconnaissance des empreintes digitales emploient des
minuties comme caractristiques des empreintes digitales. Alors cette partie prsentera les mthodes pour extraire des minuties partir des empreintes digitales. Un extracteur de minuties cherche des artes de ride et des bifurcations dans les empreintes digitales. Si les rides sont bien dtermins, alors l'extraction de minuties est une tche relativement simple. Cependant, dans la pratique, il n'est pas toujours possible d'obtenir une carte parfaite de rides. Donc la performance des algorithmes actuellement disponibles d'extraction de minuties dpend fortement de la qualit des images des empreintes digitales d'entre. Typiquement, une algorithme dextraction de minuties se compose 4 tapes principales : Estimation dorientation, segmentation, figure 9 dtection de rides, dtection de minuties et le processus entier dun algorithme dextraction de minuties est montr dans la
14
15
Figure 9 : Processus dextraction des minuties [Rf 8]
Estimation dorientation
Le champ d'orientation d'une image d'empreinte digitale reprsente la nature intrinsque dempreinte digitale (figure 9).Cest un tage essentielle pour dterminer les rides dempreinte digitale et pour trouver la rgion dintrt dimage dempreinte digitale, Il existe plusieurs de mthodes pour estimer le champ d'orientation des images d'empreinte digitale[8]. Anil Jain et al.[8] ont proposs une mthode efficace pour estimer le champ dorientation dune image.
Figure 10 :Le champ d'orientation d'une image d'empreinte digitale
15
16
Lide principale de cette mthode ce que limage d'impatiente digitale se divise en plusieurs fentres de taille WxW, Pour tous pixels dans chaque fentre on calcule les gradients Gx et Gy et puis on calcule lorientation locale de cette pixel en utilisant la formule :
W 2 W 2
i+
j+
Vx (i,j) =
W W u = iu = j2 2
i+ W 2 j+ W 2
(2 Gx ( u, v) Gy ( u, v))
(1)
Vy (i,j) =
W W u = iu = j2 2
( Gx2( u, v) G y2( u, v))
(2)
1 V (i , j ) ( i, j) = tan 1( x ) 2 Vy ( i, j)
(3)
+ W est la taille de la fentre locale; + Gx et Gy sont les grandeurs de gradient dans des directions de x et de y, respectivement + (i, j ) est lorientation locale du pixel (i,j) Le rsultat de cet algorithme est comme dans la figure 9.
Segmentation.
Aprs davoir estim le champ d'orientation d'une image d'empreinte digitale, un algorithme de segmentation qui est bas sur le niveau de certitude du champ d'orientation est employ pour localiser la rgion d'intrt dans l'image d'empreinte digitale. Le niveau de certitude du champ d'orientation au pixel (i,j) est dfini comme suit:
CL(i, j ) =
i+
2 2 1 Vx (i,j) + Vy (i,j) Ve (i,j) W2
(4)
Ve (i,j) =
W W u = iu = j2 2
W 2
j+
2 ( Gx2( u, v) + G y( u, v))
W 2
(5)
+ W est la taille de la fentre locale; + Gx et Gy sont les grandeurs de gradient dans des directions de x et de y + CL(i, j ) est lorientation locale du pixel (i,j)
16
17
Pour chaque pixel, si son niveau de certitude du champ d'orientation est infrieur d'un certain seuil T, puis le pixel est marqu comme pixel de fond. Si non il est marqu comme un pixel de la rgion d'intrt. Detection de rides L'objectif de l'algorithme de dtection de rides est de sparer des rides des valles dans une image d'empreinte digitale. Il existe plusieurs dapproches : + Fixe/adaptatif seuil: les pixels plus sombre qu'un seuil de
constant/variable sont dtermins pour tre des pixels de rides dans l'empreinte digitale. Ces approches gnralement ne fonctionnent pas bien pour les parties bruyantes et l'image avec une contraste basses[6]. + Minimum local : cette lapproche emploie une proprit de rides cest que les valeurs de niveau gris sur des rides atteignent leurs minimum local tout le long de la direction normale de l'orientation locale des rides [6]. Normalement le rsultat obtenu est une image binaire dans laquelle les pixels noires sont les pixel des rides et les pixels blancs sont des pixels des valle ou de la fond. Gnralement les rides dtects sont paisses, puis un algorithme amincissant est employ pour obtenir des rides avec un pixel de grandeur[4]. Ces rides sont utiles pour dtecter des minuties. Detection de minuties Lors les rides sont bien dtermins les minuties seront facilement dtectes: + Les pixels avec trois pixels voisins sont identifis comme bifurcations. + Les pixels avec un pixel voisin sont identifis comme artes de ride Cependant, Ce nest pas le fait que toutes les minuties dtectes sont des bonne minuties cause des bruits. Post-traitement Dans cette tape, les vrais minuties sont extraites en utilisant un certain nombre d'heuristiques. Par exemple, trop de minuties dans un petit rgion peuvent indiquer que la prsence du bruit et elles pourrait tre jete. Deux artes de rides sont trop proches indique des fausses minuties produites par une coupure dans le ride etc...[6]
17
18
2.1.5
Assortiment des empreintes digitales Il est trs difficile pour assortir srement deux empreintes digitales. La cause
principale cest la variabilit dans diffrentes impressions du mme doigt (c.--d., grandes variations d'intra-classe). Les facteurs principaux responsables des variations d'intra-classe sont: dplacement, rotation, dformation non-linaire, variation des pressions, changement dtat de peau, bruit, et erreurs d'extraction des caractristiques etc... Par consquent, les empreintes digitales du mme doigt peuvent tre diffrentes tandis que les empreintes digitales de diffrents doigts peuvent tre ressemblant. Pour rsoudre ce problme, il existe plusieurs dapproches et ils sont classifies en 3 catgories principales : 1. Assortiment bas sur corrlation : Cette approche est bas sur la corrlation des pixels de deux empreintes digitales. Deux images d'empreinte digitale sont superposes et la corrlation (au niveau d'intensit) entre les pixels correspondants est calcule pour diffrents alignements (par exemple dplacements et rotations). Cette approche est assez facile raliser mais son rsultat est sensible la variation comme la rotation, le dplacement, etc... 2. Assortiment bas sur rides Dans cette approche, on utilise des caractristiques extraites des rides (orientation, texture, forme de ride, etc)pour comparer des empreintes digitales. Lavantage de cette approche cest que les caractristiques de rides peuvent tre extraite plus srement, cependant les distinctivements de ces caractristiques sont faibles
3.
Assortiment bas sur minities. Cest lapproche la plus utilise dans la littrature,des minuties sont extraites
partir des deux empreintes digitales et stockes sous forme un ensemble de points dans le plan de deux dimensions. L'assortiment bas sur minuties essentiellement se compose de trouver l'alignement entre les minuties du motif et les minuties d'entre. Le rsultat est le nombre maximum des pairs de minuties. Il existe 3 mthodes diffrentes pour assortir des minuties
Assortiment des minuties bas sur la transformation des Hough. Assortiment des minuties bas sur la minimisation dnergie. Assortiment des minuties bas sur lalignement.
18
19
2.1.6
Classification des empreintes digitales L'identification automatique base sur des empreintes digitales exige l'empreinte
digitale dentre assortir avec un grand nombre d'empreintes digitales stockes dans une base de donnes (par exemple, la base de donnes de FBI contient plus de 200 millions des empreintes digitales). Pour rduire le temps de recherche et la complexit, il est souhaitable de classifier ces empreintes digitales d'une faon prcise et cohrente tels que l'empreinte digitale d'entre doit tre assortie seulement avec un sous-ensemble des empreintes digitales dans la base de donnes. Typiquement ,les empreintes digitales sont classifies en six classes diffrentes :arch, tented arch, left loop, right loop, et whorl
Une empreinte digitale darch a les rides qui entrent d'un ct, se lvent une petite bosse, et sortent le ct oppos dont elles sont entres. Les archs n'ont pas des boucles ou des deltas;
Une empreinte digitale de tented arch est semblable une empreinte digitale darch , sauf qu'au moins une ride montre une courbure leve et il y a une boucle et un delta.
Une empreinte digitale de loop a une ou plusieurs rides qui entrent d'un ct, courbent en arrire, et sortent le mme ct qu'elles sont entres. Une boucle et un delta sont prsentes. Des loops peuvent tre encore subdivises: les loops qui ont des rides qui entrent et sortent du ct gauche s'appellent le lelt loop et les loops qui ont des rides qui entrent et sortent du ct droite s'appellent le right loop.
Une empreinte digitale de whorl contient au moins une ride qui fait un chemin 360-dgre complet autour du centre de l'empreinte digitale. Deux boucles et deux deltas peuvent tre trouvs dans des empreintes digitales de whorl;
Le figure 11 montre les exemples d'empreintes digitales de chaque classe.
19
20
Figure 11 :Six classes des emprientes digitales
Dans la littrature les approches de classification sont classifies en 5 catgories[6]

Classification bases sur les rgles Classification syntaxiques Classification structuralle Classification statistique Classification par rseau de neutrons
Les dtails techniques de ces approches sont prsentes dans [6] 2.2 Visage La reconnaissance de la forme du visage est la technique la plus commune et populaire. Elle est la plus acceptable parce que on peut l'utilise distance sans la collaboration avec objet.
20
21
Figure 12 : Reconnaissance de visage
Utiliser une camra permet d'acquier la forme du visage d'un individu et puis retirer certaines caractristiques. Les caractristiques essentielles pour la reconnaissance du visage sont: les yeux, la bouche, le tour du visage, le bout du nez , etc.. Selon le systme utilis, l'individu doit tre positionn devant le camra ou peut tre en mouvement une certaine distance. Les donnes biomtriques qui sont obtenues sont compares au fichier rfrence. Le logiciel doit tre capable d'identifier un individu malgr diffrents artifices physiques (moustache,barbe,lunettes,etc..) Le visage est une biomtrie relativement peu sre. En effet, le signal acquis est sujet des variations beaucoup plus leves que d'autres caractristiques. Celles-ci peuvent tre causes, entre autres, par le maquillage, la prsence ou l'absence de lunettes, le vieillissement et l'expression d'une motion. La mthode de la reconnaisance du visage est sensible la variation de l'clairage et le changement de la position du visage lors de l'acquisition de l'image. 2.3 Iris La reconnaissance de l'iris est considre comme la technique biomtrique la plus exacte. L'iris est la partie colore de l'oeil qui entoure la pupille noire. Son inspection attentive rvle de nombreuses structures dtailles. Ces structures se dveloppent ds le plus jeune ge et sont considres comme uniques, mme chez les vrais jumeaux. Les structures de l'iris restera constantes jusqu' la mort.
21
22
Figure 13 : Image diris
Pour reconnatre un individu, on extrait des paramtres de l'image de l'oeil. Puis, on compare ces paramtres avec tous les paramtres prcdemment extraits et sauvegards. La comparaison qui produira le meilleur score permettra d'identifier le nom de l'individu. 2.4 Voix L'identification de la voix est considre par les utilisateurs comme une des formes les plus normales de la technologie biomtrique, car elle n'exige aucun contact physique avec le lecteur du systme. Les systmes d'identification de la voix se concentrent sur les seules caractristiques de voix qui sont uniques la configuration de la parole d'un individu. Ces configurations de la parole sont constitues par une combinaison des facteurs comportementaux et physiologiques. Il faut faire une distinction entre les systmes dpendants et indpendants du texte. En systme dpendant, le texte prononc lors de l'identification est le mme que celui pralablement enregistr. Par contre, en mode indpendant, le locuteur prononce la phrase qu'il dsire. Lors d'une tentative d'accs, on compare la voix d'un utilisateur la signature de la voix stock dans la base des donnes.L'utilisateur doit prononcer une phrase (donne ou pas) et un logiciel en extrait les paramtres. Voici les diffrents paramtres qui peuvent tre utiliss : + Paramtres de l'analyse spectrale. + Paramtres prosodiques. + Paramtres exploitant la dynamique du signal de parole.
22
23
Ensuite, le logiciel effectue la classification dans le cas d'une identification. Ce moyen n'est pas compltement fiable puisque la fatigue, le stress ou la maladie peuvent altrer la voix. Enfin, la fraude est possible par enregistrement. Par contre, les imitateurs essayent habituellement de reproduire les caractristiques vocales les plus videntes l'oreille humaine et ne recrent pas les caractristiques moins accessibles qu'un systme automatis d'identification de voix analyse. 2.5 Signature Signer un document pour s'identifier est un geste naturel pour tout le monde. Dans la vie de tous les jours, nous signons rgulirement des documents. La reconnaissance de la signature est une des techniques biomtriques comportementales. Dans le systme d'identification par la signature, l'utilisateur doit signer avec un stylo lecteur sur une tablette graphique, le systme analyse ensuit les variations de vitesse du stylo, la diffrence de pression sur la tablette graphique au cours de la signature. Le point faible de ce technique est qu'un individu qui ne signe pas toujours de la mme faon se verra souvent refuser l'accs au systme. L'acceptation de cette technique est trs bonne car la signature est un geste commun pour tout le monde.
23
24
Chapitre 3 : Etude de cas

3.1 Systme de vrification des empreintes digitales (FVS) Ce chapitre prsente le partie pratique de cette tude, Il sagit le projet FVS, cest un projet open-source qui est disponible sur http://sourceforge.net/projects/fvs . Le but de ce projet est de construire un systme de vrification des empreintes digitales en utilisant lapproche bas sur les minuties. La version courante de ce systme est 0.1.1, il nest pas encore complte, il manque la partie dimplmentation de lalgorithme dassortiment des minuties. Par contre toutes les tapes de pr-traitement et dextraction des caractristiques sont termines Les parties suivantes prsenteront les dtails techniques de ce projet. 3.2 Conception de FVS
. Figure 14 : Processus de vrification des empreintes digitales
24
25
Pour faire la vrification la similarit de deux images, ce systme exploite le processus comme dans le figure 14. Les deux images sont traites par le mme processus pour obtenir la fin deux listes des minuties, puis on faire lalignement entre ces deux listes de minuties pour calculer la similarit entre eux. 1. Dtecter la champ dorientation. Dans la phase de dtection de champ dorientation , ce systme utilise lalgorithme propos par Anil Jain et al.[8] Les dtails de cette algorithme ont prsents dans le chapitre 2. Diviser limage dempreinte digitale en plusieurs fentres de taille WxW. Pour tous pixels dans chaque fentre on calcule les gradients Gx et Gy et puis on calcule lorientation locale de cette pixel en utilisant la formule suivante :
W 2 W 2
i+
j+
Vx (i,j) =
u = i-
W W u = j2 2
(2 Gx ( u, v) Gy ( u, v))
(1)
i+
Vy (i,j) =
W W u = iu = j2 2
W 2
j+
( Gx2( u, v) G y2( u, v))
W 2
(2)
( i, j) =
1 V (i , j ) tan 1( x ) 2 Vy ( i, j)
(3)
Dans ce systme on utilise la fentre 5 x 5. Le rsultat de la dtection est comme dans le figure 14.
25
26
Image dentre
Image de champ dorientation
Figure 15 :Rsultat de la phase destimation de la champ dorientation
2. Dtecter la rgion dintrt. Dans cette phase, ce systme utilise le niveau de certitude pour dterminer si un pixel appartient la font ou lempreintes digitale. La formule pour calculer le niveau de certitude de chaque pixel est donne dans la chapitre 2. Le rsultat de cette phase est prsent dans la figure 15
Image dentre
Masque de rgion dintrt
Figure 16 :Rsultat de la phase de segmentation
3. Dtecter des rides Aprs localiser le rgion dintrt, on passe la phase de dtection des rides. Le processus pour dtecter les rides dans ce systme est comme suivant:

Faire un renforcement en utilisant le filtrage Gabor Faire un seuillage pour obtenir limage binaire Seuil = 128
26
27
Faire un amincissement en utilisant la transformation de Hit-andMiss
Le rsulta de cette phase est une image de carte de rides avec un pixel de grandeur (figure 17)
Image dentre
Image de rides
Figure 17 :Rsultat de la phase d'extraction des rides
4.
Dtecter des minuties. Pour dtecter, ce systme applique simplement les rgles suivants : Les pixels avec trois pixels voisins sont identifis comme bifurcations Les pixels avec un pixel voisin sont identifis comme artes de ride Le rsultat de cette phase est une liste des minuties avec ses information
associes
Image de rides
Image de minuties
27
Biomtrie pour lidentification Figure 18 :Rsultat de la phase d'extraction minuties
28
5. Assortiment des minuties Cest la partie incomplte du systme, lalgorithme origine ne marche pas, jai dj fait des modifications en se basant sur les ide principales de lalgorithme origine. Pour faire lassortiment deux empreintes digitales, ce systme utilise lalgorithme de Lin Hong et al.[8], cette algorithme est bas sur lapproche dassortiment par lalignement : Reprsenter les minuties de limage dentre et limage de motif comme deux chain de point dans le systme coordonnn polaire P P P Pp = (( r P , e1P , 1P ) T ,..., ( rm , em , m ) T ) 1
Q Q Qp = (( r1Q , e1Q , 1Q )T ,..., (rmQ , em , m )T )
+ r : rayon + e: angle radial + :orientation associe aux minuties Utiliser un algorithme de programmation dynamique pour tablir la correspondance. Pour mesurer la similarit de deux chaine P et Q, On utilise la distance de modification suivante :
m 0, = C (m, n ) = { 0, si(C (=m n1,n0)+ ,C (m ,n 1) + ,C (m 1,n 1) +w (m ,n )),si (m *n <>0) min( )
w( m, n) =
{ = {
e =
3.3 valuation.
P P rm rnQ + e + ,si ( rm rnQ < , e < , < )
p a , si ( a = ( em eQ + 360) mod 360 180)) < n a 180,sin on P a ,si (a = ( m nQ + 360) mod 360)< 180) a 180,sin on
Les paramtres son choisies comme suivantes : = 8, = 7.5, = 1, = 2, = 0.1, = ( + + ))
28
29
Pour valuer la performance du systme jai utilis la base de donnes de FCV2002, cest un concours des systme de vrification des empreintes digitales. Cette base de donne se compose de 80 images dempreintes digitales de 8 personnes. Chaque personne a 10 images dempreintes digitales acquises de diffrentes positions de doigt. Avec lalgorithme dassortiment des minuties ci-dessus, on obtient le rsultat suivant :

Taux de faute dacceptation TFA = 40 % Taux de faute de rejet TFR = 65%
Ces taux de erreurs sont trs grandes et ce systme nest pas utilisable, les raisons principales de ces erreurs sont :

Rsultat de la phase de segmentation nest pas bon Utilisation un seuil fix peut causer des problmes
29
30
Chapitre 4 :Conclusion
4.1 Conclusion De nos jour la biomtrie est considre comme moyen le plus sr pour la scurit. Elle est de plus en plus appliqu dans la ralit grce ses avantages. Ses application sont divers: applications de contrle daccs, applications dans les tlphone portables, application dans le-commerce etc... Cependant la biomtrie elle a aussi des limitations comme la prcision des techniques biomtriques est faible, on na pas encore dhabitude dutiliser les systme biomtriques Dans cet tude jai dj prsent une vue gnrale de la biomtrie, un survol sur quelques techniques biomtriques et jai prsent les dtails techniques de techniques biomtriques bas sur des empreintes digitales. Une tude de cas a t donns pour montrer la fonctionnement des algorithmes prsentes.
30
31
RFRENCES
[1] Gendarmerie royale du Canada, juin 2002, Les technologies biomtriques : une valuation d'applications pratiques [2] Max Chass- Juillet 2002, La biomtrie au Qubec : Les enjeux [3] http://biometrie.online.fr [4] http://www.biometricgroup.com [5] http://solutions.journaldunet.com/0208/020826_biometrie_1.shtml [6] Davide Maltoni, Dario Maio , Anil K. Salil Prabhakar , 2003, Fingerprint Handbook [7] Lin Hong et al., 1997. An identification system using fingerprints [8] Anil Jain et al.,2000, Automated Fingerprint Identification and imaging [9] http://biometrie.online.fr [10] http://www.biometricgroup.com [11] http://homepages.inf.ed.ac.uk/rbf/HIPR2/hitmiss.htm [12] http://matlabserver.cs.rug.nl/edgedetectionweb/web/edgedetection_params.htm [13 ANTHONY LUM, 1999. Fingerprint Recognition
31

Tipe-Dang Hoang Vu

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Tipe-Dang Hoang Vu

Hochgeladen von

Copyright:

Verfügbare Formate

Institut de la Francophonie pour l'Informatique

RAPPORT FINAL DU TIPE

Biomtrie pour lIdentification

Tuteurs HO Tuong Vinh IFI, Hano, Vietnam

Etudiant DANG Hoang Vu Promotion X - IFI, Hano, Vietnam

Biomtrie pour lidentification

Dang Hoang Vu, Promotion X, IFI Hano

Biomtrie pour lidentification

Table des matires

Dang Hoang Vu, Promotion X, IFI Hano

Biomtrie pour lidentification

Dang Hoang Vu, Promotion X, IFI Hano

Biomtrie pour lidentification

Dang Hoang Vu, Promotion X, IFI Hano

Biomtrie pour lidentification

Figure 1: Schma de fonctionnement dun systme biomtrique[ Rf 7]

Dang Hoang Vu, Promotion X, IFI Hano

Biomtrie pour lidentification

Figure 2: Relation entre TFA et TFR [Rf 7]

Dang Hoang Vu, Promotion X, IFI Hano

Biomtrie pour lidentification

Figure 3: Comparaison entre les techniques biomtriques[ Rf 6]

Dang Hoang Vu, Promotion X, IFI Hano

Biomtrie pour lidentification

Figure 4: Application biomtriques [Rf 6]

Dang Hoang Vu, Promotion X, IFI Hano

Biomtrie pour lidentification

Chapitre 2 : Techniques biomtriques

Figure 5: Empreinte digitale acquise par un capteur optique

Dang Hoang Vu, Promotion X, IFI Hano

Biomtrie pour lidentification

Figure 6: Deux types de minuties les plus utiliss dans la littrature

Dang Hoang Vu, Promotion X, IFI Hano

Biomtrie pour lidentification

Figure 7 :Conception un systme biomtrique bas sur les empreintes digitales

Dang Hoang Vu, Promotion X, IFI Hano

Biomtrie pour lidentification

Figure 8 Six classes des empreintes digitales

Dang Hoang Vu, Promotion X, IFI Hano

Biomtrie pour lidentification

Dang Hoang Vu, Promotion X, IFI Hano

Biomtrie pour lidentification

Figure 9 : Processus dextraction des minuties [Rf 8]

Figure 10 :Le champ d'orientation d'une image d'empreinte digitale

Dang Hoang Vu, Promotion X, IFI Hano

Biomtrie pour lidentification

( Gx2( u, v) G y2( u, v))

2 2 1 Vx (i,j) + Vy (i,j) Ve (i,j) W2

Dang Hoang Vu, Promotion X, IFI Hano

Biomtrie pour lidentification

Dang Hoang Vu, Promotion X, IFI Hano

Biomtrie pour lidentification

Dang Hoang Vu, Promotion X, IFI Hano

Biomtrie pour lidentification

Le figure 11 montre les exemples d'empreintes digitales de chaque classe.

Dang Hoang Vu, Promotion X, IFI Hano

Biomtrie pour lidentification

Figure 11 :Six classes des emprientes digitales

Dans la littrature les approches de classification sont classifies en 5 catgories[6]

Dang Hoang Vu, Promotion X, IFI Hano

Biomtrie pour lidentification

Figure 12 : Reconnaissance de visage

Dang Hoang Vu, Promotion X, IFI Hano