Upload
francoise-dupuis
View
105
Download
0
Embed Size (px)
Citation preview
1
Identification des personnes par l’iris
Emine Krichen INT
26 Avril 2005, France Telecom RD, Issy les moulineaux
2
Processus de la reconnaissance par l’iris
• Segmentation de l’iris
• Normalisation, prétraitement, rehaussement
• Codage/Extraction des paramètres
• Prise de décision
3
Introduction• J. Daugman dépose son brevet en 1991
concernant l’identification par l’iris en utilisant un codage de phase des coefficients en ondelettes de Gabor.
• R.Wildes propose en 1996 une solution alternative aux travaux de Daugman basée sur la corrélation sur 4 niveaux de résolution.
• NLPR met à disposition des scientifiques la première base de donnée d’images d’iris en accès libre, CASIA V01. 108 personnes, 7 images par personne. (2003)
4
Introduction• Les modes d’acquisitions :
– En proche infrarouge (700-900nm).
– En lumière visible
• Les résolutions – 480*640 – 280*320
– Un rayon d’iris de 100 pixels
• Les protocoles d’acquisitions – 35 à 50 cm entre l’œil et l’objectif
– En intérieur
5
Comparaison infrarouge / lumière visible
lumière visible infrarouge
• Peu de texture
• Plus de reflets
6
Motivations
• Utilisation de la lumière visible – Utilisation de caméra standard
– Fusion de modalités : entre l’iris et le visage, la forme de l’œil…
7
Algorithmes d’identification par l’iris :
Segmentation
8
Segmentation de l’iris
9
Transformée de Hough• Une fonction à votes
• Utilisée après détection des points de contours.
Sinon
ryxCyxsiryxyxh
Avec
ryxyxhryxH
ccjjccjj
ccjj
jcc
,0
),,(),(,1),,,,(
),,,,(),,(1
10
Détecteur de contour circulaire
dxdy
r
yxI
rryxr
2
,Gσmax )0,0,(
• Maximiser le gradient le long d’un cercle
11
Segmentation de l’iris par TH
12
Segmentation de l’iris : Méthode hybride
Transformée de Hough Détecteur de contour circulaire
13
Segmentation de l’iris par la méthode des contours actifs
• Aucune supposition sur la forme géométrique de l’iris– La pupille n’est pas parfaitement circulaire – L’iris est souvent caché par les paupières
• Calculer un champ de vecteurs de gradients et imposer une forme de départ
14
L’iris segmenté par les contours actifs
15
Résumé
• Transformée de Hough
• Détecteur de contour circulaire
• Méthode hybride : Binarisation de l’image +transformée de Hough pour la détection de l’iris + CED pour la détection de la pupille
• Contours actifs
16
Algorithmes d’identification : Normalisation, rehaussement
17
Normalisation : Transformation pseudo polaire
18
Détection des cils, paupières et reflets
19
Normalisation / rehaussement
20
Algorithmes d’identification : Codages
21
La méthode des ondelettes
• Base 2D d’ondelettes de Gabor
• Paramètre en coordonnés polaires (ρ,θ).
• 4 niveau de résolution • 2048 coefficients pour coder
l’iris
dφdρρφρ,Ieee22
022
00 βφθαρrφθiω
J. Daugman, “How iris recognition works”, Proceedings of the International Conference on Image Processing, 2004
22
Notre approche : Paquets d’ondelettes
• Analyser toute l’image à chaque niveau de résolution
• Augmenter la taille de la fenêtre de l’ondelette mère
• 1664 coefficients pour coder l’iris
23
Analyse de texture
Transformée de Haar
Texture extraire de l’iris
I (x, y) =maximum (hg(x, y), gh(x, y))
24
Algorithmes d’identification : Décision
25
Approche : ondelettes/paquets
Codage par ondelette
Codage par paquets
Deux codes provenant de personnes différentes
26
Distance de Hamming
Si HD > Seuil Deux iris proviennent de deux personnes différentes
Si HD < Seuil Deux iris proviennent de la même personne
27
Processus de corrélation
Mesure de similarité pour un template
)(
))()(()2,1(
CdStd
CdmeanCdMaximumTTPSR
numberPSRTotal
thresholdtoeriorPSRofNumberItestIrefSM
sup),(
28
Bases de données • IrisINT : lumière visible. 70
personnes 700 images.
• CASIA : Proche infrarouge, 108 personne 7 images par personne
29
Algorithmes développés • Démodulation de phase : ondelette et
paquets. – Calcul des coefficients d’ondette obtenus par la
base de filtres de Gabor ou de paquets de Gabor. – Codage de la phase des coefficients complexes
de Gabor par le principe de quatre quadrants
• Analyse de texture et corrélation : – filtrage de l’image par l’ondelette de Haar – extraction de la texture de l’iris en utilisant les
informations hautes fréquences verticales et horizontales
– Processus de corrélation sur les images de textures basé sur le calcul du PSR entre des templates provenant des images de références et de tests.
30
Courbe ROC (IrisINT)
31
Courbe DET (Méthode de corrélation )
EER = 0.07
32
Mode dégradé
Image originale Image dégradée
33
Courbes DET (CT vs DP)
DP
CTEER = 2.3
EER = 8.1
34
Conclusion
• Identification de l’iris en mode dégradé– lumière visible
• Paquets d’ondelettes
• Corrélation de texture