Cours Biometrie

7/24/2019 Cours Biometrie

1/30

INTRODUCTION LAINTRODUCTION LAINTRODUCTION LAINTRODUCTION LA BIOMTRIEBIOMTRIEBIOMTRIEBIOMTRIE

OCTOBRE 2011OCTOBRE 2011OCTOBRE 2011OCTOBRE 2011


2/30

2

BibliographiesBibliographies

http://www.clorenz.org/article-12579256.html (vido)

http://www.cse.msu.edu/~jain/ http://www.cl.cam.ac.uk/~jgd1000/ http://face.nist.gov/frvt/frvt2006/frvt2006.htm

http://iris.nist.gov/ice/ http://bias.csr.unibo.it/fvc2006/ http://www.nist.gov/speech/tests/spk/index.htm

http://www.cnil.fr/ http://www.biometrie-online.net/index.php http://www.biometrics.org/


3/30

3

Avant de commencer

Une vido Film documentaire sur la biomtrie le temps

des biomatres (50 minutes) Prsentation du march de la biomtrie

Description de quelques modalits et systmes Diffrentes applications Limites des systmes actuels

Pistes de recherche


4/30

4

Plan de la prsentation

Introduction

Technologies et applications de lidentificationbiomtrique

Architecture dun systme biomtrique Acquisition des donnes Extraction de caractristiques Comparaison/Dcision

Evaluation des performances Multi-modalit


5/30

5

Introduction

Trois possibilits pour prouver son identit1. Ce que l'on possde (carte, badge, document) ;2. Ce que l'on sait (un nom, un mot de passe) ;

3. Ce que l'on est (empreintes digitales, main, visage, voix,

ADN, signature,) - Il s'agit de la biomtrie.


6/30

6

Introduction

Trois catgories de technologies biomtriques

Analyses biologiques : Odeur, sang, salive, urine, ADN, cheveux...

Analyses comportementales :

La dynamique de la signature (la vitesse dedplacement du stylo, les acclrations, la pressionexerce, l'inclinaison), la faon d'utiliser un clavierd'ordinateur (la pression exerce, la vitesse de frappe),la voix, la manire de marcher

Analyses morphologiques : Empreintes digitales, forme de la main, traits du visage,

dessin du rseau veineux de l'il


7/30

7

Introduction

Trois scnarios de fonctionnement

Authentification tes-vous la personne qui prtend tre ? Matching on-to-one. Ncessite la dfinition dun seuil de dcision

Identification Ensemble ferm : vous tes dans ma base de donnes, quiest tes vous ?

Matching one-to-many Watch List

Ensemble ouvert : tes vous dans ma base de donnes?, sioui qui tes vous? Dtection puis reconnaissance Plus difficile que la vrification et lidentification


8/30

8

TechnologiesQuelle technologie choisir pour son application?

Face

Fingerprint

Iris

Signature Hand geometry

Iris

FingerprintIris

Hand

Voice/Speeker

Vein

Fingerprint


9/30

9

Applications

La biomtrie sur le lieude travail (pointeuse)

Restriction des accs (physique etlogique)

Vos clefs !

Pay-by-touch

Empcher lesexpulss de rentrer

(EAU)

L'afghane aux yeux verts

Traces de criminels

Passeportsbiomtrique


10/30

10

Applications

Carte Identit nationale lectronique scurise (INES) La carte contiendra des donnes biomtriques du porteur dans sa puce

(photo, signature, empreinte digitale, )

Lutte contre le terrorisme, vol, fraude documentaire

Passeport biomtrique Norme de photographie (ISO/ICE19794-5:2005)

Visa biomtrique

Carte vitale, carte de sjour, permis de conduite, etc.


11/30

11

Le march de la biomtrie IBG (International Biometric Group) dite rgulirement un raport

sur le march de la biomtrie. Cette tude est une analyse complte

des chiffres d'affaires, des tendances de croissance, et desdveloppements industriels pour le march de la biomtrie actuel etfutur.

Les empreintes digitales continuent tre la principale technologiebiomtrique en terme de part de march, prs de 50% du chiffredaffaires total (hors applications judiciaires).


12/30

12

Plan de la prsentation

Introduction

Applications de lidentification biomtrique Architecture dun systme biomtrique

Acquisition des donnes Extraction de caractristiques Comparaison/Dcision

Evaluation des modalits Multi-modalit


13/30

13

Architecture dun systme biomtrique

Authentificationou

IdentificationApprentissage

enrlement

prtraitement

Extracteur decaractristiques

prtraitement

Base de donnesdes caractristiques

(Templates)(Templates)

Mise en correspondance

(Matcher)(Matcher)

Oui/non

ouIdentit

(Sample)(Sample) (Sample)(Sample)

Critre de dcision

Coordonnesdes minuties


14/30

14

Architecture dun systme biomtriquephase dextraction de caractristiques

le (Ridge Island)

Fin de ligne (Ridge Ending)

Lac (Ridge enclosure)

Bifurcation (Ridge bifurcation)

Point (Ridge Dot)

Reprsentation duneempreinte digitale : lesminuties. Une minutie est un point qui

se situe sur le changement decontinuit des lignespapillaires.

Les minuties sont lesreprsentations les plusutilises en reconnaissance

La probabilit de trouver deux

empreintes digitales similairesest de 1 sur 10 puissance 24.

Phase de prtraitement pourlextraction des minuties.

Delta

Noyau (core)

(a) Caractristiques locales

(b) Caractristiques globales


15/30

15

Architecture dun systme biomtriquephase de prtraitement

Problmes dacquisition


16/30

16


Minuties non dtects

Mthodes

Contours (gradient) Discontinuit dans lorientation

Informations sur les courbures

Influence de la qualit

faux minuties = 0 faux minuties = 7 faux minuties = 27

Image dorientation


17/30

17

Architecture dun systme biomtriquephase de mise en correspondance

Challenges Images de mauvaises qualits

Mauvaise dtection desminuties

Transformations rigides (R,T) Distorsions lastiques

Modlisation des distorsions Variabilit intra-classe

Mise en correspondance de deux

empreintes digitales

Estimation de(R,T, Distorsions)

Empreintes digitales dune mme personne avec diffrentes variabilits intra-classe


18/30

18


Authentificationou

Identification

Apprentissageenrlement

prtraitement

Extracteur decaractristiques

prtraitement

Base de donnesdes caractristiques

(Templates)(Templates)

Mise en correspondance(Matcher)(Matcher)

Oui/nonou

Identit

(Sample)(Sample) (Sample)(Sample)

Critre de dcision


19/30

19

Architecture dun systme biomtriquephase de prtraitement

Modes dacquisition Visible/Infrarouge

Peu de texture, plus de reflet

Segmentation de liris Contours circulaires

Contours actifs

Lumire visible Lumire infrarouge

Binarisation Dtecteur decontour

Dtecteur deContour circulaire

Normalisation de liris Coordonnes polaires ( ,).


20/30

20


Extraction de liris

Extraction de la texture Application de transformes Transforme en ondelettes

Niveau de rsolution Coefficients pour coder liris

Codage Algorithme de Daugman

2048 coefficients

Transformes enOndelettes 2D

Codes obtenus

Deux codes provenant de personnes diffrentes


21/30

21


phase de mise en correspondance

Distance de Hamming

Diffrence partielle entre les deux squences de bits des codes iris(sans compter les bits affects par du bruit: cils, paupire, etc.) La dfinition mathmatique de cette distance est:

code A et code B correspondent au codage de chaque iris

mask A et mask B identifient la valeur dans chaque iris non affecte par

la prsence de bruits. Loprateur est le OU-exclusif pour dtecter la non-correspondance

entre code A et code B

22


22/30


23/30

23

Pourquoi la biomtrie et difficile ?

Variabilit intra-classe et similarit inter-classes

Prtraitement (segmentation) Bruit dacquisition

Jumaux/ jumellesPre/fils

Empreintes de la mme personne

Empreintes de personnes diffrentes

Le visage dans toutes ses tats!


24/30

24

Evaluation des performances En biomtrie, nous somme en

face de deux populations:

Les vritables clients(Genuine), ceux qui sont dmentautoriss pntrer dans lazone protge

Les imposteurs (Imposters) qui

n'ont aucune autorisation, maisqui vont quand mme essayerde rentrer

Zoneprotge

Zoneprotge

imposteurs

Genuine

Taux derreur FAR (False Accept Rate) : proportion des imposteurs accepts par le systme FRR (False Reject Rate) : proportion des vritables clients rejets

FTR (Failure to Enroll Rate) : proportion des vritables clients qu'on n'arrivepas enregistrer

Failure to Acquire Rate : chec de lacquisition


25/30

25

Evaluation des performances ~3% de la population ont une

mauvaise qualit dempreinte

~7% des iris quon narrivepas enrler

Pupille de grande tailleProblmes de segmentation

Empreintes de mauvaises qualits

Relation entre FAR & FRR FAR=1-VR

FRR=1-RR VR (Verification Rate) RR (True Rejection Rate)

FRR

2


26/30


27/30

27


28/30

,

28

Evaluation des performances Comparaison dalgorithmes indpendamment du seuil de dcision

Courbes DET (Detection Error TradeDET (Detection Error Trade-off) : liaison entre FAR et FRR-off)pour diffrents seuils de dcision

Courbes ROC (Receiver Operating Characteristics)ROC (Receiver Operating Characteristics) : liaison entreVR et FAR

Point EER (Equal Error Rate)EER (Equal Error Rate) : pour lequel FAR=FRR


29/30

29

Etat de lart des taux derreur

0.1%1.1%-1.4%

Eclairagecontrl, bonne

qualitdimages

Iris

ICE [2006]

2-5%5-10%Indpendant du

texte,Multi-lagues

Voix

NIST [2004]

0.1%0.8%-1.6%

Eclairage

contrl, hautersolution

Visage

FRVT [2006]

2.2%2.2%

Populationhtrogne,des ouvriers,

vieux,

Empreinte digitale

FVC [2006]

False Accept RateFalse Reject RateConditions detestsTest


30/30

30

ConclusionConclusion Plusieurs campagnes de collection des donnes

biomtriques et dvaluation :

Des algorithmes de recherche Des systmes commerciales

Un grand effort pour : Rduire la coopration des utilisateurs (iris, empreinte, etc.)

Biometric on the move!

Amliorer les systmes dacquisition

Identifier dautres caractristiques physiologique (loreille 3D,

etc.) Multi-modalit Augmenter la robustesse des systmes dauthentification

biomtrique

Documents

Cours Biometrie