1 Identification des personnes par liris Emine Krichen INT 26 Avril 2005, France Telecom RD, Issy...

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