Embed Size (px)
Citation preview
Biométrie Techniques de
reconnaissance d’individus
Fabien ELOY – Sylvain VIGIER 19/10/12
Plan
Introduction
I – Reconnaissance de visages
1 – Forme du visage
2 – Reconnaissance de l’iris
II – Biométrie de la main
1 - Empreintes digitales
2 - Forme de la main
3 – Dynamique de frappe
Conclusion
Introduction
Qu’est-ce que la biométrie ?
Bio + métrie = mesure du vivant
Généralement : vérifier une identité Une ou plusieurs modalités : voix, iris, rétine,
empreintes …
Introduction
Pourquoi ?
Inconvénients des systèmes standards ?
Perte, vol, falsification (CB, badges)
Besoins accrus en sécurité
Circulation transfrontalière
Mots de passe
Sécurité des mots de passe
Etude d’une université anglaise sur les mots de passe
91% : sont dits « connus »
21 % : prénom
15 % date de naissance, d’anniversaire
15 % : nom de leur animal
7 % : lien avec une date clé
2 % : "password"
30 % : partage avec le conjoint
Usage, Déroulement
Usage encore limité
Coût, acceptabilité, performances
Enrôlement : capture des données
Identification et vérification
Vérification vs Identification
Vérification/Authentification :
Valider une identité (ex : login + mdp)
2 étapes :
Un ID fourni au système
Un échantillon à comparer avec celui de ID
Identification :
Reconnaitre 1 personne parmi N
1 étape : en entrée un échantillon
Les erreurs
Deux types d’erreurs
Faux Négatifs (FN)
Faux Positifs (FP)
Taux FP = 𝑁𝑏 𝑑𝑒 𝐹𝑃
𝑁𝑏 𝑖𝑚𝑝𝑜𝑠𝑡𝑒𝑢𝑟𝑠 Taux FN =
𝑁𝑏 𝑑𝑒 𝐹𝑁
𝑁𝑏 𝑐𝑙𝑖𝑒𝑛𝑡𝑠
Taux d’erreur = 𝐹𝑃 + 𝐹𝑁
𝑁𝑏 𝑡𝑜𝑡𝑎𝑙 𝑖𝑛𝑑𝑖𝑣𝑖𝑑𝑢𝑠
Les critères
4 critères de comparaison de modalités :
Effort : utilisateur
Intrusif : utilisateur
Coût : technologie
Précision : technologie
Beaucoup de modalités
I.1 – Forme du visage
Technique en plein développement:
Réseaux sociaux
Mobiles: Android 4.0
Gestion d’image: Picasa
Console: Kinect
Pour quelles utilisations?
Essentiellement pour l’identification
Système d’authentification peu fiable
I.1 – Forme du visage
Deux approches pour la reconnaissance du visage:
Approche image:
- Mesure de similarité directe entre visages
- Applicable à tout type d’image
Approche par modèles de visages:
- Analyse des visages pour déterminer des paramètres particuliers (ex: distance entre les yeux)
- Spécifique à la reconnaissance de visages
I.1 – Forme du visage
Approche « Eigenface »:
Algorithme:
- 1) Ensemble d’image de départ
dans un ensemble de dimension
n=largeur*hauteur:
- 2) Calcul « d’Eigenfaces »:
base d’un espace de dimension réduite qui permet de reconstituer approximativement tous les visages de départ:
I.1 – Forme du visage
Approche « Eigenface »:
- 3) Projeter l’image modèle et l’image
identifier dans l’espace de dimension réduite
- 4 ) Si la distance entre les deux projections
est inférieure à un seuil, identification de
l’individu au modèle
I.1 – Forme du visage
Approche « Eigenface »: Résultats (% de réussite):
- 96% avec des variations de lumière
- 85% avec des variations d’orientation
- 64% avec des variations de taille
Reconnaissance faciale 3D:
Principe: projection et analyse du volume à partir de déformation d’un modèle
Avantages: Moins sensible aux changements de lumière et d’orientation
En recherche mais quelques modèles déjà présents sur le marché
I.2 – Reconnaissance de l’iris
Une idée ancienne: 1935: idée proposée par Franck Burch
1994: brevetage des premiers algorithmes de reconnaissance créés par John Daughman
Iris: Réseau de tube très fins
Enchevêtrement varie peu
Non lié à l’ADN
Un système fiable:
Plus de paramètres utilisés que les autres méthodes (sillons de contractions, cryptes, anneaux…)
Permet de distinguer 2 jumeaux
Probabilité que l’on trouve 2 iris identiques 𝟏
𝟐𝟕𝟐
I.2 – Reconnaissance de l’iris
Fonctionnement de la reconnaissance par iris:
Capture de l’image (limite du domaine visible – 700 à
900 nm)
Déterminer le centre de la pupille et la position de l’
iris
Extraction de bandes régulières entre la pupille et le
blanc de l’œil
Génération d’un iris code
Deux iris sont considérés identiques si la distance de
Hamming est inférieur à 0.32
I.2 – Reconnaissance de l’iris
Utilisation:
Pas de systèmes grand public sur le marché
Utilisations ponctuelles dans les grandes
entreprises ou les aéroports
II.1 – Empreintes digitales
Technique la plus connue et maîtrisée
100 ans d’utilisation
1880 : Alphonse Bertillon
1900 : Francis Galton
P(A=B) = 1
64.109
II.1 – Empreintes digitales
Caractérisée par des minuties
Points particuliers
II.1 – Empreintes digitales
Capteurs
Optique : caméra
+ simple
Ne détecte pas : images, faux doigts
À ultrasons : onde ultrasonore
+coûteux
Pas d’interaction avec une surface
II.1 – Empreintes digitales
Avantages : Taille, coût du lecteur
Traitement rapide
Bon compromis FN / FP
Inconvénients :
Opinion du grand public : image policière
Pose correcte du doigt
Faux doigts, doigts coupés, images
II.2 – Forme de la main
Paramètres :
Longueur, épaisseur des doigts
Position relative
Réseau veineux (meilleurs systèmes)
II.2 – Forme de la main
Moins fiable que les empreintes
Plus variable dans le temps (âge, poids)
Avantages :
Acceptation des usagers, facilité
Indépendant de la propreté des doigts
Inconvénients :
Encombrant
Acceptation (FP) : jumeaux, membres famille
II.3 – Dynamique de frappe
« graphologie des temps modernes » : 80’s
Clavier > Stylo
II.3 – Dynamique de frappe
Paramètres
Vitesse et temps de frappe
Suites de lettres
Les pauses
Avantages
Non intrusif, geste naturel
Seulement un logiciel
Inconvénients :
Dépend de l’état physique
Conclusion
Systèmes variés
Le choix du système dépend des
contextes d’utilisation
Tendance aux systèmes multimodaux
pour plus de fiabilité
Sources
http://en.wikipedia.org/
http://www.biometrie-online.net/technologies/iris
http://www.ai.polymtl.ca/cohen/ELE6812/Tutoriels/Elouet/index.htm
http://www.crossmatch.com/i-scan-2.php
http://www.zdnet.fr/actualites/google-integre-en-option-la-reconnaissance-faciale-a-google-39766446.htm
http://www.l1id.com/pages/403-3d-facial-recognition
http://www.mondeo.fr/index.php?option=com_content&task=view&id=98&Itemid=1&ed=16
