Identification des personnes par l’iris

Présentation au sujet: "Identification des personnes par l’iris"— Transcription de la présentation:

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 In this presentation I will present the differences and the similarities between our method and the classical one based on wavelet analysis. And the results obtained using two databases, a public one and a home made one. We will speak about how we introduced color information without a lot of changing in our system. I will end this presentation by the habitual conclusion and some of our perspectives concerning the area of iris recognition.

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 V personnes, 7 images par personne. (2003) In this work we have studied the limit of iris identification using images taken under normal light illumination instead of most of the previous works in which near infra red illumination is used. One can ask about this choice? In fact working with normal light illumination allows us to use usual camera devices and permits us to fuse systems based on iris recognition with other biometrics methods like face or eye shape. These kinds of biometrics are working usually on normal light illumination.

4 Introduction Les modes d’acquisitions : Les résolutions
En proche infrarouge ( nm). 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 In this work we have studied the limit of iris identification using images taken under normal light illumination instead of most of the previous works in which near infra red illumination is used. One can ask about this choice? In fact working with normal light illumination allows us to use usual camera devices and permits us to fuse systems based on iris recognition with other biometrics methods like face or eye shape. These kinds of biometrics are working usually on normal light illumination.

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… In this work we have studied the limit of iris identification using images taken under normal light illumination instead of most of the previous works in which near infra red illumination is used. One can ask about this choice? In fact working with normal light illumination allows us to use usual camera devices and permits us to fuse systems based on iris recognition with other biometrics methods like face or eye shape. These kinds of biometrics are working usually on normal light illumination.

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.

10 Détecteur de contour circulaire
Maximiser le gradient le long d’un cercle

11 Segmentation de l’iris par TH

12 Segmentation de l’iris : Méthode hybride
Détecteur de contour circulaire Transformée de Hough

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 In this work we have studied the limit of iris identification using images taken under normal light illumination instead of most of the previous works in which near infra red illumination is used. One can ask about this choice? In fact working with normal light illumination allows us to use usual camera devices and permits us to fuse systems based on iris recognition with other biometrics methods like face or eye shape. These kinds of biometrics are working usually on normal light illumination.

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 In this work we have studied the limit of iris identification using images taken under normal light illumination instead of most of the previous works in which near infra red illumination is used. One can ask about this choice? In fact working with normal light illumination allows us to use usual camera devices and permits us to fuse systems based on iris recognition with other biometrics methods like face or eye shape. These kinds of biometrics are working usually on normal light illumination.

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 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 Although our method is inspired from Daugman’s works, it is quite different and not based on wavelet analysis but on wavelet packets analysis. The major difference between the two methods is in wavelet packet analysis the whole rim is taken into account at each level of resolution instead of a wavelet method when a less part of an image is analyzed when we rise in term of resolution level. This method allows us to start with higher mother wavelet window to avoid problems of blurred images without decreasing the iris code size. In our method we apply 832 wavelets to obtain an 1664-bits code.

23 Analyse de texture I (x, y) =maximum (hg(x, y), gh(x, y))
Transformée de Haar I (x, y) =maximum (hg(x, y), gh(x, y)) Texture extraire de l’iris

24 Algorithmes d’identification : Décision

25 Approche : ondelettes/paquets
Codage par ondelette Deux codes provenant de personnes différentes Codage par paquets

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

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. To test the wavelet packets method and the modified classical one, we used two databases, one made at our institute where images are taken under normal light illumination with 700 images from 70 people are recorded. The second database called CASIA is recorded at NLPR in China, the first shared iris database with iris images from 110 persons, 7 images per person. The images are taken with near infra red illumination.

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 EER = 8.1 EER = 2.3 CT

34 Conclusion Identification de l’iris en mode dégradé
lumière visible Paquets d’ondelettes Corrélation de texture