La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

SYS828 – Systèmes biométriques Hiver 2014. 2 S OMMAIRE 1. Organisation du cours: 1) Présentation personnelle 2) Plan détaillé du cours 2. Introduction.

Présentations similaires


Présentation au sujet: "SYS828 – Systèmes biométriques Hiver 2014. 2 S OMMAIRE 1. Organisation du cours: 1) Présentation personnelle 2) Plan détaillé du cours 2. Introduction."— Transcription de la présentation:

1 SYS828 – Systèmes biométriques Hiver 2014

2 2 S OMMAIRE 1. Organisation du cours: 1) Présentation personnelle 2) Plan détaillé du cours 2. Introduction à la biométrie 1) Reconnaissance conventionnelle 2) Reconnaissance biométrique 3) Défis actuels 3. Survol: reconnaissance de formes SYS828: Systèmes biométriques Éric Granger

3 3 1.1) Présentation personnelle 2008-présent: Directeur de programme MGPA 2006-présent: Professeur agrégé (permanent) : Professeur adjoint Département de GPA, ÉTS : Ingénieur en circuits ITGE R&D, Mitel Networks :Chercheur pour la défense DRDC – Ottawa, DND 2001:Ph.D. en génie électrique École Polytechnique de Montréal SYS828: Systèmes biométriques Éric Granger

4 4 1.1) Présentation personnelle Intérêts en recherche et expertise: reconnaissance de formes systèmes adaptatifs pour la reconnaissance –apprentissage incrémental et enligne –classifieurs neuroniques et statistiques –systèmes à classifieurs multiples –détection de changement et dambigüité –calcul évolutionnaire intégration de systèmes microélectroniques SYS828: Systèmes biométriques Éric Granger

5 5 1.1) Présentation personnelle Programme de recherche: Conception de systèmes robustes et adaptatifs avec des applications en: –sécurité et surveillance –authentification biométrique –bio-marquage de documents numérisés LIVIA SYS828: Systèmes biométriques Éric Granger

6 6 1.1) Présentation personnelle Domaines dapplication: ̶ surveillance militaire: identification de signaux radars-communications ̶ biométrie: reconnaissance de visages en vidéo surveillance et vérification de signatures ̶ sécurité: détection dintrusions dans les réseaux informatiques ̶ bio-marquage intelligent de documents numérisés SYS828: Systèmes biométriques Éric Granger

7 7 1.1) Présentation personnelle Vidéosurveillance – reconnaissance automatique de visages dans des séquences vidéo ̶ reconnaitre et poursuivre des individus dintérêt perçus dun réseaux de caméras IP Type 1 Type 2 Type 3 SYS828: Systèmes biométriques Éric Granger

8 1.1) Présentation personnelle CMU – FIA data (mono-modal, 1 face) Type 1: acquisition semi-contrainte – une personne dans une file dinspection à laéroport 8 SYS828: Systèmes biométriques Éric Granger

9 1.1) Présentation personnelle Chokepoint data (mono-modal, 1 to 24 faces) Type 2: acquisition semi-contrainte – une personne qui passe dans un portail 9 SYS828: Systèmes biométriques Éric Granger

10 10 1.1) Présentation personnelle Système pour la reconnaissance spatio- temporelle de visages dans des vidéos SYS828: Systèmes biométriques Éric Granger

11 11 1.1) Présentation personnelle Contrôle daccès – system adaptatif basé sur loptimisation évolutionnaire (Connolly et al., PR 2011) SYS828: Systèmes biométriques Éric Granger

12 12 1.1) Présentation personnelle Vidéo surveillance – system adaptatif avec un ensemble par personne (Pagano et al., IJCNN 2012) SYS828: Systèmes biométriques Éric Granger

13 13 1.1) Présentation personnelle System modulaire qui sadapte selon les types de changements (Pagano et al., INS 2014) SYS828: Systèmes biométriques Éric Granger

14 14 1.1) Présentation personnelle System qui sauto-adapte lors dopérations à de nouvelles trajectoires (De le Torre et al., IF 2014) SYS828: Systèmes biométriques Éric Granger

15 15 1.1) Présentation personnelle Fusion dynamique des classifieurs selon le contexte: débalancement des données (Radtke et al., IF 20013) Skew-Sensitive Boolean Combination (SSBC) SYS828: Systèmes biométriques Éric Granger

16 16 1.1) Présentation personnelle Boolean Combination: fusion des décisions dans lespace ROC SYS828: Systèmes biométriques Éric Granger

17 17 1.1) Présentation personnelle Reconnaissance de visages en vidéo surveillance SYS828: Systèmes biométriques Éric Granger

18 18 1.1) Présentation personnelle Réalisation de classifieurs sur un processeur parallèle Réalisation de classifieurs sur un processeur parallèle (Prieur et al., MVA 2012) SYS828: Systèmes biométriques Éric Granger

19 19 1.1) Présentation personnelle Sécurité dans les réseaux informatiques – détection dintrusions SYS828: Systèmes biométriques Éric Granger

20 20 1.1) Présentation personnelle Sécurité dans les réseaux informatiques système hybride pour la détection –danomalies: modélise le comportement normal –de menaces: modélise de attaques prédéfinis SYS828: Systèmes biométriques Éric Granger

21 21 1.1) Présentation personnelle Sécurité dans les réseaux informatiques ensembles de HMM pour la détection danomalies/menaces SYS828: Systèmes biométriques Éric Granger

22 22 1.1) Présentation personnelle Systèmes militaires de surveillance électronique (SE) pour signaux radars-comms SYS828: Systèmes biométriques Éric Granger

23 23 1.1) Présentation personnelle Systèmes militaires de SE pour signaux radars système généralisé SYS828: Systèmes biométriques Éric Granger

24 24 1.1) Présentation personnelle Systèmes militaires de SE pour signaux radars système qui peut exploiter un classificateur neuronique contexte: existence dun ensemble de données radars collecté dans lenvironnement SYS828: Systèmes biométriques Éric Granger

25 25 1.1) Présentation personnelle Systèmes militaires de SE pour signaux radars réseau de neurones à fusion what-and-where SYS828: Systèmes biométriques Éric Granger

26 26 S OMMAIRE 1. Organisation du cours: 1) Présentation personnelle 2) Plan détaillé du cours 2. Introduction à la biométrie 1) Reconnaissance conventionnelle 2) Reconnaissance biométrique 3) Défis actuels 3. Survol: reconnaissance de formes SYS828: Systèmes biométriques Éric Granger

27 27 Encadrement: Éric Granger (enseignant et responsable) ̶ local: A-3642 ̶ téléphone: (514) ̶ courriel: ̶ disponibilité: lundi au jeudi inclusivement ou par rendez-vous Miguel de la Torre Gómora (auxiliaire de laboratoire) ̶ local: A-3600 ̶ téléphone: (514) , poste 7687 ̶ courriel: ̶ disponibilité: par rendez-vous Site Internet du cours: ̶ https://cours.etsmtl.ca/sys828/ https://cours.etsmtl.ca/sys828/ 1.2) Plan détaillé du cours SYS828: Systèmes biométriques Éric Granger

28 28 1.2) Plan détaillé du cours Objectifs spécifiques dapprentissage: 1.Notions fondamentales – reconnaissance dindividus selon leurs traits biométriques 2.Analyse et conception de systèmes robustes pour la reconnaissance biométrique: ̶ algorithmes dapprentissage automatiques pour la réalisation des classificateurs neuroniques et statistiques ̶ architectures spécialisées (modulaire et hiérarchiques) ̶ systèmes biométriques adaptatifs ̶ fusion multimodale et reconnaissance contextuelle SYS828: Systèmes biométriques Éric Granger

29 29 1.2) Plan détaillé du cours Contenu du cours: SYS828: Systèmes biométriques Éric Granger

30 30 1.2) Plan détaillé du cours Stratégies pédagogiques: cours magistraux: 3 heures/semaine, 12 semaines séances pratiques: évaluation de classificateurs pour la reconnaissance de visages projet de session: étude comparative de différentes techniques/systèmes pour une application en biométrie: 1.synthèse de la littérature – étudier des systèmes biométriques de pointe (qui exploitent les algorithmes dapprentissage automatique) 2.étude expérimentale – évaluer et comparer les performances de ces systèmes empiriquement, à partir de données biométriques SYS828: Systèmes biométriques Éric Granger

31 31 1.2) Plan détaillé du cours Évaluation: 2 quiz + projet de session exigences: surtout la rédaction de 2 rapports techniques et 2 présentations orales ACTIVITÉPONDÉRATIONÉCHÉANCE Quiz (parties A et B)10%A) 27 janvier B) 10 mars Proposition de projet5%20 janvier Rapport 1: courte présentation orale5%3 mars Rapport 1: synthèse de littérature25%3 mars Rapport 2: présentation orale15%7 ou 14 avril Rapport 2: étude expérimentale40%21 avril SYS828: Systèmes biométriques Éric Granger

32 32 1.2) Plan détaillé du cours Documentation obligatoire: R. M. Bolle, J. H. Connell, S. Pankanti, N. K. Ratha and A.W. Senior, Guide to Biometrics, Springer, New York, Fortement Recommandé: T. Dunstone et N. Yager, Biometric Systems and Data Analysis: Design, Evaluation, and Data Mining, Springer, New York, SYS828: Systèmes biométriques Éric Granger

33 33 Sommaire 1. Organisation du cours: 1) 1) Présentation personnelle 2) Plan détaillé du cours 2. Introduction à la biométrie 1) Reconnaissance conventionnelle 2) Reconnaissance biométrique 3) Défis actuels 3. Survol: reconnaissance de formes SYS828: Systèmes biométriques Éric Granger

34 34 2.1) Reconnaissance conventionnelle Reconnaissance fiable dindividus: lassociation dune identité avec un individu a toujours été important dans la société humaine il sagit dun élément intégral de linfrastructure requise pour les: ̶ finances, ̶ soins et santé, ̶ sécurité et contrôle daccès, ̶ gouvernements, ̶ système légal, ̶ communications, etc. SYS828: Systèmes biométriques Éric Granger

35 35 2.1) Reconnaissance conventionnelle Situation actuelle: avec la croissance, mobilité et inter connectivité de la population, on doit… 1.exploiter une représentation substitut de lindividu, soit: ̶ des documents: passports, cartes didentité, cartes daccès, etc... ̶ des secrets: mots de passe, codes daccès, etc... 2.reconnaitre un individu rapidement, par des moyens automatiques, et souvent à distance SYS828: Systèmes biométriques Éric Granger

36 36 2.1) Reconnaissance conventionnelle Problématique Les représentations substitues (documents et secrets) ne sont plus fiables pour la reconnaissance automatique dindividus, car: 1.vol didentité: des informations confidentiels peuvent êtres volées et partagées pour reproduire une identité, et: ̶ commettre un crime ̶ retirer dun compte bancaire, ̶ emprunter de largent, etc. Commissariat à la protection de la vie privée du Canada SYS828: Systèmes biométriques Éric Granger

37 37 2.1) Reconnaissance conventionnelle Problématique 2.menaces accrues à la sécurité: dans notre société globale et interconnectée, il existe des individus qui sont de plus en plus dangereux et spécialisés ̶ nous ne pouvons plus leur faire confiance à partir de documents pouvant êtres compromis et reproduits 3.rétention de plusieurs secrets: une proportion importante dindividus vont: ̶ transcrire leurs codes et mots de passes ̶ sélectionner des codes et mots de passe communs SYS828: Systèmes biométriques Éric Granger

38 38 S OMMAIRE 1. Organisation du cours: 1) Présentation personnelle 2) Plan détaillé du cours 2. Introduction à la biométrie 1) Reconnaissance conventionnelle 2) Reconnaissance biométrique 3) Défis actuels 3. Survol: reconnaissance de formes SYS828: Systèmes biométriques Éric Granger

39 39 2.2) Reconnaissance biométrique Déf.: reconnaissance automatique dindividus selon leurs traits distinctifs, soit: physiologiques: visage, empreinte digitale, etc. comportementales: signature, voix, etc. La biométrie est un outil potentiellement puissant: car cest une représentation intrinsèque – on reconnait un individu à partir de son corps, et on associe celui-ci à une identité (établi indépendamment) SYS828: Systèmes biométriques Éric Granger

40 40 2.2) Reconnaissance biométrique Pourquoi la biométrie? SYS828: Systèmes biométriques Éric Granger

41 41 2.2) Reconnaissance biométrique AvantagesInconvénients améliore la sécurité: difficile à transférer, oublier, perdre ou reproduire les traits biométriques la robustesse et la fiabilité peut être très élevé décourage les actes de fraude représentation intrinsèque: peut faciliter la tâche dauthentification pour lindividu inquiétudes pour la confidentialité des informations biométriques le système peut faire lobjet dune attaque ne peut être remis à zéro si linformation est compromis ambigüité des décisions: produit un score de comparaison (et non une décision binaire) Pourquoi la biométrie? SYS828: Systèmes biométriques Éric Granger

42 42 2.2) Reconnaissance biométrique Aperçu historique Habitual Criminal Act (1869): le parlement Britannique demande didentifier les criminels familiers SYS828: Systèmes biométriques Éric Granger

43 43 2.2) Reconnaissance biométrique Aperçu historique Alphonse Bertillon (1882): propose un système de mesure pour lidentification de criminels consiste à mesurer le diamètre du crane, la taille, la longueur dun pied, dun bras, dun index, etc. SYS828: Systèmes biométriques Éric Granger

44 44 2.2) Reconnaissance biométrique Aperçu historique empreintes digitales Sir William Hershel (1856), Dr. Henry Faulds (1870), Francis Galton (1880s) et Edward Henry (1887): réalisent indépendamment des systèmes pour la classification dempreintes digitales adoption par Scotland Yard en 1901 FBI (1924): ouvre une division pour lidentification selon lempreinte FBI (1965): installe un AFIS avec une base de 810k individus (1 par individu) FBI (2000): installe un IAFIS avec une base de 47M individus (10 par individu) 50,000 recherches criminelles par jour en moyenne temps de réponse denviron 2hrs par recherche attache maintenant une plus grande importance à lidentification fiable, sans intervention humain, et souvent à distance SYS828: Systèmes biométriques Éric Granger

45 45 2.2) Reconnaissance biométrique Aperçu historique automatisation 1960s: techniques en traitement numérique du signal et en électronique mènent aux premiers systèmes automatiques 1960s: premiers systèmes automatiques pour la voix et lempreinte sont développés 1970s: premiers systèmes pour la géométrie de la main Goldstein et al. (1971): premier article sur la reconnaissance automatique de visages 1980s: premiers systèmes pour la rétine, la signature, et le visage 1990s: premiers systèmes pour liris SYS828: Systèmes biométriques Éric Granger

46 46 2.2) Reconnaissance biométrique Traits biométriques SYS828: Systèmes biométriques Éric Granger

47 47 2.2) Reconnaissance biométrique Traits biométriques les technologies biométriques sont basées sur deux types de traits: physiologiques le système reconnait une caractéristique anatomique comportementales le système reconnait un patron de comportement iris et rétine des yeux géométrie et paume de main visage empreinte digitale DNA signature voix dynamique de taponnage au clavier mouvement des lèves SYS828: Systèmes biométriques Éric Granger

48 48 2.2) Reconnaissance biométrique Traits biométriques Critères de sélection pour un trait biométrique: –Universality: les individus ont-ils tous ce trait? –Uniqueness: variation entre traits de différent individus? –Permanence: persistance du trait dans le temps? –Collectability: est-ce possible de prendre un bon échantillon quantitatif? –Performance: peut-on atteindre une discrimination élevée dans un temps de traitement raisonnable –Acceptability: le processus déchantillonnage est-il acceptable pour les individus? –Circumvention: peut-on facilement reproduire ou tricher? SYS828: Systèmes biométriques Éric Granger

49 49 2.2) Reconnaissance biométrique Traits biométriques Choix des traits et des technologies en fonction des besoins spécifiques dun application SYS828: Systèmes biométriques Éric Granger

50 50 2.2) Reconnaissance biométrique Traits biométriques Un autre perspective: coût vs précision SYS828: Systèmes biométriques Éric Granger

51 51 2.2) Reconnaissance biométrique Traits biométriques Proportion des technologies sur le marché: SYS828: Systèmes biométriques Éric Granger

52 52 2.2) Reconnaissance biométrique Traits biométriques Croissance du marché revenus annuels selon les différentes technologies biométriques SYS828: Systèmes biométriques Éric Granger

53 2.2) Reconnaissance biométrique Fonctionnalités biométriques 1.Vérification: vérifier lauthenticité dun individu abonné au système à partir dun échantillon biométrique Le système accepte ou rejette lauthenticité en comparant un échantillon avec le modèle de lindividu identifié 53 SYS828: Systèmes biométriques Éric Granger

54 2.2) Reconnaissance biométrique Fonctionnalités biométriques 2. Identification: déterminer si un échantillon biométrique est associé avec un des individus abonnés au système Le système identifie à partir en comparant un échantillon et tous les modèles dindividus abonnés 54 SYS828: Systèmes biométriques Éric Granger

55 2.2) Reconnaissance biométrique Fonctionnalités biométriques 55 SYS828: Systèmes biométriques Éric Granger

56 2.2) Reconnaissance biométrique Fonctionnalités biométriques 3. Surveillance: déterminer de façon discrète si un échantillon biométrique correspond à un individu qui figure parmi des individus recherchés Le système identifie discrètement en comparant un échantillon avec une liste restreinte de modèles 56 SYS828: Systèmes biométriques Éric Granger

57 57 2.2) Reconnaissance biométrique Applications SYS828: Systèmes biométriques Éric Granger

58 58 2.2) Reconnaissance biométrique Applications Domaines dapplications: SYS828: Systèmes biométriques Éric Granger

59 59 2.2) Reconnaissance biométrique Applications Domaines dapplications: SYS828: Systèmes biométriques Éric Granger

60 60 2.2) Reconnaissance biométrique Applications Programme US-VISIT: Visitor and Immigrant Status Indicator Technology) SYS828: Systèmes biométriques Éric Granger

61 61 2.2) Reconnaissance biométrique Applications Programme US-VISIT: vérification biométrique proposée pour le contrôle aux frontière américaines plus de 500M dindividus traversent (dans chaque direction) par année la plupart des visiteurs avec VISA devront donner 10 empreintes digitales et une photo numérique la procédure devra ajouter seulement qques secondes au temps de traitement par inspecteurs SYS828: Systèmes biométriques Éric Granger

62 62 2.2) Reconnaissance biométrique Applications G20 Seoul Summit 2010: vérification de visages à lentée SYS828: Systèmes biométriques Éric Granger

63 63 2.2) Reconnaissance biométrique Applications Système NEXUS (Canada): identification de liris SYS828: Systèmes biométriques Éric Granger

64 64 2.2) Reconnaissance biométrique Applications LivegripLivegrip: système de contrôle daccès SYS828: Systèmes biométriques Éric Granger

65 65 2.2) Reconnaissance biométrique Applications Composant mobiles: sécuriser laccès et les transactions SYS828: Systèmes biométriques Éric Granger

66 66 S OMMAIRE 1. Organisation du cours: 1) Présentation personnelle 2) Plan détaillé du cours 2. Introduction à la biométrie 1) Reconnaissance conventionnelle 2) Reconnaissance biométrique 3) Défis actuels 3. Survol: reconnaissance de formes SYS828: Systèmes biométriques Éric Granger

67 67 2.3) Défis actuels Facteurs qui influencent la complexité de conception dun système de reconnaissance biométrique SYS828: Systèmes biométriques Éric Granger

68 68 2.3) Défis actuels Facteur 1: Précision Taux derreurs pour différentes technologies de vérification (classificateurs à 1 ou 2-classes): Trait biométrique Test à grande pour technologies de pointe (avec bases standards) FRRFAR empreinte digitale FVC types de senseurs; population hétérogène; rotations et distorsions de peau 2.2% visageFRVT contrôle de luminosité; haute résolution 1.6%0.1% fixé irisICE contrôle de luminosité; haute résolution 1.4%0.1% fixé voixNIST indépendant du texte; multilingue 5-10%2-5% SYS828: Systèmes biométriques Éric Granger

69 69 2.3) Défis actuels Précision Besoins en performance pour un classificateur à 2-classes intrinsèque typique: Fonctionnalité biométrique FRRFAR (fixé) 1) vérification0.1% 2) identification10.0%0.0001% 3) surveillance1.0%0.001% SYS828: Systèmes biométriques Éric Granger

70 70 2.3) Défis actuels Précision Principaux facteurs qui augmentent le FRR et le FAR: variabilité intra-classe et la similarité inter-classe variation des conditions dans le temps, vieillissement, etc. (versus les modèles biométriques) segmentation et prétraitement des échantillons échantillons bruités et distorsions Défi: concevoir des modèles biométriques robustes à partir de peu déchantillons de référence, et qui sont mesurés sous des conditions variables SYS828: Systèmes biométriques Éric Granger

71 71 2.3) Défis actuels Précision Variabilité intra-classe et la similarité inter-classe: SYS828: Systèmes biométriques Éric Granger

72 72 2.3) Défis actuels Précision Variations dans le temps: SYS828: Systèmes biométriques Éric Granger

73 73 2.3) Défis actuels Précision Bruit dans les images: SYS828: Systèmes biométriques Éric Granger

74 74 2.3) Défis actuels Précision Segmentation et prétraitement: SYS828: Systèmes biométriques Éric Granger

75 75 2.3) Défis actuels Précision Interopérabilité des senseurs: les senseurs utilisés pour labonnement, et la reconnaissance peuvent différer SYS828: Systèmes biométriques Éric Granger

76 76 2.3) Défis actuels Précision Interopérabilité des senseurs: les senseurs utilisés pour labonnement, et la reconnaissance peuvent différer SYS828: Systèmes biométriques Éric Granger

77 77 2.3) Défis actuels Précision Solution: fusion multimodale? SYS828: Systèmes biométriques Éric Granger

78 78 2.3) Défis actuels Précision Solution: adaptation des modèles biométriques? ̶ nouvelles références selon différentes conditions ̶ références synthétiques SYS828: Systèmes biométriques Éric Granger

79 79 2.3) Défis actuels Facteur 2: Échelle du problème Impact du nombre dindividus abonnés au système sur la précision et le débit du système SYS828: Systèmes biométriques Éric Granger

80 80 2.3) Défis actuels Échelle du problème Vitesse de traitement pour différentes technologies de pointe: Fonctionnalité biométrique empreinte digitale visageiris 1) vérification (temps de traitement) 10 msec90 µsec< 1 µsec 2) Identification (débit) 1 / min 10 AFIS imprints 0.66 / min> 60 / min 3) Surveillance (débit) 1 / sec 2 imprints 22 / sec> 2000 / sec SYS828: Systèmes biométriques Éric Granger

81 81 2.3) Défis actuels Échelle du problème Défi: études des techniques et architectures spécialisées permettant un débit élevé tout en contrôlant le FAR pour grandes bases (donc de comparaisons) limitant le nombre daccès à la mémoire limitant la consommation mémoire SYS828: Systèmes biométriques Éric Granger

82 82 2.3) Défis actuels Échelle du problème Solutions: algorithmes dindexation efficaces qui sont spécifiques aux traits biométriques? pré-classification grossière classification complète sur une sous ensemble tous les modèles biométriques SYS828: Systèmes biométriques Éric Granger

83 83 2.3) Défis actuels Facteur 3: Sécurité Lintégrité dun système biométrique peut être attaqué de plusieurs différentes façons: SYS828: Systèmes biométriques Éric Granger

84 84 2.3) Défis actuels Sécurité Défi: réaliser un système qui est à labri des traits dun imposteur Solutions: ̶ détecter que les mesures viennent dindividus vivants? ̶ fusionner des données de plusieurs caractéristiques biométriques indépendantes? SYS828: Systèmes biométriques Éric Granger

85 85 2.3) Défis actuels Sécurité Solution: protection des modèles dans une système ou une base biométrique encryption et bio-marquage des modèles dans la base stocker seulement une version transformée des modèles SYS828: Systèmes biométriques Éric Granger

86 86 2.3) Défis actuels Facteur 4 - Confidentialité La biométrie peut aider dans la protection des informations personnelles et sensibles, mais… Inquiétudes communes par rapport aux données biométriques: ̶ Est-ce que les données vont servir pour lanalyse secrète des habitudes dindividus? ̶ Est-ce quon va utiliser ces données pour dautres intentions? SYS828: Systèmes biométriques Éric Granger

87 87 2.3) Défis actuels Confidentialité Défi: réaliser un système dont la fonctionnalité est vérifiable à chaque lieu de déploiement Solution? crypto-systèmes: générer des clés dencryption basées sur un échantillon biométrique systèmes qui surveille les décisions dauthentification, ainsi que les personnes qui accèdent à ces décisions Règlementation gouvernementale SYS828: Systèmes biométriques Éric Granger

88 88 2.3) Défis actuels Perspectives de recherche La reconnaissance biométrique: devient un outil très puissant contre la fraude devient indispensable pour sécuriser tous les systèmes de gestion des identités plusieurs applications émergent dans divers secteurs (e.g., marché des composants mobiles) plusieurs technologies (e.g., senseurs) sont disponibles à prix modiques mais, il existe plusieurs défis importants avant un déploiement à plus grande échelle… SYS828: Systèmes biométriques Éric Granger

89 89 2.3) Défis actuels Perspectives de recherche reconnaissance adaptée au contexte classificateurs neuroniques et statistiques performants systèmes biométriques adaptatifs fusion de différentes modalités biométriques lindexation dans les bases de données représentation et protection de modèles biométriques dindividus études empiriques avec des bases standardisées pour comparer les performances de systèmes SYS828: Systèmes biométriques Éric Granger

90 90 S OMMAIRE 1. Organisation du cours 1) Présentation personnelle 2) Plan détaillé du cours 2. Introduction à la biométrie 1) Reconnaissance conventionnelle 2) Reconnaissance biométrique 3) Défis actuels 3. Survol: reconnaissance de formes SYS828: Systèmes biométriques Éric Granger

91 91 3. Reconnaissance de formes Systèmes de reconnaissance de formes Reconnaissance de formes: discipline dans laquelle on tente dassigner des objets à différentes classes selon leurs caractéristiques SYS828: Systèmes biométriques Éric Granger

92 92 3. Reconnaissance de formes Systèmes de reconnaissance de formes SYS828: Systèmes biométriques Éric Granger

93 93 3. Reconnaissance de formes Systèmes de reconnaissance de formes 1.Acquisition: exploite des senseurs ou transducteurs (camera, microphone, etc.) pour convertir un échantillon du phénomène réel en signal brute 2.Prétraitement et segmentation: traite le signal brute pour en faire ressortir linformation essentielle (signal segmenté) 3.Extraction de caractéristiques: représente le signal segmenté par un ensemble de caractéristiques qui est distinctif et invariant aux translations, aux rotations et à léchelle 4.Classification: assigne une classe à chaque vecteur de caractéristiques 5.Post traitement: exploit des informations contextuelles pour améliorer les performances SYS828: Systèmes biométriques Éric Granger

94 94 3. Reconnaissance de formes Étapes de conception dun système SYS828: Systèmes biométriques Éric Granger

95 95 3. Reconnaissance de formes Exemple classique SYS828: Systèmes biométriques Éric Granger

96 96 3. Reconnaissance de formes Exemple classique Classifier par espèce – soit perche ou saumon – des poissons qui passent sur un convoyeur caractéristiques suivantes ont été suggérées par un expert du domaine car elles sont invariantes et distinctives: longueur clarté largeur nombre et géométrie des nageoires position de la bouche SYS828: Systèmes biométriques Éric Granger

97 97 3. Reconnaissance de formes Exemple classique Étapes du traitement: 1.acquisition: collection des images avec une caméra 2.prétraitement des signaux: segmentation et filtrage pour isoler les poissons lun de lautre, et de larrière plan 3.extraction de caractéristiques: mesure les caractéristiques de chaque poisson daprès les segments 4.classification: assigne une des deux classes à chaque vecteur caractéristique de poisson SYS828: Systèmes biométriques Éric Granger

98 98 3. Reconnaissance de formes Exemple classique Essai 1 – Classification 1D avec la longueur du poisson comme caractéristique: SYS828: Systèmes biométriques Éric Granger

99 99 3. Reconnaissance de formes Exemple classique Essai 2 – Classification 1D avec la clarté du poisson comme caractéristique: SYS828: Systèmes biométriques Éric Granger

100 Reconnaissance de formes Exemple classique Essai 3 – Classification 2D avec clarté + largeur: on trouve la borne de décision 2D qui min lerreur selon les échantillons dentrainement sur-apprentissage... SYS828: Systèmes biométriques Éric Granger

101 Reconnaissance de formes Exemple classique Essai 4 – Classification avec clarté + largeur: on trouve la borne de décision 2D qui min lerreur selon des échantillons de validation bonne généralisation SYS828: Systèmes biométriques Éric Granger


Télécharger ppt "SYS828 – Systèmes biométriques Hiver 2014. 2 S OMMAIRE 1. Organisation du cours: 1) Présentation personnelle 2) Plan détaillé du cours 2. Introduction."

Présentations similaires


Annonces Google