Reconnaissance d’empreintes digitales Fao Frédéric-Liméry Lionel-Guiraud Ludovic Serrure biométrique Reconnaissance d’empreintes digitales Tuteur : M. Patrick ISOARDI

PLAN 1. La reconnaissance des empreintes digitales 2. L’existant 3. Futur 4. Planning prévisionnel

I - La reconnaissance des empreintes digitales Principe - Une empreinte digitale est le dessin formé par les lignes de la peau des doigts - Grand nombre d’éléments qui différencient chaque empreinte de manière unique: Les minuties

La reconnaissance des empreintes digitales

La reconnaissance des empreintes digitales Un lecteur optique pour scanner une empreinte digitale L’image capturée représente toutes les lignes de crêtes du doigt en contact direct sur le capteur.

Recherche de Minuties Pré-traitrement de l’image pour la recherche de minuties Extraction des minuties Arrêt de ride Bifurcation Exemple d'arrêt de ride Exemple de bifurcation

Prétraitements Squelettisation Résultats du traitement d’une image: image binarisée image squelettisée

Recherche de Minuties Un algorithme parcourt toute l’image pour détecter les minuties Image binarisée : Détection de minuties

Traitement de Minuties Un graphe complet doit être tracé Calcul du graphe

Traitement de Minuties Prise de décision Une fois le graphe tracé, on pourra comparer les distances entre les minuties, importance du nombre de minuties pour la robustesse de la comparaison. Pour la prise de décision, il faudra introduire une variable de décision adaptée SEUIL

La reconnaissance des empreintes digitales Résumé de l’application:

II - L’Existant Capteur d’empreinte Algorithme de reconnaissance développé par d’anciens étudiants

Prise en Main Capteur d’empreintes USB, Windows… Constat Problème de capture d’image Solution Toolkit Gratuit

Prise en main (2) Algorithme développé Ligne de commande

Prise en main (3) Constitution de la base de données Commande Java Util Constat : Problème mineur Capture  traitement, test de reconnaissance Extraction Minuties Commande : Java Main init bd\

Prise en main (4) (extraction) Constat : Nombreuses minuties Comparaison 2 types de comparaison: - par image - par fichier .minuties

Tests Plusieurs cas: - Même image d’une même empreinte - 2 mêmes empreintes, image différente - 2 empreintes différentes Résultats: - Faux/Positifs

Exemple:

Futur Pistes d’améliorations: - Recherche des minuties: - Comparaison

Utilisation de GMM Pourquoi? Comparaison algorithmique Outils LIA_SPKD et disponible

Utilisation de GMM Reconnaissance d'empreintes via GMM Apprentissage des données d'une personne Modélisation pertinente Probabilité d'appartenance au modèle Calcul du seuil de vraisemblance

Utilisation de GMM Avantage: Généralisation de la reconnaissance Optimisation de la recherche dans la base de donnée grâce à l'identification du type de l'empreinte digitale Généralisation de la reconnaissance d'empreinte

Utilisation de GMM : Perspective 5 étapes pour la reconnaissance d’empreintes digitales : Récupération de l'empreinte Traitement de l'empreinte 3. Reconnaissance globale de l'empreinte 4. Reconnaissance locale de l'empreinte 5. Prise de décision

Planning Prévisionnel 21 janvier (2 semaines) : Etude en vue d’une amélioration éventuelle du codage des prétraitements phase de tests, ajout d’éventuels prétraitements supplémentaires   04 février (3 semaines) :  Etude et amélioration de l’algorithme de recherche de minuties phase de tests 25 février (4 semaines) : codage des algorithmes de comparaisons phase de tests avec la base de données d’empreintes 24 mars (4 semaines) : utilisation des GMM pour classifier la base de données d’empreintes 21 avril (3 semaines) : phase importante de tests, et de débugguage rapport sur les résultats

But final: