Algorithmes de reconnaissance biométrique multispectrale par l’empreinte et les veines palmaires.

Algorithms of multispectral biometric recognition by palm prints and palm veins

• Auteur / Autrice : Yassir Aberni
• Direction : Boubaker Daachi, Larbi Boubchir
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 07/06/2021
• Etablissement(s) : Paris 8
• Ecole(s) doctorale(s) : École doctorale Cognition, langage, interaction (Saint-Denis, Seine-Saint-Denis)
• Partenaire(s) de recherche : Equipe de recherche : Laboratoire d’Intelligence Artificielle et Sémantique des Données
• Jury : Président / Présidente : Yacine Amirat
• Jury : Examinateurs / Examinatrices : Ahmed Bouridane, Elhadj Benkhelifa
• Jury : Rapporteurs / Rapporteuses : Christophe Rosenberger, Sylvie Le Hégarat

Mots clés

Mots clés contrôlés

Imagerie multispectrale

Apprentissage

Biométrie

Intelligence artificielle

Mots clés libres

Intelligence artificielle

Biométrie

Apprentissage

Imagerie multispectrale

Ingénierie de caractéristiques

Résumé

La biométrie devient de plus en plus une technologie importante pour améliorer la sécurité et apporter des solutions aux services nécessitant une authentification et/ou une protection des données. De nombreux traits biométriques ont été étudiés et utilisés pour la reconnaissance biométrique et l’empreinte palmaire en est un exemple. Bien que de nombreuses méthodes de reconnaissance par l’empreinte palmaire aient été proposées et appliquées avec succès, la plupart n’utilise généralement que les images prises à la lumière naturelle. Il est difficile d’améliorer encore la précision de la reconnaissance sur la base de ces images palmaires en raison des limitations liées à la lumière naturelle, parmi ces limitations on peut citer la capacité des attaques par usurpation d’identité, la dégradation des empreintes palmaires avec le temps en raison de plusieurs facteurs tels que l’environnement, l’origine ethnique ou l’âge. L’imagerie multi-spectrale a donc été utilisée pour surmonter ces limitations. Dans cette thèse, nous proposons de nouveaux algorithmes de reconnaissance biométrique à base de modalités physiologiques non visibles à l’œil nu, appelées cachées, issues de l’imagerie multi-spectrale, en particulier les veines palmaires. À cet effet, nous avons élaboré de nouvelles méthodes de reconnaissance biométrique par l’empreinte et les veines palmaires basées sur le codage compétitif utilisant un modèle binaire local multi-échelles appliqué à des images extraites avec une technique d’optimisation par colonies de fourmis. De nouvelles approches d’appariement pour la décision à base des métriques de divergence et de distance, ont été proposées pour quantifier la similitude entre les images de caractéristiques. Nous avons aussi proposé une autre nouvelle méthode basée sur un réseau neuronal convolutif en adaptant l’architecture ZFNet. Les expérimentations réalisées et l’étude comparative avec l’état de l’art, montrent l’efficacité de nos différentes méthodes pour les modes identification et vérification.

Biometrics is increasingly becoming an important technology to improve security and bring solutions to services requiring authentication and/or data protection. Several biometric traits have been studied and used for biometric recognition, such as palm prints. Although many recognition methods based on the palm print have been proposed and successfully applied; where most of them generally uses only the images acquired in natural light. It is difficult to further improve the accuracy of recognition based on these palm print images due to limitations related to natural light, including the ability of identity theft attacks, degradation of palm prints over time due to several factors such as environment, ethnicity or age. Multi-spectral imaging has therefore been used to overcome these limitations. In this thesis, we propose novel biometric recognition algorithms based on physiological modalities not visible to the naked eye, called hidden, from multi-spectral imaging such as palm veins. To this end, we have developed novel biometric recognition methods using palm print and palm veins based on competitive coding using a local multiscale binary model applied on images extracted with an an ant colony optimization technique. Novel matching approaches for decision based on divergence and distance metrics have been proposed to quantify the similarity between feature images. We also proposed another novel method based on a convolutional neural network by adapting the ZFNet architecture. The experiments carried out and the comparative study with the state-of-the art, show the effectiveness of our different proposed methods for the identification and verification modes.