Reconnaissance biométrique par fusion multimodale du visage et de l'iris

Biometric recognition by multimodal fusion of face and iris biometrics

• Auteur / Autrice : Nicolas Morizet
• Direction : Laurence Likforman-Sulem, Amara Amara
• Type : Thèse de doctorat
• Discipline(s) : Signal et images
• Date : Soutenance en 2009
• Etablissement(s) : Paris, ENST

Mots clés

Mots clés contrôlés

Statistique

Reconnaissance des formes (informatique)

Ondelettes

Biométrie

Résumé

Biometrics refers to automatic recognition of individuals based on their physiological and/or behavioral characteristics. Unimodal biometric systems allow person recognition based on a single source of biometric information but cannot guaranty a perfect identification. Such systems are sensitive to noisy sensor data, non-universality and lack of individuality of the chosen biometric trait, and susceptible to spoof attacks. Most of those problems can be alleviated by using multimodal biometric systems that combine several biometric signatures. In this thesis, we address several important issues related to multimodal biometrics. First, after describing a state of the art in multimodal fusion, we establish the link between the brain processing and some basic face recognition algorithms. Then, we underline the use of wavelets in various levels of the multimodal biometric system. Lastly, the exploration of new fusion techniques of biometric signatures deriving from face (friendly and non-invasive) and iris (one of the most accurate biometrics) modalities and large-scale statistical analyses on match-scores deriving from both modalities have led to a novel adaptive fusion method combining wavelets andstatistical moments.

La biométrie se réfère à la reconnaissance automatique des individus basée sur leurscaractéristiques physiologiques et/ou comportementales. Les systèmes biométriques unimodaux permettent de reconnaître une personne en utilisant une seule modalité biométrique, mais ne peuvent pas garantir avec certitude une bonne identification. De plus, ces systèmes sont sensibles au bruit introduit par l’unique capteur, à la non-universalité et au manque d’individualité de la modalité biométrique choisie ainsi qu’aux tentatives d’intrusion. La plupart de ces problèmes peuvent e��tre réduits par la mise en place de systèmes biométriques multimodaux utilisant plusieurs signatures biométriques d’une même personne. Dans cette thèse, nous abordons plusieurs points importants concernant la biométrie multimodale. Tout d’abord, après avoir dressé un état de l’art en fusion multimodale, nous faisons le lien entre le fonctionnement du cerveau et certains algorithmes fondamentaux utilisés en reconnaissance faciale. Ensuite, nous mettons en avant l’utilisation des ondelettes à divers niveaux du système biométrique multimodal. Enfin, l’exploration de nouvelles techniques de fusion de signatures biométriques issues du visage (modalité naturelle et non intrusive) et de l’iris (une des modalités les plus précises) ainsi que des analyses statistiques à grande échelle des scores de similarité provenant de chaque modalité ont permis de mettre au point une méthode originale de fusion adaptative combinant l’utilisation des ondelettes et des moments statistiques.