WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Etude des méthodes de reconnaissances d'empreinte digitale a l'aide du deep learning


par Jean-Edmond DASSE
Université Félix Houphouet-Boigny - Master 2 Recherche option informatique 2019
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

II.2.2. Acquisition

La première phase d'un système de reconnaissance consiste à obtenir une image de l'empreinte du doigt. [36] La capture de l'image d'une empreinte digitale consiste à trouver les lignes tracées par les crêtes (en contact avec le capteur) et les vallées (creux). L'image d'une empreinte est acquise par des procèdes directs (online) ou indirects (offline). Celle acquise par des procèdes indirects, l'est par le biais d'un objet intermédiaire.

Il existe deux méthodes pour avoir une impression d'empreinte indirecte :

1. L'empreinte acquise par encre (inked fingerprint) : après l'avoir enduit d'encre, le doigt

est imprimé sur un bout de papier. Ce papier passe ensuite au scanner standard pour être numérisé. Cette ancienne technique a perduré pendant environ un siècle et a été couramment utilisée dans les phases d'enrôlement. L'image ainsi prise présente de larges crêtes mais souffre d'une grande déformation due à la nature du processus d'acquisition. Il est clair que cette méthode n'est pas adaptée aux procèdes automatiques temps réel.

2. ii. Les empreintes latentes : elles sont formées suite a une légère trace laissée sur un objet due à la sécrétion constante de la sueur. Les services de sécurité décèlent ce genre de détails sur les lieux du crime à l'aide d'une poudre spéciale. Le terme procède directe (live-scan) est un terme collectif englobant les images d'empreintes directement obtenues sans l'étape intermédiaire de l'impression sur du papier. En l'occurrence un dispositif spécial est utilisé, les capteurs. [15]

II.2.3. Segmentation

La segmentation d'image est une opération de traitement d'images qui a pour but de rassembler des pixels entre eux suivant des critères prédéfinis. Les pixels sont ainsi regroupés en régions, qui constituent un pavage ou une partition de l'image. Il peut s'agir par exemple de séparer les objets du fond, Les images d'empreintes digitales qui sont capturées à partir du scanner, se composent de deux régions principales, la région d'intérêt et le fond. La région d'intérêt (ROI) est la zone de la surface du scanner qui a été en contact avec une surface de doigt et qui comprend l'ensemble d'informations nécessaires à la reconnaissance des empreintes digitales, tandis que la zone restante est une région bruitée qui ne contient aucune information importante appelée fond. La séparation de la région d'intérêt de l'image de fond est nommée la segmentation des empreintes digitales.

Afin d'améliorer la performance du système d'identification, il est nécessaire, d'extraire les

minuties à partir de la région d'intérêt.

 

Mémoire de Master option Bases de Données et Génie Logiciel

 

II.2.4. Normalisation

La segmentation de l'empreinte digitale du reste de l'image produit, selon les images, des empreintes de tailles différentes. L'empreinte segmentée peut être une empreinte complète ou une fraction d'empreinte complète, de petite taille ou de grande taille. Ainsi une comparaison entre deux empreintes de tailles différentes ne sera possible qu'à partir d'une représentation consistante entre toutes les images.

II.2.5. Encodage (extraction des caractéristiques)

Dans cette étape, l'empreinte est bien segmentée et normalisé. L'encodage consiste à extraire de l'empreinte les caractéristiques les plus discriminantes et les plus pertinentes, nécessaires et utiles pour son identification. Des filtres de type passe-bande, des ondelettes, et d'autres outils peuvent ainsi être utilisés. Le résultat obtenu peut être gardé dans des valeurs réelles ou peut être quantifié en valeurs discrètes. Le processus de l'encodage de l'empreinte résulte finalement en un profil d'empreinte représentant la signature de l'empreinte. Ce profile est unique pour chaque empreinte, insensible aux variations de dimensions ou aux rotations crées lors de l'acquisition de l'empreinte et sera utilisé ensuite pour la classification de l'empreinte [17] [18].

II.2.6. Classification

Pour comparer les représentations générées par le processus d'encodage, une métrique qui mesure la similarité des profils d'empreintes codés est utilisée. Idéalement si la mesure de similarité entre deux profils d'empreintes comparés est supérieure à un certain seuil, cela signifie que les deux profils comparés appartiennent à des iris différents. Le cas contraire survient quand les deux profils comparés appartiennent aux mêmes empreintes [16] [17].

Figure 1.19 : Architecture générale d'un système complet de reconnaissance d'empreintes.

 

Mémoire de Master option Bases de Données et Génie Logiciel

 

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Les esprits médiocres condamnent d'ordinaire tout ce qui passe leur portée"   François de la Rochefoucauld