1 / 44

Reconnaissance automatique des empreintes digitales

Reconnaissance automatique des empreintes digitales. Statistiques . FAR=false accept rate; FRR=false rejection rate; FER=failure enroll rate; 200 pers et 1800 gabarits. Définitions .

tamah
Download Presentation

Reconnaissance automatique des empreintes digitales

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Reconnaissance automatique des empreintes digitales

  2. Statistiques FAR=false accept rate; FRR=false rejection rate; FER=failure enroll rate; 200 pers et 1800 gabarits

  3. Définitions Une empreinte digitale est le dessin formé par les lignes de la peau des doigts, des paumes des mains, des orteils ou de la plante des pieds. Ce dessin se forme durant la période fœtale. Il existe deux types d’empreintes : l'empreinte directe (qui laisse une marque visible) et l'empreinte latente (saleté, sueur ou autre résidu déposé sur un objet). Elles sont uniques et immuables, elles ne se modifient donc pas au cours du temps (sauf par accident comme une brûlure par exemple).

  4. Définitions (suite) La probabilité de trouver deux empreintes digitales similaires est de 1 sur 10 puissance 24. Les jumeaux, par exemple, venant de la même cellule, auront des empreintes très proches mais pas semblables. On classe les empreintes selon un système vieux d’une décennie : le système Henry. Dans ce système, le classement repose sur la topographie générale de l’empreinte digitale et permet de définir des familles telles que les boucles, les arches et les tourbillons.

  5. Définitions (suite) Elles sont composées, de terminaisons en crêtes, soit le point où la crête s’arrête, et de bifurcations, soit le point où la crête se divise en deux. Le noyau est le point intérieur, situé en général au milieu de l’empreinte. Il sert souvent de point de repère pour situer les autres minuties. D’autres termes sont également rencontrés : le lac, l’île, le delta, la vallée, la fin de ligne… Ces caractéristiques peuvent être numérisées. Une empreinte complète contient en moyenne une centaine de points caractéristiques mais les contrôles ne sont effectués qu'à partir de 12 points. Statistiquement, il est impossible de trouver 2 individus présentant 12 points caractéristiques identiques, même dans une population de plusieurs millions de personnes.

  6. Qu’est-ce qui est traité ?(3 niveaux d’information)

  7. Type 1: Information globale sur les directions générales des arêtes spirale

  8. Cœurs/ noyaux et deltas

  9. Type 2: évenement sur une arête

  10. Type 3: particularités d’arêtes Pores Forme d’arête

  11. Prétraitements Amélioration de la qualité: uniformisation du contraste, problèmes d’encre, doigts gras ou secs, etc.

  12. Manipulations des niveaux de gris • Égalisation d’histogramme • Accentuation d’une tranche de NDG • Renforcement du contraste (filtre médian, autres filtres) • Morphologie mathématique en niveaux de gris

  13. Classification automatique (reconnaissance de formes)

  14. Extraction des « minuties »

  15. Binarisation et squelettisation

  16. Détection des minuties

  17. Principales caractéristiques détectées sur l’empreinte

  18. Étapes de la comparaison

  19. Extraction de caractéristiques par filtres de Gabor

  20. Binarisation (bis) Objectif: restaurer les patterns formés de lignes pour les dégradations par marquage (scar)

  21. Positionnement fin des minuties

  22. Utilisation des caractéristiques Extraits à partir de l’image brute en niveau de gris + Flot des arêtes : classification de la structure (pattern) et de la topologie + Cœurs et deltas: classification de la structure + Minuties: pour comparer 2 empreintes (de 12 à 40)

  23. Classification de Henry

  24. Probabilité de collision de 2 empreintes N=nb minuties/ M & R paramètres de régions

  25. Compression des données

  26. Exemple de matching Empreinte 1 Empreinte 2

  27. Alignement

  28. Rotation/ translation

  29. Algorithmes de comparaison • Certains algorithmes comptent le nombre de lignes entre deux points, généralement des minuties, au lieu des distances calculées à partir des positions

  30. Empreinte latente • Accord entre une image d'empreinte provenant d'un enregistrement sur fiche (fiche de police où les 10 doigts encrées sont imprimés) et une empreinte latente, utilisant les minuties.

  31. Matching jeune / adulte

  32. Attaques et protections • Les 2 étapes: voler l’empreinte / réaliser un faux (fake) • Voler efficacement : plus difficile qu’il le paraît , affaire de spécialistes • Plusieurs techniques de protection possibles

  33. Faux

  34. Faux (suite)

  35. Détection des faux • Analyse sophistiquée de l’image • Mesure d’impédance électrique • Réponse à un stimulus • On ne fournit jamais la « cause » de rejet (faux ou mauvaise personne)

  36. Capteurs

  37. Les capteurs é́lectriques-thermique Actuellement, le seul capteur thermique est le FingerChip fabriqué par Atmel). La méthode unique du FingerChip pour reconnaître l’empreinte, consiste à faire glisser le doigt le long du capteur. Les images successives ainsi capturées sont analysées par un logiciel spécial qui reconstruit l'image de l’empreinte digitale. Cette méthode permet auFingerChip de renvoyer une haute qualité, 500 dpi et 256 niveaux de gris. Le capteur mesure le différentiel de température entre les creux de la peau et l'air capturé dans les bosses de l’empreinte digitale. Cette méthode donne une image d’excellente qualité même sur des empreintes de qualité médiocre telles que celles provenant de doigt secs avec peu de profondeur entre les creux et les bosses.

  38. Le capteur capacitif emploie des condensateurs de courant électrique pour mesurer l'empreinte digitale. Un capteur capacitif se compose d'une rangée de cellules minuscules. Chaque cellule inclut deux plaques conductrices recouvertes par un revêtement protecteur. L'avantage principal des capteurs capacitifs est qu'ils demandent une réelle empreinte digitale. Mais ils rencontrent des difficultés avec les doigts secs et humides. Des doigts humides rendent l’images noire, tandis que des doigts secs la rendent pâle.

  39. Capteurs de champ-électrique La technologie de champ-électrique crée un champ entre le doigt et le semi-conducteur adjacent qui imite la forme des creux et des bosses de la couche épidermique du doigt. On parvient ainsi à une image plus claire que ce que peuvent donner les technologies optiques ou capacitives. Cela permet à la technologie de champ- électrique d’obtenir des images d’empreinte digitale que d’autres technologies ne parviendraient pas à avoir. Dans la technologie de champ-électrique, les rangées d'antenne mesurent la surface de la peau en générant et en détectant les formes linéaires géométriques.

  40. Marchés Sur le plan industriel, ces systèmes sont fournis par des sociétés qui commercialisent, installent et développent ces AFIS. Il existe trois acteurs historiques NEC (Japon), Printrak racheté récemment par Motorola (Usa), Sagem (France) et un acteur plus récent Cogent (Usa). Sagem, tant par son chiffre d’affaires que par ses références, notamment celles du FBI et d’Interpol, est le leader mondial de ce segment de marché. C’est un segment de marché mature, essentiellement de renouvellement, d’environ 150 à 200 [D1] millions de dollars par an.

  41. Marchés (2) Les systèmes de traitement automatique d’empreintes digitales institutionnels : C’est le segment de marché de la gestion de la délivrance et de l’usage de droits institutionnels tels que les cartes d’identité, les pensions, la sécurité sociale, les passeports, etc… Cette demande du marché est relativement récente et date des années 1992/1993. Ces systèmes portent sur des populations plus importantes que celles des systèmes de lutte contre la criminalité, et se caractérisent par des demandes d’identification élevées, quelques dizaines de milliers, sur des bases de données de plusieurs dizaines de millions de personnes.. L’identification de traces disparaît au profit plus systématique de l’authentification.

  42. Marchés (3) Sur le plan industriel, les réponses aux appels d’offres des Etats se font au moyen de Consortiums conduits par des intégrateurs (TRW, Unisys, Siemens, IBM…), auprès desquels on trouve les traditionnels fabricants d’AFIS (Motorola, Nec, Sagem et Cogent) et des fabricants de titres (Polaroid, Gemplus, Oberthur, Gesiecke et Devrient..). C’est un segment de marché en développement, d’environ 50 à 100 [D2] millions de dollars par an, avec des cycles de décisions longs (plus de trois ans). On peut estimer que sur les dix dernières années, l’ensemble des contrats signés a concerné près de 275 millions de personnes[i].

  43. Aspects juridiques / éthiques • CNIL freine l’usage (principe de proportionnalité, existence de traces) • Problème du double usage (criminel et civil)  mal accepté • Retenu par l’Europe parmi les 3 modalités (iris, visage, empreintes)

  44. Conclusion • Technologie totalement mature • En authentification privée , mise en œuvre facile et peu coûteuse • En reconnaissance ou authentification publique (DAB, accès): encore mal acceptée • Reste une solution « avec contact » et « coopérative »

More Related