L'objectif de la thèse est le développement d'un système complet de reconnaissance d'empreintes digitales adapté à un capteur préalablement développé en laboratoire. La première thèse portait sur le développement d'un capteur d'empreintes digitales utilisant une nouvelle méthode de mesure et une nouvelle technologie de microsystèmes.
LA BIOMETRIE ET LES EMPREINTES DIGITALES
- La biométrie
- Qu est ce que la biométrie?
- Les différentes techniques biométriques
- Les empreintes digitales
- Structure d'un système complet de reconnaissance d'empreintes
- Principe général
- L acquisition de l empreinte
- Le traitement de l'image et l'extraction de la signature
- Le stockage et la phase d'appariement
- Les problèmes posés par l utilisation de la biométrie
- Conclusion
- Références
Il s'agit d'une analyse comportementale où différents éléments (mesure de vitesse, ordre d'écriture, pression, accélérations, etc.) sont mesurés lors de la signature. Une signature d'empreinte digitale correspond à des informations utiles nécessaires à l'identification fiable d'une personne ou à son archivage dans une base de données.
LES CAPTEURS D'EMPREINTES
Les capteurs d empreintes digitales
- Introduction
- Les capteurs d'empreintes digitales macroscopiques
- Les capteurs intégrés d'empreintes digitales
- Les différents modes d'acquisition
- Les capteurs intégrés capacitifs
- Les capteurs intégrés pyroélectriques
- Les capteurs intégrés optiques
- Les capteurs intégrés tactiles
- Récapitulatif
La capacité de ce condensateur sera modifiée par la présence de peau en contact avec la surface du capteur. La peau en contact avec la surface du capteur va échanger de la chaleur avec cette dernière par conduction.
Le capteur tactile d empreintes digitales à micropoutres
- Introduction
- Technologie de fabrication
- Mesure mécanique des empreintes digitales
- Circuit électronique de lecture
- Implémentation et packaging
Sur la figure II-18, nous pouvons voir la tension de sortie de l'amplificateur (Vtrans), ainsi que le bit de poids fort (b7) et le bit de poids fort 1 (b1) de la sortie numérique correspondante. La figure II-20 montre une image de la puce câblée et montée en tant que puce intégrée.
Impact des caractéristiques du capteur sur les images résultantes
- Remarques générales
- La fragilité des micropoutres
- La vitesse variable
- Le placement du doigt
La figure II-22 illustre le problème de fragilisation du faisceau sur différents prototypes que nous avons pu tester. La figure II-24 illustre les conséquences de la vitesse de déplacement des doigts sur l'image finale. Ce cas est observable sur la figure II-24-a (séquence de zones à vitesses lentes et élevées).
Conclusion
Ce sont deux cas extrêmes qui peuvent être évités en utilisant par exemple un fil permettant le contrôle du doigt (Figure II-26).
LE TRAITEMENT DE L'IMAGE
Le reéchantillonage de l image
- Intérêt
- La méthode d'interpolation du plus proche voisin
- La réduction de l'image par interpolation bilinéaire
Nous nous sommes donc intéressés à la méthode du plus proche voisin (PPV) et à la méthode d'interpolation bilinéaire car elles sont simples et relativement peu coûteuses en termes de temps de calcul. Les performances du système de reconnaissance complet en fonction du choix de la méthode de réduction seront discutées plus loin dans le chapitre V. La méthode PPV consiste à attribuer à chaque pixel x y, de I1 la valeur du pixel de I0 le plus proche par homothétie de rapport.
Le filtrage de l'image
- Introduction
- Caractéristiques fréquentielles des empreintes
- Méthodes basées sur l'estimation spatiale des caractéristiques locales d'une empreinte digitale
- Traitements préliminaires
Localement, la distance inter-bandes d est liée à la direction des bandes et va donc provoquer dans le spectre image un pic de fréquence r de direction perpendiculaire à celle des bandes. Cependant, la particularité de notre capteur rend ces estimations très difficiles, car les variations de la vitesse de déplacement du doigt influencent significativement la valeur de dmin et dmax. Augmenter la vitesse de balayage des microfaisceaux permet également de limiter les très hautes fréquences du spectre.
2.3.1.1 Estimation spatiale de la carte directionnelle de l'image
Le choix de la taille du bloc est problématique, il doit être suffisamment grand pour contenir au moins une ligne et suffisamment petit pour que la direction des lignes soit assez constante dans le bloc. Ceci se traduit par l'apparition de plusieurs lignes verticales sur l'image et provoque une convergence de la direction calculée dans la direction verticale (90. Il est à noter que ce pré-filtrage ne sert qu'au calcul de la carte de direction, au traitement des les lignes suivantes utilisent l'image originale. La direction de chaque bloc est calculée) par les lignes d'influence.
2.3.1.2 Estimation spatiale de la carte fréquentielle de l'image
Habituellement, la variation de la distance entre les lignes dans l'image est faible, et le filtre passe-bas habituel 3 3 suffit. Dans notre cas, les caractéristiques du capteur font que la fréquence des lignes peut varier localement fortement en fonction de la direction (Figure III-5), il est donc nécessaire d'ajuster le filtre en fonction de la direction des blocs adjacents. Comme on peut le voir, cette méthode est très sensible au bruit (fiabilité de l'estimation de la direction, qualité de l'image, bruit ajouté lors de la rotation du bloc), une meilleure estimation de la direction et de la fréquence du bloc est possible pour analyser les spectres de chaque bloc, mais nous n'avons pas mis en œuvre cette option.
2.3.1.3 La segmentation de l'image
2.3.1.4 Résumé
- Masquage fréquentiel directionnel
2.3.2.1 Principe
La fréquence centrale r0 de la composante radiale correspond à la fréquence moyenne des lignes d'image. Le masque créé par le produit des deux composants est représenté sur la figure III-13. Pour accélérer les calculs, nous utilisons l'algorithme de transformée de Fourier rapide (FFT), optimal lorsque la dimension de l'image est un multiple d'une puissance de 2.
2.3.2.2 Réglage des paramètres du filtre
Au paragraphe III.2.2, nous avons vu que la distance entre les lignes change au sein de l'image dans la plage de valeurs dmin.dmax de 4,16. Au paragraphe III.2.2 on pourrait également remarquer que dmin.dmax vaut 6,12 dans le cas des fréquences horizontales. Cela permet de limiter l'effet des lignes verticales dans l'image dans les zones de direction verticale.
2.3.2.3 Bilan
- Filtrage spatial directionnel
2.3.3.1 Principe du filtrage
2.3.3.2 Utilisation d'un filtre à fréquence centrale variable
Le calcul de la transformée de Fourier du filtre (Eq.15) aboutit à deux Gaussiennes centrées sur les fréquences f0 et f0 (Figure III-18.b). La fréquence centrale f0 T0 1 du filtre est fournie par la carte de fréquence. Les paramètres gaussiens valent : y 0,94 T0 et x 0,56 T0. H la taille du filtre est réduite au minimum tout en conservant la section passe-bande.
2.3.3.3 Utilisation d'un filtre à fréquence centrale fixe
- Bilan
- Approche fréquentielle auto-adaptative
- Principe
- Explication de l'amélioration
- Problème des lignes verticales
- Les cartes directionnelle et fréquentielle de l'image
- Réglage des paramètres
- Bilan
- Méthodes basées sur une estimation fréquentielle des caractéristiques locales de l'empreinte
- Intérêt
- Opération de masquage
- Résumé
- Références
La valeur échantillonnée du faisceau (DATA) correspond au niveau de gris du pixel associé (8 bits). Nous avons vu que le calcul de la valeur d'appariement dépend du nombre N de minuties appariées. Si le pourcentage de la zone utile est trop faible, la qualité de l'image est mauvaise.
LA RECONNAISSANCE D'EMPREINTES
L'extraction des minuties
- La méthode classique
- Principe
- La binarisation de l image
- La squelettisation de l image
- La détection des minuties
- L'élimination des fausses minuties
Comme le montre la figure IV-2, l'image est d'abord préparée lors de l'étape d'extraction au moyen de binarisation et de squelettisation, puis un fichier de signature est extrait de l'empreinte digitale après la détection et l'extraction des détails. Ceci permet d'annuler la valeur moyenne du bloc filtré et de l'image et donc de choisir M 0 . CN P : dans ce cas c'est un pixel isolé et on n'en tient pas compte car même si ce type de détail existe c'est très rare et à ce stade du traitement de l'image c'est probablement dû à un bruit résiduel.
1.1.5.1 Introduction
1.1.5.2 Le traitement des terminaisons détectées
1.1.5.3 Le traitement des bifurcations détectées
Nous sommes dans le cas d'une branche parasite, le point B et les fins atteintes ne sont pas validés. Nous sommes dans le cas d'une île (Figure IV-9-g), le point B et la bifurcation atteinte n'est pas validée. 4 et BA1 alors nous sommes dans le cas d'un pont (Figure IV-8-f) et A1 et B sont considérés comme de fausses minuties.
1.1.5.4 Résultats
- L extraction directe
- Intérêt et principe
- Le suivi des stries
- La détection des minuties
- Résultats
- Le fichier signature
- Résumé
- La phase de reconnaissance
- Principe général
- La distorsion engendrée par l'acquisition
Grâce à l'estimation de la carte de direction (Chapitre III), on connaît la direction locale 0 associée au point P0. Changement brutal de direction : le segment [Ic, In] forme un angle supérieur au seuil avec la direction moyenne de la ligne. Cette technique de suivi a donné de bons résultats sur des images standards avec peu de variation dans l'espacement des lignes (Figure IV-16).
2.2.1.1 Préambule mathématique
Pour déterminer cette non-linéarité, nous cherchons à estimer la distorsion introduite par l'estimation de la distance inter-bande ([17]) calculée au chapitre III.
2.2.1.2 Application au cas réel
- Enregistrement de la signature
- Vérification de la signature
- Conclusion
- Références
Au cours de la phase d'extraction de signature (IV.1.3), nous avons obtenu les coordonnées spatiales x y et l'orientation locale x y de chaque minutie. A chaque fois nous estimons le nombre de détails pouvant être mis en correspondance après application de la transformation T. Nous avons utilisé le logiciel "Fingerprint Creator" de la société Optel ([7]) car il est gratuit et très flexible d'utilisation.
TESTS ET RESULTATS EXPERIMENTAUX
Images artificielles d'empreintes
- Intérêt
- Générateur d'empreinte synthétiques
- Modélisation des spécificités du capteur
- Les bases d'images artificielles utilisées
Les bords de l'image sont masqués (il est très rare que le doigt recouvre entièrement la largeur du capteur). Il en résulterait une vitesse globale nulle (KH 1), une vitesse locale faible (KM 1,1, cette vitesse correspondrait alors à la distorsion provoquée par l'élasticité de la peau) et un faible déplacement vertical du centre de l'image (20 BDS1 correspond à des images qui peut être supposé être obtenu avec un utilisateur formé et coopératif, à savoir un faible changement de vitesse au sein de l'image (KM 1.2) avec un faible déplacement vertical par rapport au centre de l'image (20.
Images réelles d'empreinte
- Introduction
- L'acquisition
- La détection de l'empreinte
- Le pilote d'acquisition
- La plateforme de test
- Création d'une base de données
Le niveau haut de ce signal (LAST 1) correspond à la fin du balayage de toute la rangée de 256 microfaisceaux. A la fin de chaque ligne (LAST 1), le compteur C est incrémenté et la somme de la ligne acquise est comparée au seuil S. Le signal LAST produit par le capteur correspond à la lecture du dernier faisceau de la ligne.
Evaluation des performances du système
- Introduction
- Rappels algorithmiques
- Tests de la phase d'extraction des minuties
- Tests du système complet de reconnaissance
- Protocole utilisé pour le test de l'appariement
- Premiers essais à partir d'images synthétiques
Il est possible d'évaluer les performances de la phase d'extraction en comparant tous les détails extraits par le système avec tous les détails détectés visuellement par un expert à partir de l'image originale. En revanche, en examinant l'histogramme du nombre de minuties (Figure V-12), on peut remarquer que les algorithmes se basent sur une estimation fréquentielle de la carte. Cette courbe est totalement indépendante de la valeur seuil t, résume les performances du système et permet de comparer différents systèmes dans des conditions similaires (base de données identique) ou le même système dans des conditions différentes (base de données différente).
3.4.2.1 Résultats
Il est à noter que le pas de réduction (R1 ou R2) s'applique uniquement aux images dont la hauteur est strictement supérieure à 256 pixels. Pour être strict contre l'absence de réduction (R0), il faudrait avoir des images où la réduction est systématique.
3.4.2.2 Interprétation
- Résultats obtenus à partir d'images produites par le capteur
De plus, avec deux images acquises à partir du même doigt avec un placement sensiblement différent, il existe un risque que la zone de la zone commune soit trop petite pour permettre la reconnaissance. On a pu observer que dans le cas d'un doigt très mouillé, la largeur des rayures sur l'image devenait très importante (Figure V-9-b). Dans le chapitre II, nous avons supposé l'utilisation d'un système de guidage des doigts pour éviter les déformations latérales.
3.4.3.1 Réglage de l'étape de vérification
En associant un facteur de qualité qi à chaque paire de détails appariés, l'efficacité peut être améliorée en remplaçant N par la somme des qi ([16]). On pourrait constater une amélioration des performances en utilisant la différence angulaire i entre deux minuties correspondantes et en choisissant : qi 1 sin i 2. Il est également possible d'associer à qi un facteur représentant la distance entre les 2 minuties ([ 17]), mais nous n'y avons pas pensé.
3.4.3.2 Conditions imposées lors de l'enregistrement
En appliquant ces trois règles, nous n’avons constaté aucun changement significatif dans les performances du système. Cela permet d'éliminer certaines images trop bruitées, mais cela ne concerne que quelques images de notre base de données. D'autres méthodes basées sur la fiabilité de la carte directionnelle sont possibles, mais elles génèrent des coûts de calcul supplémentaires et nous ne les avons pas implémentées.
3.4.3.3 Résultats
- Bilan
- Références
Comme on peut le voir sur la Figure V-18, il est possible d'obtenir de meilleures performances avec des algorithmes de filtrage basés sur une estimation fréquentielle de la carte de direction (F1_Ax). En effet, les tests ne sont pas terminés et une étude plus approfondie de la phase de vérification est nécessaire pour déterminer le meilleur réglage. La réduction de l'image a semblé nécessaire (V.3.4.2.2), et l'évaluation des performances a montré que les différentes approches utilisant l'estimation fréquentielle de la carte de direction sont plus fiables en reconnaissance.
