Upload
julie-rollet
View
103
Download
0
Tags:
Embed Size (px)
Citation preview
Serrure biométrique
Reconnaissanced’empreintes
digitales
Raphaël FROMONT – Pascal GRIMAUD – Nicolas MUNOZ
Tuteur : M. Patrick ISOARDI
• 1. Introduction
• 2. Prétraitements
• 3. Recherche et traitement de Minuties
• 4. Comparaison d’empreintes digitales
• 5. GMM
• 6. Planning prévisionnel
Introduction
Serrure biométrique : Empreintes digitales
Prétraitements
Prétraitements
• Définition
• Objectif :
De l’image brute
vers l’image squelettisée
Prétraitements
• Calcul de contraste
• Filtre de convolution : LaPlacien • Binarisation de l'empreinte • Erosion et Dilatation • Ouverture, Fermeture et Gradient
morphologique • Squelettisation
Prétraitements
• Calcul de contraste– Définition
– Algorithme :
1) 1er parcours de l’image pour récupérer la moyenne et l’écart-type
2) 2nd parcours pour réaffecter une nouvelle valeur à chaque pixel
Prétraitements
• Calcul de contraste– Résultats :
image brute image contrastée
Prétraitements
• Filtre de convolution : Laplacien– Définition
– Filtres :
Prétraitements
• Filtre de convolution– Résultats :
image contrastée
image filtrée
Prétraitements
• Binarisation– Définition
– Résultat :
image binarisée
Prétraitements
• Erosion– Définition
– Algorithme :Parcours de l’image et réaffectation à chaque
pixel la valeur minimale relevée en fonction des matrices de constantes
Prétraitements
• Erosion– Résultats :
image binarisée
image erodée
Prétraitements
• Dilatation– Définition
– Algorithme :Parcours de l’image et réaffectation à chaque
pixel la valeur maximale relevée en fonction des matrices de constantes
Prétraitements
• Dilatation– Résultats :
image binarisée
image dilatée
Prétraitements
• Ouverture
Erosion suivie d’une dilatation
• Fermeture
Dilatation suivie d’une érosion
• Gradient morphologique
Différence entre l’image dilatée et l’image érodée
Prétraitements
• Squelettisation– Définition
– Algorithme :Parcours de l’image afin d’extraire les points
inessentiels.
Un point p inessentiel a au moins un 0 dans son voisinage en 4-connexité. Il faut en plus que l'ensemble des 1 du voisinage en 8-connexité soit 8-connexe et l'ensemble des 0 du voisinage en 8-connexité soit 4-connexe.
Prétraitements
• Squelettisation– Configurations
Prétraitements
• Squelettisation– Résultats :
image binarisée
image squelettisée
Prétraitements
• Résultats des prétraitements
image binarisée
image squelettisée
Serrure biométrique : Empreintes
digitales
Recherche de Minuties
Recherche de Minuties
• L’image doit être binarisée
• Extraction des minuties– Arrêt de ride
– Bifurcation
Exemple d'arrêt de ride Exemple de bifurcation
Un algorithme parcourt toute l’image pour
détecterles minuties
Image binarisée : Détection de minuties
Recherche de Minuties
Calcul du graphe
Un graphe complet doit être tracé
Traitement de Minuties
Prise de décision
Une fois le graphe tracé, on pourra comparer les distances entre les minuties, importance du nombre de minuties pour la robustesse de la comparaison.
Pour la prise de décision, il faudra introduire une variable de décision adaptée
SEUIL
Traitement de Minuties
Utilisation de GMM
• Pourquoi?• Utilisation de GMM pour la
reconnaissance• Utilisation de GMM pour la classification
Utilisation de GMM
Pourquoi?
• Outils LIA_SPKDet disponible• Adaptation de l'outil• Comparaison algorithmique• Complément?
Utilisation de GMM
Mixtures de Gaussiennes
- Calcul probabiliste (Bayes) - Comparaison d’hypothèses
- Modélisation des distributions
Utilisation de GMM
Reconnaissance d'empreintes via GMM
• Apprentissage des données d'une personne• Modélisation pertinente• Probabilité d'appartenance au modèle• Calcul du seuil de vraisemblance
Rapport de vraisemblance
P0(E) = P(H|E) => ok
P1(E) = P(-H|E) => imposture
Rapport bayésien
Si P0(S)/P1(S)>seuil accepte sinon rejet
Utilisation de GMM
• Classification d'empreintes digitales– Reconnaissance globale de l'empreinte
• 6 Types d'empreintes différentes = 6 classes!
• Apprentissage supervisé
Utilisation de GMM
Avantage: Optimisation de la recherche
dans la base de donnée grâce à l'identification du type de l'empreinte digitale
Généralisation de la reconnaissance d'empreinte
Utilisation de GMM : Perspective
5 étapes pour la reconnaissance d’empreintes digitales :
1. Récupération de l'empreinte2. Traitement de l'empreinte3. Reconnaissance globale de l'empreinte4. Reconnaissance locale de l'empreinte5. Prise de décision
Serrure biométrique :
Empreintes digitales
Planning prévisionnel
Planning prévisionnel22 janvier (3 semaines) :
- codage de l’interface graphique - codage des prétraitements- phase de tests, ajout d’éventuels prétraitements supplémentaires
12 février (3 semaines) :- algorithmes de squelettisation et de recherche de minuties- phase de tests 5 mars (3 semaines) :- codage des algorithmes de comparaisons- phase de tests avec la base de donnée d’empreintes
26 mars (4 semaines) :- Utilisation des GMM pour classifier la base de donnée d’empreintes
24 avril (3 semaines) :- phase importante de tests, et de débuggage- rapport sur les résultats