Dans le but de personnaliser les interactions avec les humains, les robots doivent être capables de reconnaître les personnes avec lesquelles ils interagissent. Que ce soit pour communiquer des informations à une personne spécifique ou seulement pour différencier un homme d’une femme, la reconnaissance de personnes est fondamentale à l’établissement d'une interaction naturelle avec une personne connue ou inconnue. Les différents traits de reconnaissance biométrique, c'est-à-dire l'identification ou l'authentification d'une personne par ses caractéristiques physiques (morphologiques), ont déjà fait leurs preuves dans un environnement contrôlé, comme par exemple par la reconnaissance de visages et de la voix. Avec les avancées technologiques et la venue de caméras RGB-D (e.g., la caméra Microsoft Kinect), il est maintenant possible de détecter la présence de personne à proximité ainsi que les coordonnées des joints de son 'squelette'. Toutes ces capacités ont des limitations qui leur sont propres, et leur complémentarité permet de compenser certaines de ces limitations. Par exemple, la portée limitée de détection pour la reconnaissance de visages et de la voix pourrait par exemple être compensée s'il était possible d'arriver à identifier la présence d'une silhouette humaine. À cette fin, le projet proposé vise à développer un système de reconnaissance biométrique pour un robot mobile afin d'identifier la présence une personne, peu importe son orientation, à partir des mesures métrologiques (e.g., forme corporelle et des mesures anthropomorphiques) du corps. Il serait effectivement possible, à partir de mesures comme la longueur des bras et de la tête, la largeur des épaules et de la tête, etc., de reconnaître un individu. Toutefois, une capacité qui reste à être validée sur un robot mobile est la détection en ligne de silhouettes de personnes à partir d'images 2D. Une des difficultés à résoudre est d'y arriver en un temps de traitement suffisamment court afin de pouvoir dériver cette information lors d'interaction humain-robot. L'approche conçue dans ce mémoire, nommé RHIS pour Real-time Human Identification System, améliore une approche pré-existante qui permet l'extraction de 38 composantes frontales et 22 composantes de côté en 30 sec à partir d'images 2D à une distance de 3 m. Contrairement à cette approche, RHIS permet l'extraction de 45 composantes frontales et 24 composantes de côté en 0.1 sec à des distances variant de 1 m à 6 m. La validation de l'approche se fait en utilisant des fonds de scène uniformes (noir) et réels, à des distances allant de 1 à 6 m. Le système est développé dans l’environnement ROS (Robot Operating System) avec l’utilisation d'une Kinect et d'une caméra haute définition comme source vidéo. Afin de démontrer l'usage de RHIS avec d'autres modalités de reconnaissance biométrique, son intégration avec des modalités de reconnaissance de visages et de la voix est aussi présentée.

Combiner les sources d'information pour créer un système de reconnaissance biométrique multimodal permet d'atténuer les limitations de chaque caractéristique utilisée, et donne l'opportunité d'améliorer significativement les performances. Le travail présenté dans ce manuscrit a été réalisé dans le but de proposer un système de reconnaissance performant, qui réponde à des contraintes d'utilisation grand-public, et qui puisse être implanté sur un système matériel de faible coût. La solution choisie explore les possibilités apportées par la multimodalité, et en particulier par la fusion du visage et de la paume. La chaîne algorithmique propose un traitement basé sur les filtres de Gabor, ainsi qu’une fusion des scores. Une base multimodale réelle de 130 sujets acquise sans contact a été conçue et réalisée pour tester les algorithmes. De très bonnes performances ont été obtenues, et ont été confirmées sur une base virtuelle constituée de deux bases publiques (les bases AR et PolyU). L'étude approfondie de l'architecture des DSP, et les différentes implémentations qui ont été réalisées sur un composant de type TMS320c64x, démontrent qu'il est possible d'implanter le système sur un unique DSP avec des temps de traitement très courts. De plus, un travail de développement conjoint d'algorithmes et d'architectures pour l'implantation FPGA a démontré qu'il était possible de réduire significativement ces temps de traitement. / Including multiple sources of information in personal identity recognition reduces the limitations of each used characteristic and gives the opportunity to greatly improve performance. This thesis presents the design work done in order to build an efficient generalpublic recognition system, which can be implemented on a low-cost hardware platform. The chosen solution explores the possibilities offered by multimodality and in particular by the fusion of face and palmprint. The algorithmic chain consists in a processing based on Gabor filters and score fusion. A real database of 130 subjects has been designed and built for the study. High performance has been obtained and confirmed on a virtual database, which consists of two common public biometric databases (AR and PolyU). Thanks to a comprehensive study on the architecture of the DSP components and some implementations carried out on a DSP belonging to the TMS320c64x family, it has been proved that it is possible to implement the system on a single DSP with short processing times. Moreover, an algorithms and architectures development work for FPGA implementation has demonstrated that these times can be significantly reduced.