La biométrie se réfère à la reconnaissance automatique des individus. Elle est basée sur leurs caractéristiques physiologiques et/ou comportementales. Le contrôle postural, bien que soit une caractéristique comportementale de l'Homme, n'a pas été bien développée dans le domaine de la biométrie. Le travail mené dans cette thèse repose sur l'analyse des signaux stabilométriques et l'application à la biométrie. Dans un premier volet, une étude de l'information posturale, en particulier le signal stabilométrique, est effectuée à travers des méthodes d'analyses classiques à savoir et l'analyse spatio-temporelle, spectrale et stochastique et à travers aussi deux méthodes de décomposition : la décomposition appelée analyse en composantes principales (ACP) et la décomposition en ondelettes. La méthode ACP, basée sur le modèle additif, permet de décomposer le signal en trois composantes: un signal de tendance, un signal d'excursion et un signal de tremblements. La méthode de décomposition en ondelettes permet de décomposer le signal en trois niveaux de signaux de détail et trois niveaux de signaux d'approximation. Suite à l'étude de la stabilité posturale, l'analyse spectrale et l'analyse de la phase des différentes composantes issues de la ACP et de la décomposition en ondelettes, la comparaison de ces deux méthodes conclut que la méthode ACP est plus appropriée que la décomposition en ondelettes pour analyser le stabilogramme. A partir des méthodes de décomposition et des méthodes d'analyses classiques, des paramètres sont extraits afin d'étudier l'effet de différents facteurs sur la stabilité posturale et sur le déplacement du centre de masse. Ces facteurs sont la vision, la direction, la proprioception, l'âge, le genre, la taille et le poids. Un deuxième volet de ce travail est consacré à l'application biométrique, à partir des paramètres extraits et suite à une analyse statistique ANOVA, ceux qui sont les plus discriminatifs sont utilisés pour identifier des sujets et les classer selon leur âge, genre, poids et taille. Cette application biométrique est effectuée par trois méthodes de classification à savoir, K-ppv, ADL et SVM. Les applications biométriques aboutissent à des taux de reconnaissance respectables dépassant 80%. De ce fait, il est à déduire que l'analyse du contrôle postural est prometteuse dans le domaine de la biométrie / Biometrics refers to automatic recognition of individuals. It is based on their physiological and / or behavioral. The postural control, despite that is a human behavioral characteristic, has not been well developed in the field of biometrics. The work performed in this thesis is based on the stabilometric signals analysis ant biometric application. Firstly, a study of the postural information especially the stabilometric signal is carried out through traditional analysis namely temporal, frequency and stochastic analysis and two decomposition methods named principle components analysis (ACP) decomposition and wavelet decomposition. The ACP method, based on the additive model, allows decomposing the signal into three components: a trend signal, a rambling signal and a trembling signal. The wavelet decomposition method allows decomposing the signal into three levels of detail signals and three signal levels of approximation. Through the study of postural stability, spectral analysis and phase analysis of the different components from the ACP and the wavelet decomposition, the comparison of these two methods concludes that the ACP method is more appropriate than the wavelet decomposition to analyze the stabilogram. From the decomposition methods and classical methods of analysis, several parameters are extracted to study the effect of different factors on postural stability and the center of mass displacement. These factors are named vision, direction, proprioception, age, gender, height and weight. A second aspect of this work is devoted to the application of biometrics, from the extracted parameters and through ANOVA statistic analysis, those that are most discriminative are used to identify subjects and classify them according to age, gender, weight and size. This biometric application is performed by three classification methods namely, K-NN, LDA and SVM. Biometric applications result in respectable recognition rate exceeding 80%. Therefore, it is inferred that the analysis of postural control is promising in the field of biometrics
Identifer | oai:union.ndltd.org:theses.fr/2013PEST1161 |
Date | 21 February 2013 |
Creators | Maatar, Dhouha |
Contributors | Paris Est, École nationale d'ingénieurs de Tunis (Tunisie), Naït-Ali, Amine |
Source Sets | Dépôt national des thèses électroniques françaises |
Language | French |
Detected Language | French |
Type | Electronic Thesis or Dissertation, Text |
Page generated in 0.0016 seconds