D'une manière générale, la biométrie a pour objectif d'établir ou de vérifier l'identité d'individu, notamment à partir de ces caractéristiques physiques ou comportementales. Cette pratique tend à remplacer les méthodes traditionnelles basées sur la connaissance, à savoir un mot de passe ou un code PIN ou basées sur les possessions telles qu'une pièce d'identité ou un badge. Au quotidien, plusieurs modalités biométriques ont été développées dans une certaine mesure, dont les produits sont disponibles et déjà utilisés dans des nombreuses applications. La reconnaissance biométrique est un domaine de recherche qui ne cesse pas d'évoluer et la recherche des nouvelles modalités de hautes performances est d'actualité. L'objectif de notre thèse consiste à développer et d'évaluer de nouvelles modalités biométriques basées sur des caractéristiques cachées, infalsifiables et ne pouvant pas être modifiées volontairement. C'est dans ce contexte que nous introduisons une nouvelle modalité biométrique utilisant les caractéristiques du cerveau humain et la faisabilité d'une telle modalité a fait l'objet de notre étude. À cet effet, des images volumiques cérébrales, obtenues par IRM (Imagerie par Résonance Magnétique) sont utilisées pour en extraire les informations pertinentes et générer par la suite des codes biométriques du cerveau, appelés " BrainCode ", qui serviront à l'identification ou à l'authentification d'un individu. Ainsi, nous avons élaboré trois techniques de reconnaissance biométrique. La première technique utilise l'information de la texture d'une image numérique du cerveau comme signature individuelle, alors que la deuxième est basée sur l'utilisation des caractéristiques géométriques et morphologiques du cerveau. Enfin, la dernière technique explorée se base sur la fusion des caractéristiques géométriques et les caractéristiques de la texture du cerveau. Ces nouvelles techniques biométriques nécessitent évidemment l'acquisition des images IRM du cerveau en considérant, uniquement des personnes saines et adultes.Les résultats obtenus ont conduit à des performances de reconnaissance intéressantes. Plus précisément, la première technique, basée sur l'analyse de texture et la génération d'un " BrainCode " du cerveau, permet d'obtenir une précision de vérification de l'ordre de 97,53% avec un FAR = 1,5%, FRR = 3,41% et un EER = 2,72%. La deuxième technique, utilisant un modèle géométrique du cerveau, appelé " MGC " (Modèle Géométrique du Cerveau), nous arrivons à une précision maximale de l'ordre de 98,80% avec un FAR = 0,09%, un FRR = 2,31% et un EER = 1,92%. Enfin, la fusion des caractéristiques géométriques et de texture, permet d'atteindre une précision de l'ordre de 99,43% avec un FAR = 0,32% et un FRR = 0,72%. Dans cette étude, nous nous sommes aussi intéressés à l'étude de la robustesse des approches proposées par rapport au bruit
| Identifer | oai:union.ndltd.org:CCSD/oai:tel.archives-ouvertes.fr:tel-00788834 |
| Date | 17 December 2012 |
| Creators | Aloui, Kamel |
| Publisher | Université Paris-Est |
| Source Sets | CCSD theses-EN-ligne, France |
| Language | French |
| Detected Language | French |
| Type | PhD thesis |
Page generated in 0.0016 seconds