Contribution à la vérification multi-modale de l'identité en utilisant la fusion de décisions
La vérification automatique de l'identité d'une personne est utilisée dans beaucoup d'applications telles que l'accès à des services automatisés et à des endroits protégés (banques,....). Un facteur important, qui limite le développement de ces services, est la nécessité de dimin...
| Main Author: | |
|---|---|
| Language: | FRE |
| Published: |
Télécom ParisTech
1999
|
| Subjects: | |
| Online Access: | http://tel.archives-ouvertes.fr/tel-00005685 http://tel.archives-ouvertes.fr/docs/00/04/66/30/PDF/tel-00005685.pdf |
| Summary: | La vérification automatique de l'identité d'une personne est utilisée dans beaucoup d'applications telles que l'accès à des services automatisés et à des endroits protégés (banques,....). Un facteur important, qui limite le développement de ces services, est la nécessité de diminuer la probabilité d'intrusion par des imposteurs (ce qu'on appelle le taux de fausses acceptations: FA), tout en minimisant la probabilité d'être rejeté pour les clients (ce qu'on appelle le taux de faux réjets: FR). Une possibilité pour relever ce défi est d'utiliser plusieurs "procédés d'identification" (souvent appelés modalités) différents, et de les combiner ou de les fusionner. L'utilisation d'un "mot de passe" ou d'une carte avec numéro d'identification personnel (PIN) est une modalité de vérification bien connue et très populaire. Malheureusement, on peut oublier ce PIN ou le "perdre" et, en plus, la seule chose que l'on vérifie vraiment est la connaissance du bon numéro. Une autre approche consiste à utiliser des modalités dites biométriques, qui se basent sur la mesure de certaines caractéristiques biologiques de personnes (empreintes digitales, visage, parole,....). L'être humain utilise d'ailleurs la vision et le signal vocal, lorsqu'il est confronté à ce même problème de reconnaissance. L'avantage intrinsèque de ces modalités biométriques est qu'elles sont "liées" à l'individu (on ne peut pas les perdre). Parmi les modalités biométriques les plus utilisées, on trouve tout d'abord le signal vocal (vérification du locuteur). Cette méthode de vérification est déjà bien connue, mais souffre de quelques désavantages majeurs. Un de ces désavantages est la variabilité dans le temps des caractéristiques d'un même locuteur (variabilité intra-locuteur). Pour intégrer cette variabilité fondamentale et pour assurer la robustesse des méthodes traditionnelles de vérification de locuteur, il faut obligatoirement effectuer des séances d'entraînement relativement longues et répetées dans le temps, ce qui ne rend pas cette méthode très conviviale. Si on diminue la durée ou la fréquence des séances d'entraînement, on dégrade ipso facto les performances de ce genre de méthodes. Un autre désavantage est le risque d'un enregistrement du signal de parole à des fins d'imposture. Une des possibilités attractives pour amméliorer les performances des méthodes de vérification d'identité à faible niveau d'entraînement, tout en préservant la convivialité, est de ne pas se baser uniquement sur la parole, mais d'y inclure également d'autres informations (modalités), de préférence indépendantes (afin de maximaliser l'apport d'information). Une des autres modalités possibles est sans aucun doute la vision. L'identification basée sur le visage peut évidemment utiliser des caractéristiques biométriques aussi bien de face (distance entre les yeux et la bouche,etc....) que de profil. La vue de face permet en outre de localiser les lèvres et de suivre leurs mouvements, et donc d'utiliser la synchronisation entre les lèvres et la parole. Pour améliorer les résultats obtenus par une seule modalité, on peut combiner plusieurs d'entre elles, ce qui implique l'application de techniques de fusion de données. Ces techniques sont souvent classées dans trois catégories différentes, basées respectivement sur l'utilisation de modèles physiques, de procédés d'inférence et de méthodes cognitives. Les modèles physiques utilisent la simulation et l'estimation. Les techniques d'inférence comprennent entre autres les méthodes statistiques (Bayes, Dempster-Shafer), les méthodes de clustering, les réseaux de neurones, les méthodes par vote et les méthodes de reconnaissance de formes. Enfin les stratégies cognitives se regroupent surtout autour de la logique floue et des systèmes experts. L'objet de cette thèse est d'explorer différentes techniques de fusion de données en mettant l'accent sur les techniques d'inférence. |
|---|