Authentification et Identification de Visages basées sur les Ondelettes et les Réseaux de Neurones

Abstract

Notre but est de concevoir un système d’authentification d’identité qui soit facile et peu coûteux dans l'implémentation utilisant une modalité biométrique particulière (le visage humain). Notre application contient deux classes : à savoir d’une part les clients et d’autre part les imposteurs de la base de données XM2VTS . Notre étude est basée sur la DWT associée à l’ACP d’une part et aux réseaux de neurones d’autre part. Les taux d’erreurs ont été calculés dans deux ensembles d’abord dans un ensemble d’évaluation, qui va permettre de fixer plus ou moins le TEE en faisant varier les paramètres d’acceptation et de rejet du système. Ensuite dans un ensemble de test en utilisant les paramètres fixés précédemment. Ainsi, on peut vérifier la robustesse du système d'authentification. Nous avons utilisé deux méthodes de classification associées à l'ACP : i) classification basée sur la mesure de similarité qui nous donne des résultats fonctionnant dans le domaine de haute sécurité. D'après les résultats obtenus L1 et L2 s'avèrent les meilleures distances pour la discrimination entre le client et l'imposteur dans le cas de L1 TEE = 11.5 pour un nombre de paramètres caractéristiques Np= 40 avec un TFA= 9 et un TFR=15.32. En utilisant la distance L2 TEE=12.72 pour un Np= 80, avec un TFA=30 et TFR= 11.56. ii) Nous avons aussi utilisé le réseau de neurones pour la classification et des résultats plus satisfaisants ont été obtenus. Nous arrivons à un TFA = 5 et un TFR= 57 et avec la normalisation un TFA = 12 et un TFR = 23 pour un Np = 60