Date : 2008
Editeur / Publisher : [S.l.] : [s.n.] , 2009
Type : Livre / Book
Type : Thèse / ThesisLangue / Language : français / French
Résumé / Abstract : La biométrie multimodale, qui consiste à combiner plusieurs systèmes biométriques, est de plus en plus étudiée. En effet elle permet de réduire certaines limitations des systèmes biométriques, comme l'impossibilité d'acquérir les données de certaines personnes ou la fraude intentionnelle, tout en améliorant les performances de reconnaissance. Ces avantages apportés par la multimodalité aux systèmes biométriques "monomodaux" sont obtenus en fusionnant plusieurs systèmes biométriques. La première partie de ce travail est basée sur l'étude de méthodes de fusion de scores issus de systèmes biométriques. En un premier temps, des méthodes de fusion, largement utilisées dans le domaine de la biométrie multimodale, sont comparées sur une base de données de grande taille dont la qualité dégradée reflète les applications réelles de mobilité (par exemple la reconnaissance sur un terminal ou un téléphone mobile). Dans un deuxième temps, nous proposons une approche originale : une stratégie séquentielle de fusion. Le principe de cette stratégie séquentielle est de fusionner les systèmes successivement afin de n'utiliser, pour chaque personne, que la quantité d'information suffisante pour prendre la décision. Cette stratégie permet de garder des performances équivalentes aux systèmes fusionnant tous les systèmes mais elle permet surtout de réduire une contrainte importante des systèmes multimodaux : le coût (en termes de temps de traitement) et la difficulté d'utilisation due à l'accumulation des modalités. Dans une deuxième partie, nous présenterons des mesures de dépendance statistique et particulièrement une mesure de dépendance basée sur l'entropie : l'information mutuelle. Nous proposerons de calculer des mesures de dépendance des scores de systèmes biométriques. Ces mesures de dépendance nous permettront alors de justifier l'utilisation de bases virtuelles (bases contenant des individus virtuels, générés par une association aléatoire de modalités de personnes différentes) pour évaluer les performances de systèmes multimodaux. En effet, les bases virtuelles sont couramment utilisées pour étudier des systèmes multimodaux lorsqu'il n'existe pas de base de données réelle correspondant à la configuration étudiée. Cette utilisation est en général justifiée par l'hypothèse d'indépendance des modalités. Nous proposons donc des critères quantitatifs pour vérifier cette hypothèse d'indépendance. Ceux-ci nous permettent de justifier l'utilisation de ces bases virtuelles générées aléatoirement pour les modalités indépendantes. Dans les cas où les modalités sont dépendantes, nous proposerons une approche basée sur des groupes de personnes ("clusters"), qui permettent de générer des bases virtuelles tout en conservant la dépendance existante entre les modalités. Les groupes sont définis afin de regrouper des personnes ayant des degrés de dépendance semblables, et les personnes virtuelles sont générées en associant des personnes d'un même groupe. Nous montrerons alors que même dans les cas où les modalités sont dépendantes, on peut utiliser des bases virtuelles si elles sont générées à l'aide de groupes respectant la dépendance existante.
Résumé / Abstract : Multimodal biometrics, that is the combination of several biometric systems, is a widely studied area. Multimodality is interesting because it overrides most of the limitations of biometric systems taken alone. It provides a solution when enrolment is impossible for one modality and is more robust against intentional forgeries, while enhancing recognition performance. The advantages of multimodality compared to "monomodal" biometric systems are obtained in combining several systems. The first part of this work consists of comparing several well-known score fusion methods, in the mobility context. We have analysed and compared these methods on degraded data corresponding to real-life mobile applications like identity verification on a handheld device or a mobile phone. In a second step, we proposed an original sequential fusion scheme. This strategy exploits serial fusion of systems, in order to take the final decision with the optimal quantity of information. The proposed sequential fusion strategy allows keeping the same level of performance than systems performing parallel fusion. But the major advantage of this strategy is that it counterbalances the major drawback of multimodality coming from the fact that several modalities are used : processing time and usability. In the second part, statistical dependence measures are presented and particularly a measure based on entropy called mutual information. We propose to use those measures in order to justify the use of "virtual" databases. "Virtual" databases are composed of "non-real" users, artificially created by associating a modality from one person and another modality from another person. "Virtual" databases are frequently used in multimodal systems evaluation because "real" multimodal databases are not often available. This practice is justified by the claim of independence assumption between modalities. Our proposed measures of dependence will allow estimating whether modalities are dependent or not, and proving that, in case they are independent, virtual databases (generated randomly) can be used to estimate fusion performance. In case modalities are dependent, we propose a novel approach based on clusters of persons. Virtual databases are then generated by combining persons inside each cluster, and we prove that it allows preserving dependence between modalities and then estimating fusion performance on such databases.