DSpace
 

Dspace de universite Djillali Liabes de SBA >
Thèse de Doctorat en Sciences >
Informatique >

Veuillez utiliser cette adresse pour citer ce document : http://hdl.handle.net/123456789/1147

Titre: Une stratégie de Fusion Hiérarchique dans les Systèmes d’Authentification Multi-Biométriques
Auteur(s): Elmir, Youssef
Encadreur: Elberrichi, Zakaria
Mots-clés: Fusion hiérarchique
ACP
ALD
Fusion biométrique multimodale
Date de publication: 14-mai-2015
Résumé: الملخص (بالعربية) : ملخص : أنظمة التحقق أو التعرف على الهوية متعددة القياسات الحيوية و التي تدمج المعلومات من مصادر حيوية متعددة، استفادت من مساحة أكبر في مجال الأمن وخصوصا في مجال التعرف والتحقق من هوية الأشخاص، و هذا نظرا لقدرتها على التغلب على القيود المفروضة على القياسات الحيوية الأحادية مثل عدم شمولية الصفات الحيوية، التشويش على مستوى أجهزة الاستشعار الحيوية و التغيرات الحيوية الكبيرة لنفس المستعمل ... الخ في هذه الأطروحة، تم البحث في حالة دمج البيانات الحيوية في جميع هذه الظروف من أجل انجاز نظام التحقق و التعرف على الهوية بقياسات حيوية متعددة استنادا الى دمج القياسات الحيوية للوجه، بصمة الاصبع، الصوت، الامضاء أو وريد الأصبع. وتعتمد غالبية أنظمة التحقق من الهوية متعددة القياسات الحيوية المقترحة في أحدث التقنيات الصناعية على أنظمة الدمج أو التكامل في نمط تسلسلي أو متوازي. و عكس ذلك فقد قمنا في هذه الأطروحة بالاعتماد على استكشاف استراتيجية الدمج الهرمية للاستفادة من مزايا النمطين التسلسلي والمتوازي وتحسين معدل التحقق الشامل لنظام التعرف على الهوية. بالإضافة إلى ذلك، تحسين أداء القياس الحيوي هو تحد صعب. في هذه الأطروحة، تم تقديم نظام التعرف و التحقق من الهوية متعدد القياسات الحيوية استنادا على استراتيجية دمج هرمية. وتعتمد هذه الاستراتيجية على مجموعة من عدة صفات حيوية باستخدام دمج هرمي متعدد المستويات للقياسات الحيوية. يشمل دمج القياسات الحيوية متعدد المستويات دمج قبلي مع اختيار الخصائص المثلى و دمج بعدي على أساس أقصى درجات التشابه. الحل المقترح يعزز أداء التعرف الحيوي استنادا إلى اختيار و تحديد خاصية مناسبة مثل تحليل المكون الرئيسي والتحليل الخطي المميز، تماشيا مع انعدام دعم كل مكونات الخصائص لدرجة تحسين الأداء. ---------------------------------------------- Résumé (Français et/ou Anglais) : Résumé : Les systèmes d'authentification multi-biométriques qui fusionnent les informations de plusieurs sources biométriques, ont gagné plus d'espace dans le domaine de la sécurité et plus précisément dans le domaine de la reconnaissance et de vérification de l'identité des personnes, ce, en raison de leur capacité à surmonter les limites de la biométrie uni-modale comme la non-universalité des traits biométriques, le bruit au niveau des capteurs biométriques et la grande variation intra-utilisateur ... etc. Dans cette thèse, le cas de la fusion de données biométriques est inspecté dans toutes ces circonstances afin de réaliser un système multi-biométrique basé sur la fusion biométrique du visage, l’empreinte digitale, la voix, la signature en ligne ou la veine de doigt. La majorité des systèmes multi-biométriques proposées dans l'état de l'art des systèmes d'authentification sont basés sur la fusion ou l'intégration en mode série ou en mode parallèle, cependant, nous considérons dans cette thèse à explorer la stratégie de fusion hiérarchique pour bénéficier des avantages des deux modes; série et parallèle et améliorer le taux de reconnaissance global du système d'authentification. En outre, l'amélioration de la performance biométrique est une tâche difficile. Dans cette thèse, un système biométrique multimodal basé sur une stratégie de fusion hiérarchique, est présenté. Cette stratégie repose sur une combinaison de plusieurs caractéristiques biométriques en utilisant une hiérarchie de fusion biométrique multi-niveaux. La fusion biométrique multi-niveaux comprend une fusion de pré-classification avec la sélection optimale des caractéristiques et une fusion de post-classification basée sur la similitude de maximum de scores. La solution proposée améliore les performances de reconnaissance biométrique basée sur la sélection et la réduction appropriée des caractéristiques tels que l’analyse principale des composantes et l'analyse discriminante linéaire, autant que pas tous les composants des vecteurs de caractéristiques prennent en charge le degré d'amélioration des performances. ---------------------------------------------- Abstract : Multi-biometric authentication systems that fuse information from multiple biometric sources, have gain more space, in the field of security and more precisely in the field of recognition and verification of person identities, this, due to their ability to overcome the limitations of uni-biometrics as the non-universality of the biometric traits, the noise at biometric sensors level and the large intra-user variation ... etc. In this thesis, the case of the fusion of biometric data is inspected in all these circumstances in order to release a multi-biometric system based on biometric fusion of face, fingerprint, voice, online signature or finger vein. The majority of multi- biometric systems proposed in the state of the art of authentication systems are based on the fusion or integration in serial mode or parallel mode, however, this thesis consider to explore hierarchical fusion strategy to benefit from the advantages of both of serial and parallel modes and to improve the overall recognition rate of the authentication system. In addition, biometric performance enhancement is a chalange. In this thesis, a multimodal biometric system based on hierarchical strategy of fusion, is presented. This strategy combines several biometric traits based on multi-level biometric fusion hierarchy. The multi-level biometric fusion includes a prior-to-matching fusion with optimal feature selection and an after-matching fusion based on the similarity of minimum of distances. The proposed solution enhances the overall recognition performances based on feature selection and reduction using principal component analysis (PCA) or Linear discriminant analysis (LDA).
Description: Doctorat en sciences
URI/URL: http://hdl.handle.net/123456789/1147
Collection(s) :Informatique

Fichier(s) constituant ce document :

Fichier Description TailleFormat
DS_INF_Elmir_Youssef.pdf3,29 MBAdobe PDFVoir/Ouvrir
View Statistics

Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.

 

Ce site utilise la plate-forme Dspace version 3.2-Copyright ©2014.