Biométrie faciale douce 2Les termes biométrie légère « light biometrics» [AIL 04], signes sémantiques« semantic traits» [SAM 08], « similes » dans [KUM 09] et attribut [VAQ 09] sontdes descripteurs de signes associés à la biométrie douce.1.1. Domaines d’applicationLes biométries douces sont utilisées, soit comme système uni-modal, c’est-à-direen ne classifiant qu’un seul signe caractéristique, soit en combinaison avec d’autressystèmes. On peut donc considérer les applications suivantes :– Fusion biométrie douce- biométrie classique : les systèmes de biométrie doucesont incorporés dans des systèmes biométriques multimodaux avec comme l’objectifd’accroître la qualité globale. Cette approche a été expérimentée dans [JAI 04] oules auteurs montrent notamment que l’utilisation des biométries douces, en plus del’empreinte digitale, permet une amélioration des performances de l’ordre de 5%.– Elagage « pruning »: les systèmes de biométries douces peuvent égalementêtre employés pour pré-filtrer de larges bases de données avec comme objectifd’augmenter l’efficacité. Des travaux scientifiques sur l’usage des biométries doucesà des fins d’élagage sont présentés dans [KUM 08], [KUM 09], [GIV 97], [NEW95]. Dans [KUM 08], [KUM 09], les auteurs utilisent les attributs tels que l’âge, legenre, les cheveux et la couleur de peau, pour la classification faciale, alors que[GIV 97], [NEW 95] montrent que les attributs tels que l’âge, le genre et l‘originepermettent d’améliorer les performances des systèmes de biométrie classique.– (Re)-Identification d’individus : pour l’identification des humains, leslimitations de la biométrie douce (e.g. non-unicité,) sont contournées en combinantplusieurs signes caractéristiques. Le concept de « Bag <strong>of</strong> S<strong>of</strong>t Biometrics (BoSB) »,est directement inspiré de l’idée de « Bag <strong>of</strong> Words» [WOL 06], [JOA 98] et de« Bag <strong>of</strong> Features» [LAZ 06] développée dans le contexte de l’extractionautomatique de texte et de la recherche d’images basée sur le contenu. Dans le cadredu BoSB, les éléments du « Bag » sont les signatures de la biométrie douce extraitesde l’apparence visuelle du sujet.1.2. Travaux connexesDans cette section, nous présentons les travaux les plus pertinents de la biométriedouce. Cet aperçu ne prétend pas être un état de l’art exhaustif mais serait plutôt unemise en évidence sélective de quelques études scientifiques de la littératureexistante.La biométrie douce est un domaine de recherche très récent et les travaux sur lesujet s’étendent sur plusieurs domaines de recherche. Les contributions les plusrécentes peuvent être divisées en trois axes de recherche :
Biométrie faciale douce 3– 1 er axe : il est considéré comme l’un axe, le plus exploré. Il comprend l’étudeet l’identification des signes caractéristiques des individus, notamment en termesd’algorithmes de traitement d’image, de classification et de détection.– 2 ème axe : cet axe est en plein expansion. Il consiste à identifie les scénariosopérationnels pour les différents algorithmes et fournit des résultats expérimentauxpour ces scénarios. L’objectif principal étant de réduire le temps de calcul tout enaugmentant l’efficacité du système.– 3 ème axe : c’est l’axe le moins exploré pour l’instant. Il comprend, notamment,l’étude globale et théorique de l’utilisation des applications relatives à la biométriedouce.Les travaux scientifiques appartenant au premier domaine englobent lesalgorithmes de signes caractéristiques tels que l’iris [STA 10] ou les signes duvisage. Pour une présentation plus large et détaillée de ces algorithmes, le lecteurpeut consulter [DAN 10a].Le deuxième axe peut, à son tour, être divisé en sous-domaines qui sedifférencient les uns des autres par leur manière d’utiliser la biométrie douce. Ondistingue notamment le cas où la biométrie douce est employée comme systèmeautonome, comme mécanisme de pré-filtrage ou comme système parallèle. Lesapplications incluent l’identification continue [NII 10], la vidéo-surveillance (voir[DEN 09], [FOO 10], [MEL 10]), la vérification de personnes [PAR 10] et enfinl’identification de personnes [ZEW 04]. Un exemple récent de systèmed’identification de personnes basé sur la biométrie douce consiste en lareconnaissance faciale dans le tri d’images de catastrophes [CHH 11].Enfin, le troisième axe inclut l’étude du placement de la biométrie douce dansdes applications telles que la criminologie [JAI 11] et la métrologie de l’homme[ADJ 10].Les autres applications possibles concernent la capacité de faire ce qu’on appellele « matching » des individus en se basant, sur leurs préférences de signesbiométriques, l’acquisition de propriétés statistiques d’identificateurs biométriquesde groupes de personnes, la modélisation d’avatar basée sur les caractéristiquesfaciales instantanées (lunettes, barbe, couleur des cheveux), l’échantillonnagestatistique d’audiences ainsi que plusieurs autres domaines.2. La biométrie douce pour l’identification humaineDans cette partie, nous analysons un scénario dans lequel un ensemble debiométries douces est utilisé pour l’identification des personnes. Nous essaierons dedonner un aperçu des facteurs pertinents à la conception et des limitationsLe dispositif d’étude correspond à un scénario général selon lequel un grouped’authentification «Authentification group » de N personnes est aléatoirement pris àpartir d’une population plus large. De ce groupe d’authentification de N personnes,
- Page 1:
FACIAL SOFT BIOMETRICSMETHODS, APPL
- Page 5:
AcknowledgementsThis thesis would n
- Page 8:
6hair, skin and clothes. The propos
- Page 11 and 12:
97 Practical implementation of soft
- Page 13 and 14:
11Notations used in this workE : st
- Page 15 and 16:
13Chapter 1IntroductionTraditional
- Page 17 and 18:
15event of collision, which is of s
- Page 19 and 20:
17ric. In Section 6.6 we employ the
- Page 21 and 22:
19Chapter 2Soft biometrics: charact
- Page 23 and 24:
21is the fusion of soft biometrics
- Page 25 and 26:
23plied on low resolution grey scal
- Page 27 and 28:
25Chapter 3Bag of facial soft biome
- Page 29 and 30:
27In this setting we clearly assign
- Page 31 and 32:
29Table 3.1: SBSs with symmetric tr
- Page 33 and 34:
31corresponding to p(n,ρ). Towards
- Page 35 and 36:
the same category (all subjects in
- Page 37 and 38:
3.5.2 Analysis of interference patt
- Page 39 and 40:
an SBS by increasing ρ, then what
- Page 41 and 42:
39Table 3.4: Example for a heuristi
- Page 43 and 44:
41for a given randomly chosen authe
- Page 45 and 46:
43Chapter 4Search pruning in video
- Page 47 and 48:
45Figure 4.1: System overview.SBS m
- Page 49 and 50:
472.52rate of decay of P(τ)1.510.5
- Page 51 and 52:
49to be the probability that the al
- Page 53 and 54:
51The following lemma describes the
- Page 55 and 56:
534.5.1 Typical behavior: average g
- Page 57 and 58:
55n = 50 subjects, out of which we
- Page 59 and 60:
5710.950.9pruning Gain r(vt)0.850.8
- Page 61 and 62:
59for one person, for trait t, t =
- Page 63 and 64:
61Chapter 5Frontal-to-side person r
- Page 65 and 66:
63Figure 5.1: Frontal / gallery and
- Page 67 and 68:
6510.90.80.7Skin colorHair colorShi
- Page 69 and 70:
6710.90.80.70.6Perr0.50.40.30.20.10
- Page 71 and 72:
69Chapter 6Soft biometrics for quan
- Page 73 and 74:
71raphy considerations include [BSS
- Page 75 and 76:
73Figure 6.3: Example image of the
- Page 77 and 78:
75A direct way to find a relationsh
- Page 79 and 80:
77- Pearson’s correlation coeffic
- Page 81 and 82: 79shown to have a high impact on ou
- Page 83 and 84: 81Chapter 7Practical implementation
- Page 85 and 86: 834) Eye glasses detection: Towards
- Page 87 and 88: 857.2 Eye color as a soft biometric
- Page 89 and 90: 87Table 7.5: GMM eye color results
- Page 91 and 92: 89and office lights, daylight, flas
- Page 93 and 94: 917.5 SummaryThis chapter presented
- Page 95 and 96: 93Chapter 8User acceptance study re
- Page 97 and 98: 95Table 8.1: User experience on acc
- Page 99 and 100: 97scared of their PIN being spying.
- Page 101 and 102: 99Table 8.2: Comparison of existing
- Page 103 and 104: 101ConclusionsThis dissertation exp
- Page 105 and 106: 103Future WorkIt is becoming appare
- Page 107 and 108: 105Appendix AAppendix for Section 3
- Page 109 and 110: 107- We are now left withN −F = 2
- Page 111 and 112: 109Appendix BAppendix to Section 4B
- Page 113 and 114: 111Blue Green Brown BlackBlue 0.75
- Page 115 and 116: 113Appendix CAppendix for Section 6
- Page 117 and 118: 115Appendix DPublicationsThe featur
- Page 119 and 120: 117Bibliography[AAR04] S. Agarwal,
- Page 121 and 122: 119[FCB08] L. Franssen, J. E. Coppe
- Page 123 and 124: 121[Ley96] M. Leyton. The architect
- Page 125 and 126: 123[RN11] D. Reid and M. Nixon. Usi
- Page 127 and 128: 125[ZG09] X. Zhang and Y. Gao. Face
- Page 129: 2Rapporteurs:Prof. Dr. Abdenour HAD
- Page 134 and 135: Biométrie faciale douce 4une perso
- Page 136 and 137: Couleur depeauCouleur descheveuxCou
- Page 138 and 139: Biométrie faciale douce 8Nous nous
- Page 140 and 141: Biométrie faciale douce 103. Proba
- Page 142 and 143: Biométrie faciale douce 12l’entr
- Page 144 and 145: Biométrie faciale douce 14Figure 6
- Page 146 and 147: Biométrie faciale douce 16pages 77
- Page 148 and 149: Reviewers:Prof. Dr. Abdenour HADID,
- Page 150 and 151: 3hair, skin and clothes. The propos
- Page 152 and 153: person in the red shirt”. Further
- Page 154 and 155: 7- Not requiring the individual’s
- Page 156 and 157: 9Probability of Collision10.90.80.7
- Page 158 and 159: 11the color FERET dataset [Fer11] w
- Page 160 and 161: 13Table 2: Table of Facial soft bio
- Page 162 and 163: 15Chapter 1PublicationsThe featured
- Page 164 and 165: 17Bibliography[ACPR10] D. Adjeroh,
- Page 166 and 167: 19[ZESH04] R. Zewail, A. Elsafi, M.