sys828: systèmes biométriquesÉric granger a1-1 contenu du cours
Post on 04-Apr-2015
117 Views
Preview:
TRANSCRIPT
SYS828: Systèmes biométriques Éric Granger A1-1
CONTENU DU COURS
ARECONNAISSANCE
BIOMÉTRIQUE
BALGORITHMES POUR
L’APPRENTISSAGE AUTOMATIQUE
CCONCEPTION DE
SYSTÈMES ROBUSTES
Ø A.1 Un système généralisé
Ø A.2 État de l’art – reconnaissance avec visages et signatures
Ø B.1 Introduction aux algorithmes d’apprentissage
Ø B.2 Apprentissage non-supervisé pour la catégorisation de vecteurs
Ø B.3 Apprentissage supervisé pour la classification de vecteurs
Ø B.4 Apprentissage supervisé pour la classification de séquences
Ø C.1 Systèmes de classification modulaires et hiérarchiques
Ø C.2 Techniques pour la fusion multimodale
Ø C.3 Systèmes adaptatifs
Ø C.4 Reconnaissance contextuelle
A1-2
CONTENU DU COURS
A. Reconnaissance biométrique:
A.1 Un système généralisé:− architectures de systèmes et étapes de traitement− fusion multimodale− évaluation qualitative et comparaison des
performances
A.2 État de l’art en reconnaissance biométrique:
− survol de systèmes de pointe pour la reconnaissance à partir de la signature et du visage
− performance des technologies modernes
SYS828: Systèmes biométriques Éric Granger
A1-3
Sommaire – Section A.1
A.1 Un système généraliséA.1 Un système généralisé::
1)1) Structure de systèmesStructure de systèmes2)2) Fusion multimodaleFusion multimodale3)3) Évaluation des performancesÉvaluation des performances
SYS828: Systèmes biométriques Éric Granger
A1-4
A.1(1) Structure de systèmesA.1(1) Structure de systèmes
SYS828: Systèmes biométriques Éric Granger
A1-5
Sous-système de collection de données
Objectifs: 1. lorsqu’un individu se présente, capter les traits biométriques
distinctifs et invariants dans le temps2. produire un échantillon (données brutes) pour l’analyse
Considération importante – processus de collection standard pour minimiser les variances et maximiser le caractère distinctif face au: − comportement et coopération de l’individu− environnement opérationnel− spécifications techniques du senseur
A.1(1) Structure de systèmesA.1(1) Structure de systèmes
SYS828: Systèmes biométriques Éric Granger
A1-6
Sous-système de transmission
Objectif: acheminer les données brutes (si le traitement ou le stockage se font à des endroits différents de la collection)
Considération importante – la compression des donnée brutes pour la transmission et stockage:
/ le processus de compression-expansion occasionne des pertes de qualité dans le signal restauré
/ techniques qui minimisent l’impact sur les performances/ protocoles de transmission et de compression standards
(e.g., JPEG – visages et CELP – voix) pour uniformiser
A.1(1) Structure de systèmesA.1(1) Structure de systèmes
SYS828: Systèmes biométriques Éric Granger
A1-7
Sous-système de traitement du signal
Objectif: comparer l’échantillon avec le modèles biométriques d’un ou plus individus abonnés au système
Comporte 4 tâches:1. segmentation: détecter et extraire un patron biométrique
brute d’intérêt dans le signal original
A.1(1) Structure de systèmesA.1(1) Structure de systèmes
SYS828: Systèmes biométriques Éric Granger
A1-8
Sous-système de traitement du signal
Tâches: (suite)2. extraction de caractéristiques: extraire et sélectionner des
caractéristiques invariants et distinctifs du patron biométrique brute segmenté: → réduit la dimensionnalité du patron brute
→ produit un vecteur caractéristique représentatif
A.1(1) Structure de systèmesA.1(1) Structure de systèmes
SYS828: Systèmes biométriques Éric Granger
A1-9
Sous-système de traitement du signal
Tâches: (suite)2. extraction de caractéristiques: extraire et sélectionner des
A.1(1) Structure de systèmesA.1(1) Structure de systèmes
SYS828: Systèmes biométriques Éric Granger
A1-10
Sous-système de traitement du signal
Tâches: (suite)3. contrôle de qualité: vérifier au niveau du vecteur
caractéristique si le signal capté (issu de la collection) est d’une qualité acceptable
A.1(1) Structure de systèmesA.1(1) Structure de systèmes
SYS828: Systèmes biométriques Éric Granger
A1-11
Sous-système de traitement du signal
Tâches: (suite)
4. classification: 1. comparer le vecteur caractéristique avec un ou plus
modèles d’individus stockés dans la base biométrique2. produire 1+ scores – mesure quantitative d’une
comparaison – pour le sous-système de décision
A.1(1) Structure de systèmesA.1(1) Structure de systèmes
SYS828: Systèmes biométriques Éric Granger
A1-12
Sous-système de traitement du signal
Considérations importantes – ce traitement est complexe pour plusieurs raisons: − variabilité intra-classe
− similarité interclasse
A.1(1) Structure de systèmesA.1(1) Structure de systèmes
SYS828: Systèmes biométriques Éric Granger
A1-13
Sous-système de traitement du signal
Considérations importantes – ce traitement est complexe pour plusieurs raisons: (suite)− variations dans le temps
− bruit et distorsions
− qualité/quantité d’échantillons lors d’abonnement d’un individu (modèles biométriques)
− limitations des algorithmes de segmentation, d’extraction de caractéristiques et de classification
A.1(1) Structure de systèmesA.1(1) Structure de systèmes
SYS828: Systèmes biométriques Éric Granger
11
A.1(1) Structure de systèmesA.1(1) Structure de systèmes
Sous-système de traitement du signal
Modèle biométriques conçu a priori, lors de l’abonnement, avec un nombre limité d’échantillons référence:
A1-15
Base de données
Objectif: emmagasiner et gérer le modèle biométrique correspondant à chaque individu abonné au système
Considérations importantes – inscription
A.1(1) Structure de systèmesA.1(1) Structure de systèmes
SYS828: Systèmes biométriques Éric Granger
A1-16
Base de données
Considérations importantes – stockage local ou global des modèles, selon l’application
− vérification: on peut distribuer la base localement sur des cartes d’ID ou carte intelligente
− ID/surveillance: on stocke dans une grande base centralisé et applique une stratégie pour réduire le temps de recherche:
1. partitionnement de la grande base en sous-bases2. algorithmes pour l’indexation de la base
(pour biométriques spécifiques)
A.1(1) Structure de systèmesA.1(1) Structure de systèmes
SYS828: Systèmes biométriques Éric Granger
A1-17
Sous-système de décision
Objectifs: 1. réaliser la politique décisionnelle du système en dirigeant
la recherche dans la base biométrique
2. accepter/rejeter ou identifier l’individu selon les mesures quantitatifs de comparaison et la politique:
acceptation: mesure(s) de similarité S(échant) ≥ γrejet: peut permettre n comparaisons, avec différentes mesures de score avant le rejet final
Considérations importantes – la politique est spécifique à l’applications et aux besoins en sécurité
A.1(1) Structure de systèmesA.1(1) Structure de systèmes
SYS828: Systèmes biométriques Éric Granger
A.1(1) Structure de systèmeA.1(1) Structure de système
Fonctionnalités biométriques
1. Vérification: vérifier l’authenticité d’un individu inscrit au système à partir d’un échantillon biométrique
A1-18SYS828: Systèmes biométriques Éric Granger
Fonctionnalités biométriques
A.1(1) Structure de systèmesA.1(1) Structure de systèmes
A1-19SYS828: Systèmes biométriques Éric Granger
A.1(1) Structure de systèmeA.1(1) Structure de système
Fonctionnalités biométriques
Processus de décision: le système accepte ou rejette à partir d’une comparaison entre un échantillon et le modèle de l’individu identifié
Applications potentielles:contrôle d’accès à des lieux sécurisés, à des réseaux informatique, etc.accès à un compte via une machine de banque ATMachats dans un magasin avec carte de crédit (signature)utilisation d’un téléphone cellulaire ou PDA
Contraintes de l’application: un système à coût modique et un interface conviviale
A1-20SYS828: Systèmes biométriques Éric Granger
A.1(1) Structure de systèmeA.1(1) Structure de système
Fonctionnalités biométriques
2. Identification: déterminer si un échantillon biométrique est associé avec un des individus abonné au système
A1-21SYS828: Systèmes biométriques Éric Granger
Fonctionnalités biométriques
A.1(1) Structure de systèmesA.1(1) Structure de systèmes
A1-22SYS828: Systèmes biométriques Éric Granger
A.1(1) Structure de systèmeA.1(1) Structure de système
Fonctionnalités biométriques
Processus de décision: le système identifie à partir d’une comparaison entre l’échantillon et tous les modèles d’individus inscrits au système
Applications potentielles:contrôle aux frontièresenquêtes criminellesidentification d’enfants portés disparus
Contraintes de l’application: un débit élevé de traitement et très peu d’intervention humaine
A1-23SYS828: Systèmes biométriques Éric Granger
A.1(1) Structure de systèmeA.1(1) Structure de système
Fonctionnalités biométriques
3. Surveillance: déterminer de façon discrète si un échantillon biométrique correspond à un individu sur une liste restreinte d’individus recherchés
A1-24SYS828: Systèmes biométriques Éric Granger
A.1(1) Structure de systèmeA.1(1) Structure de système
Fonctionnalités biométriques
Processus de décision: le système identifie à partir d’une comparaison entre l’échantillon et tous des modèles d’une liste restreinte
Applications potentielles:sécurité dans les aéroportssécurité pour les lieux et les événements publics
Contraintes de l’application: débit élevé de traitement et peu d’intervention humainedoit composer avec un processus d’inscription mal définiun contrôle limité sur les conditions d’opération
A1-25SYS828: Systèmes biométriques Éric Granger
A1-26
A.1(1) Structure de systèmesA.1(1) Structure de systèmes
Système biométrique simplifié
SENSORFEATURE
EXTRACTION
PATTERN MATCHER
DECISION MODULE
Person
- accept/reject- identities
biometric data base
models
raw datafeature vector
biometric traits
matching scores
classification system
authenticity (for verification)
SYS828: Systèmes biométriques Éric Granger
A1-27
Système simplifié
Composants de base du système simplifié:senseur automatique: acquisition de l’échantillon [collection]
système de classification: [traitement du signal]/ segmentation du signal/ extraction de caractéristiques/ analyse de qualité/ comparaison entre échantillon et les modèles biométriques
base biométrique [stockage de données]
contrôleur principal: [décision]/ configuration de l’opération du système/ surveille l’intégrité du système et mise-à-jour des modèles/ applique la politique décisionnel
A.1(1) Structure de systèmesA.1(1) Structure de systèmes
SYS828: Systèmes biométriques Éric Granger
A1-28
Architecture centralisée vs distribuée
Type 1: Architecture centralisée
A.1(1) Structure de systèmesA.1(1) Structure de systèmes
SYS828: Systèmes biométriques Éric Granger
A1-29
Architecture centralisée vs distribuée
Type 2: Architecture distribuée
A.1(1) Structure de systèmesA.1(1) Structure de systèmes
SYS828: Systèmes biométriques Éric Granger
A1-30
A.1(1) Structure de systèmesA.1(1) Structure de systèmes
Architecture centralisée vs distribuée
Avantages et inconvénients des architectures:
Centralisée Distribuée+ gestion des connaissances: facile
– robustesse: risque élevé d’une panne à l’échelle du système
– coûts en communications: bande passante élevée (même avec la compression des échantillons)
+ coûts en communications: bande passante modiques (scores)
+ robustesse: risque de panne globale moins élevé car des ressources sont locaux
– coût attaché à la redondance système
– risque élevé d’une panne de blocs fonctionnels locaux
– gestion des connaissances: complexe
SYS828: Systèmes biométriques Éric Granger
A1-31
A.1(1) Structure de systèmesA.1(1) Structure de systèmes
Architecture centralisée vs distribuée
Type d’applications:
Centralisée Distribuée Stockage global de modèles:
plusieurs individus inscrits
plusieurs points d’accès
ex: système bancaire
Stockage local de modèles:
un individu inscrit
un seul point d’accès
ex: téléphones mobiles et PDAs
SYS828: Systèmes biométriques Éric Granger
A1-32
Sommaire – Section A.1
A.1 Un système généraliséA.1 Un système généralisé::
1)1) Structures de systèmesStructures de systèmes2)2) Fusion multimodaleFusion multimodale 3)3) Évaluation des performancesÉvaluation des performances
SYS828: Systèmes biométriques Éric Granger
A1-33
A.1(2) Fusion multimodaleA.1(2) Fusion multimodale
SYS828: Systèmes biométriques Éric Granger
A1-34
A.1(2) Fusion multimodaleA.1(2) Fusion multimodale
Opération d’un système multimodal:
1. mode sériel: exploite un trait à la fois permet de réduire le nombre d’identités avant
d’exploiter un autre trait (technique d’indexation)
2. mode parallèle: exploite tous les traits simultanément
3. mode hiérarchique: chaque trait est exploité par un classificateur indépendant les classificateurs sont combinés selon une
structure en arbre
SYS828: Systèmes biométriques Éric Granger
A1-35
A.1(2) Fusion multimodaleA.1(2) Fusion multimodale
Niveaux de fusion
Au niveau de l’extraction de caractéristiques:
SYS828: Systèmes biométriques Éric Granger
A1-36
A.1(2) Fusion multimodaleA.1(2) Fusion multimodale
Niveaux de fusion
Au niveau de la confiance:
SYS828: Systèmes biométriques Éric Granger
A1-37
A.1(2) Fusion multimodaleA.1(2) Fusion multimodale
Niveaux de fusion
Au niveau de la décision:
SYS828: Systèmes biométriques Éric Granger
A1-38
A.1(2) Fusion multimodaleA.1(2) Fusion multimodaleScénarios pour la fusion multimodale
SYS828: Systèmes biométriques Éric Granger
A1-39
Sommaire – Section A.1
A.1 Un système généraliséA.1 Un système généralisé::
1)1) Structures de systèmesStructures de systèmes2)2) Fusion multimodaleFusion multimodale 3)3) Évaluation des performancesÉvaluation des performances
SYS828: Systèmes biométriques Éric Granger
A1-40
A.1(3) Évaluation des performancesA.1(3) Évaluation des performances
Facteurs qui influencent la complexité d’un système de reconnaissance biométrique:
SYS828: Systèmes biométriques Éric Granger
A1-41
Qualité
Processus de décision:
A.1(3) Évaluation des performancesA.1(3) Évaluation des performances
γ
SYS828: Systèmes biométriques Éric Granger
A1-42
Qualité
Distribution de scores: (Granger et al., IJBM 2012)
A.1(3) Évaluation des performancesA.1(3) Évaluation des performances
SYS828: Systèmes biométriques Éric Granger
A1-43
Qualité
A.1(3) Évaluation des performancesA.1(3) Évaluation des performances
γ
SYS828: Systèmes biométriques Éric Granger
A1-44
Qualité
Matrice de confusion:
A.1(3) Évaluation des performancesA.1(3) Évaluation des performances
SYS828: Systèmes biométriques Éric Granger
A1-45
Qualité
Métriques communes:
1.FRR (‘False Rejection Rate’ ou taux de faux rejets): déf.: la proportion de fois qu’un individu légitime
(abonné) est rejeté par le système
même chose que fnr pour ‘False Negative Rate’
le FRR est lié à la sensibilité (tpr pour ‘True Positive Rate’): la proportion de fois qu’un individu légitime est accepté par le système
FRR = fnr = 1 – tpr = 1 – (TP/ P)
A.1(3) Évaluation des performancesA.1(3) Évaluation des performances
SYS828: Systèmes biométriques Éric Granger
A1-46
Qualité
Métriques communes: (suite)2.FAR (‘False Acceptance Rate’ ou taux de fausses
acceptations): déf.: la proportion de fois qu’un individu non-
légitime (pas abonné) est accepté par le système
même chose que fpr pour ‘False Positive Rate’
le FAR est lié à la spécificité ou tnr (‘True Negative Rate’): la proportion de fois qu’un individu non-légitime est rejeté par le système
FAR = fpr = 1 – tnr = 1 – (TN / N)
A.1(3) Évaluation des performancesA.1(3) Évaluation des performances
SYS828: Systèmes biométriques Éric Granger
A1-47
Qualité
A.1(3) Évaluation des performancesA.1(3) Évaluation des performances
SYS828: Systèmes biométriques Éric Granger
A1-48
QualitéCompromis du système: on veut minimiser à la fois le FAR et le FRR en ajustant le seuil de décision, γ− évaluation: avec les scores d’un base de test, on compte
les décisions correct and incorrect en variant le seuil, and on exprime les compromis de performance
Courbes ROC et DET – permettent d’illustrer ce compromis, et donc la qualité d’un système:− courbes paramétriques: on trace FRR vs FAR en
faisant varier le seuil de décision − représente l’impact du seuil sur les taux d’erreurs
A.1(3) Évaluation des performancesA.1(3) Évaluation des performances
SYS828: Systèmes biométriques Éric Granger
A1-49
Qualité
Courbes ROC (‘Receiver Operation Characteristic’)
A.1(3) Évaluation des performancesA.1(3) Évaluation des performances
SYS828: Systèmes biométriques Éric Granger
A1-50
Qualité
Courbes DET (‘Detection Error Trade-Off’)
A.1(3) Évaluation des performancesA.1(3) Évaluation des performances
SYS828: Systèmes biométriques Éric Granger
A.1(3) Évaluation des performancesA.1(3) Évaluation des performances
Qualité
Populations débalancées – courbes precision-recall:
/ mesure scalaire: F1
51SYS828: Systèmes biométriques Éric Granger
A.1(3) Évaluation des performancesA.1(3) Évaluation des performances
Qualité
Impact d’un débalancement dans les populations (Radtke et al., Information Fusion 2013)
52SYS828: Systèmes biométriques Éric Granger
A.1(3) Évaluation des performancesA.1(3) Évaluation des performances
Qualité
Impact d’un débalancement dans les populations (Radtke et al., Information Fusion 2013)
53SYS828: Systèmes biométriques Éric Granger
A.1(3) Évaluation des performancesA.1(3) Évaluation des performances
Qualité
Détection des ambiguïtés dans l’espace ROC(Tortorella, Pattern Recognition Letters 2005)
54SYS828: Systèmes biométriques Éric Granger
A.1(3) Évaluation des performancesA.1(3) Évaluation des performances
Qualité
Identification – courbe Cumulative Match Characteristic:/ indique la probabilité des bonnes identifications pour un rang n (probabilité
que la personne correspond aux n meilleures scores
55SYS828: Systèmes biométriques Éric Granger
A1-56
A.1(3) Évaluation des performancesA.1(3) Évaluation des performances
Qualité
Cas 1 – vérification: on combine la reconnaissance artificielle et biométrique
FRR: on peut rejeter un individu inscrit au système selon la reconnaissance artificielle OU biométrique:
FAR: on peut accepter un imposteur ssi la reconnaissance artificielle ET biométrique sont valides:
combiné artificiel biométriqueFRR = FRR + FRR
combiné artificiel biométriqueFAR = FAR FAR
SYS828: Systèmes biométriques Éric Granger
A1-57
A.1(3) Évaluation des performancesA.1(3) Évaluation des performances
Qualité
Cas 2 et 3 – identification et surveillance:
on suppose qu’il y a I individus d’inscrits au système
on suppose que les scores d’imposteur entre différents individus légitimes ne sont pas corrélés
FRR:
FAR:
FRR FRRI
FAR = 1 (1 FAR) FARII I
SYS828: Systèmes biométriques Éric Granger
58
A.1(3) Évaluation des performancesA.1(3) Évaluation des performances
QualitéTaux d’erreurs pour différentes technologies de vérification (classificateurs à 1 ou 2-classes):
Trait biométrique
Test à grande pour technologies de pointe (avec bases standards)
FRR FAR
empreinte digitale
FVC 2006- 4 types de senseurs; population hétérogène; rotations et distorsions de peau
2.2% 2.2%
visage FRVT 2006- contrôle de luminosité; haute résolution
1.6% 0.1%
fixé
iris ICE 2006- contrôle de luminosité; haute résolution
1.4% 0.1%
fixé
voix NIST 2006-indépendant du texte; multilingue
5-10% 2-5%
SYS828: Systèmes biométriques Éric Granger
A1-59
Temps de traitement
On vise généralement un petit temps de traitement, mais dépend des besoins de l’application:
exemple d’application ‘lente’: vérification des empreintes digitales par le FBI dans le contexte d’une enquête criminelle
exemple d’application ‘rapide’: contrôle d’accès dans un lieu sécurisé (e.g., aéroport)
A.1(3) Évaluation des performancesA.1(3) Évaluation des performances
SYS828: Systèmes biométriques Éric Granger
SENSORFEATURE
EXTRACTION
PATTERN MATCHER
DECISION MODULE
Person
accept or
reject
biometric data base
models
raw datafeature vector
biometric traits
matching scores
classification system
A1-60
A.1(3) Évaluation des performancesA.1(3) Évaluation des performances
Temps de traitement
Temps pour la classification d’un échantillon:
[ ( )] [ ( )]x ytott t t FE PM[FE ( )] [PM ( )]x ytot i jt M t P t
SYS828: Systèmes biométriques Éric Granger
A1-61
A.1(3) Évaluation des performancesA.1(3) Évaluation des performances
Temps de traitement
Débit de traitement pour différentes technologies biométriques communes:
Fonctionnalité biométrique
empreinte digitale
visage iris
1) vérification
(temps de traitement)
10 msec 90 µsec < 1 µsec
2) Identification
(débit)
1 / min 0.66 / min > 60 / min
3) Surveillance
(débit)
> 1 / sec 22 / sec > 2000 / sec
SYS828: Systèmes biométriques Éric Granger
A1-62
Consommation en mémoire
Facteurs qui influencent la consommation mémoire d’un système:
1. extraction de caractéristiques:on veut représenter chaque échantillon biométrique brute par un vecteur caractéristique (à M dimensions)mais on veut conserver les traits invariants et distinctifs
2. le nombre et la complexité des modèle dans la base:ex: le nombre de noyaux, N, associé au modèle de chaque individu dans la base biométrique
A.1(3) Évaluation des performancesA.1(3) Évaluation des performances
SYS828: Systèmes biométriques Éric Granger
SENSORFEATURE
EXTRACTION
PATTERN MATCHER
DECISION MODULE
Person
accept or
reject
biometric data base
models
raw datafeature vector
biometric traits
matching scores
classification system
A1-63
A.1(3) Évaluation des performancesA.1(3) Évaluation des performances
Consommation en mémoire
Capacité de mémoire (en octets):[ ]
[ ]tot
tot
C I C C C
C I N M o N M o N o
SYS828: Systèmes biométriques Éric Granger
A1-64
A.1(3) Évaluation des performancesA.1(3) Évaluation des performances
Sommaire
Fonctions d’identification et de surveillance:+ plus conviviale: l’individu n’est pas tenu à s’identifier
avant l’échantillonnage
Fonction de vérification:+ demande moins de ressources: l’échantillon est comparé
avec seulement un modèle
+ taux d’erreurs moins élevés: la combinaison de reconnaissance artificielle + biométrique peut diminuer le FAR considérablement
SYS828: Systèmes biométriques Éric Granger
A1-65
A.1(3) Évaluation des performancesA.1(3) Évaluation des performances
Sommaire
SYS828: Systèmes biométriques Éric Granger
A1-66
A.1(3) Évaluation des performancesA.1(3) Évaluation des performances
Sommaire
Critères de sélection pour un trait biométrique:– Universality: tous les individus ont cette caractéristique? – Uniqueness: variation entre caractéristiques des individus?– Permanence: consistance des caractéristiques dans le temps?– Collectability: possible de prendre un bon échantillon
quantitatif?– Performance: peut-on atteindre une discrimination élevée
dans un temps de traitement raisonnable– Acceptability: le processus d’échantillonnage est-il acceptable
pour les individus?– Circumvention: peut-on facilement reproduire ou tricher?
SYS828: Systèmes biométriques Éric Granger
A1-67
A.1(3) Évaluation des performancesA.1(3) Évaluation des performances
Sommaire
SYS828: Systèmes biométriques Éric Granger
top related