Chapitre 2 : Types de biométrie

Chapitre 2 : Types de biométrie

A. Empreintes digitales et géométrie de la main

1. Empreinte digitale

L’empreinte digitale représente les différents types de traits d’un doigt, dont les
principaux sont les arcs, les boucles et les tourbillons (voir figure 1). Les traits mineurs
(ou minuties), quant à eux, sont formés par la position des extrémités et des nœuds des
traces. Chaque doigt porte entre 50 et 200 traits mineurs, ce qui fournit un grand nombre
de données pour l’extraction de caractéristiques

Figure 1 – Empreinte digitale.

L’empreinte digitale est la modalité la plus utilisée dans de nombreux systèmes

d’identification biométrique dont l’acquisition de cette modalité nécessite que l’utilisateur
pose son doigt sur un capteur d’empreinte spécifique.

1.1 Caractéristiques d’une empreinte digitales et différenciation

1.1.1 Motif : Les empreintes digitales possèdent des motifs différents. Il existe 3 grandes
familles d’empreintes qui regroupent à elles seules 95% des doigts humains :

 Les arcs ou les arches,

 Les boucles (à droite ou à gauche) et

 Les tourbillons.
 Chapitre 2 : Types de biométrie

Figure 2- types d’empreintes.

Boucle : Sont les motifs les plus répandus qui représentent 60% des doigts humains. Dans ce
type d’empreinte les lignes se replient sur elles même soit vers la droite, soit vers la gauche.
Tourbillons : Qui correspondent à 30% des doigts humains. Cette empreinte, dite en
verticille, comprend des lignes qui viennent s’enrouler autour d’un point, formant un genre de
tourbillon.

Les arches : sont les motifs les moins répandus qui regroupent seulement 5% des doigts
humains. Cette empreinte, en arc, contient des lignes disposées les unes au-dessus des autres
qui forment des A.

1.1.2 Points singuliers : Deux éléments permettent de différencier deux empreintes

digitales ayant le même motif :

 Points singuliers globaux : Le noyau, ou centre de l'empreinte (le lieu de

convergence des stries) et son delta (le lieu de divergence des stries).

 Points singuliers locaux, ou minuties : Celles-ci sont des points d'irrégularité

se trouvant sur les lignes capillaires. Il existe plusieurs types de minuties, chaque
empreinte en compte environ une centaine, mais les contrôles ne sont effectués qu'à
partir de 12 points.

Figure 3- types de minuties.

 Chapitre 2 : Types de biométrie

L’image ci-dessous représente les points singuliers globaux et les points singuliers locaux

Figure 4- Points singuliers d’une empreinte digitale

1.2. Architecture d’un système biométrique

Figure 5- Schéma général d’un système de reconnaissance d’empreinte digitale

 Avantages : La technologie la plus éprouvée techniquement et la plus connue du

grand public, petite taille du lecteur facilitant son intégration dans la majorité des
applications (téléphones portables, PC), facile à mettre en œuvre, très discriminante,
technique pas chère, peu vulnérable, grande précision et peuvant être installée dans
divers milieux.
 Chapitre 2 : Types de biométrie

 Inconvénients : L’enregistrement se fait par contact, ce qui peut entraıner des

réticences d’ordre psychologique ou hygiénique, besoin de la coopération de
l’utilisateur (pose correcte du doigt sur le lecteur) et exige un environnement propre.

 Applications : Toutes les applications d’identification et de vérification peuvent

utiliser les empreintes digitales. Par exemple, le contrôle d’accès physique (locaux,
machines) et le contrôle d’accès logique (systèmes d’information)

2. Géométrie de la main

Les techniques biométriques basées sur la géométrie de la main se basent sur la

détermination des caractéristiques de la main : les dimensions des doigts, les
caractéristiques des articulations de la paume et la forme de la main (voir figure 6). Les
systèmes de reconnaissance de la géométrie de la main sont simples à utiliser. Dans une
première étape, une personne doit poser sa main sur une platine, les doigts doivent être
correctement placés. Une caméra à infrarouge prend alors une image sous deux angles
différents de sorte à obtenir une reproduction en trois dimensions de la main. Cette
biométrie est toutefois sujette aux modifications de la forme de la main liées au
vieillissement.

Figure 6 – géométrie des mains.

 Avantages : bonne acceptation des usages, très simple à utiliser, le résultat est
indépendant de l’humidité et de l’état de propreté des doigts, fichier `a petite taille (es-
pace de stockage faible), cette technologie peut offrir une fiabilité élevée et un temps
de traitement rapide.

 Inconvénients : trop encombrant pour un usage sur le bureau ou voiture, risque de

faute pour des jumeaux ou des membres d’une même famille, technique peu
 Chapitre 2 : Types de biométrie

discriminante et sensible aux modifications ou altérations naturelles de la main

(accident, vieillissement, arthrose), précision restreinte, difficile à utiliser pour les
personnes souffrant d’arthrite.

 Applications : contrôle d’accès à des locaux, parloirs de prison et accès à des

bâtiments privés non stratégiques tels que des entreprises, des écoles et des
établissements.

3. Empreinte palmaire
une empreinte palmaire est définie comme une empreinte sur une paume. Les empreintes
palmaires contiennent plus d’information que les empreintes digitales, ainsi elles sont plus
discriminantes. Elles contiennent des caractéristiques distinctives additionnelles telles que les
lignes principales et les ridules, qui peuvent être extraites à partir des images à basse
résolution (voir figure 7).

Figure 7 – Empreinte palmaire.

Les techniques biométriques basées sur la géométrie de la main se basent sur la détermination
des caractéristiques de la main : les dimensions des doigts, les caractéristiques des
articulations de la paume et la forme de la main.

Les systèmes de reconnaissance de la géométrie de la main sont simples à utiliser. Dans une
première étape, une personne doit poser sa main sur une platine, les doigts doivent être
correctement placés. Une caméra à infrarouge prend alors une image sous deux angles
différents de sorte à obtenir une reproduction en trois dimensions de la main.

Cette biométrie est toutefois sujette aux modifications de la forme de la main liées au
vieillissement.

3.1. Caractéristiques du palmprint

On peut énumérer les caractéristiques du palmprint selon plusieurs points de vue :

 Chapitre 2 : Types de biométrie

3.1.1 Caractéristiques des lignes principales

L’emplacement et la forme des lignes principales constituent de très importantes

caractéristiques. On distingue trois lignes principales produites en fléchissant la main et le
poignet dans la paume.

En faisant référence à la figure, les lignes sont appelées comme suit :

(1) : la ligne de la vie, (2) : la ligne de tête et (3) : la ligne du cœur

Deux points de terminaison (a) et (b) sont ainsi obtenus par les lignes principales (1) et (3) qui
se croisent des deux côtés de la paume. En raison de la stabilité des lignes principales, les
points de terminaison ainsi que leur milieu (o) restent inchangés :

D’un autre point de vue, la paume peut être devisée en trois régions comme illustré sur la
figure : (I) : la région de la racine du doigt , (II) : la région intérieure, et (III) : la région
extérieure
 Chapitre 2 : Types de biométrie

3.1.2 Caractéristiques géométriques

Selon la forme de la paume on peut obtenir les caractéristiques géométriques correspondantes

telles que la longueur et la largeur.

3.1.3 Caractéristiques des rides

Dans un palmprint, il existe de nombreux rides qui sont différents des lignes principales parce
qu’ils sont plus minces et plus irréguliers.

3.1.4 Caractéristiques des minuties

Un palmprint est essentiellement composée de crêtes (appelées aussi arrêtes), donc les
caractéristiques de minuties peuvent être utilisées comme une mesure importante.

 Avantages : elles contiennent plusieurs informations qui peuvent être extraites à

partir des images a basse résolution, ainsi elles sont plus discriminantes ; les sources
de capture d’empreintes palmaires sont beaucoup moins chères que celles de capture
des iris. En combinant toutes les caractéristiques d’une paume, telles que les
caractéristiques des ridules ou des plis, et des lignes principales, il est possible
d’établir un système biométrique robuste.

 Inconvénients : une exécution plus lente que celle d’empreinte digitale en raison de
l’information supplémentaire stockée dans une empreinte palmaire.

 Applications : elle est utilisée typiquement dans des applications légales

criminelles.

Plusieurs études montrent que l’identification d’empreinte palmaire est sans doute le prochain
grand domaine d’investigation dans le cadre des lois sur la sécurité.

4. Empreinte des articulations des doigts

la surface extérieure du doigt contient des caractéristiques distinctives, surtout au voisinage

des articulations, telles que les lignes principales, les lignes secondaires et les crêtes, qui
peuvent être extraites à partir des images à basse résolution.
 Chapitre 2 : Types de biométrie

Figure 8 – Empreinte des articulations des doigts.

Ces dernières années, un nouveau descripteur biométrique (nouvelle technologie biométrique)

basé sur la surface extérieure du doigt, appelé empreinte de l’articulation du doigt, est exploité
(voir figure 8). La main contient plusieurs doigts, pour cela, plusieurs travaux montrent que
l’empreinte de l’articulation du doigt peut être utilisée dans le domaine d’identification des
personnes pour une reconnaissance robuste et précise, si on utilise la combinaison ou la fusion
de l’information prise de chaque doigt.

 Avantages : bonne acceptation, très simple à utiliser. En combinant tous les doigts
de la main, il est possible d’établir un système biométrique robuste et précise.

 Inconvénients : risque de fausse acceptation pour des jumeaux. Besoin de la

coopération de l’utilisateur (la pose correcte du doigt sur le lecteur).

 Applications : ce système reste expérimental.

B. La reconnaissance faciale et vocale

1. La reconnaissance faciale : La reconnaissance faciale consiste à identifier une

personne grâce à son visage d’une manière automatique. En effet, la détection faciale consiste
à détecter des visages dans une image. En d’autres termes, elle a pour but de donner une
région d’intérêt appelée « bouding box » contenant le visage.

Le visage : Le visage est certainement la caractéristique biométrique que les humains

utilisent le plus naturellement pour s’identifier entre eux, ce qui peut expliquer pourquoi elle
est en générale très bien acceptée par les utilisateurs. Utiliser une caméra permet d’acquérir la
forme du visage d’un individu et puis retirer certaines caractéristiques tels que l’écart entre les
yeux, la forme de la bouche, le tour du visage, la position des oreilles, etc (voir figure 9). On
évitera d’autre part les types de coiffures, les zones occupées par des cheveux en général ou
toute zone sujette à modification durant la vie de la personne.
 Chapitre 2 : Types de biométrie

Le système de reconnaissance doit être capable d’identifier un individu malgré différents

artifices physiques (moustache, barbe, lunettes). Le visage est une biométrie relativement peu
sure. En effet, le signal acquis est sujet à des variations beaucoup plus élevées que d’autres
caractéristiques. Ces variations peuvent être causées, entre autres, par le maquillage, la
présence ou l’absence de lunettes, moustache et barbe, le vieillissement et l’expression d’une
émotion.

Figure 9– Visage.

1.1 Le principe de fonctionnement

Le principe passe par 3 phases nécessaires : l'apprentissage (capture), authentification

(reconnaissance) et adaptation (identification), le schéma montre le principe d’application de
ces étapes

Figure.10. Principe de fonctionnement de base d'un système de reconnaissance faciale.

 Chapitre 2 : Types de biométrie

➔ Le monde physique (L’extérieur) : C’est le monde réel en dehors du système avant

l’acquisition de l’image. Dans cette étape, nous tenons compte généralement de trois
paramètres essentiels : L’éclairage, la variation de posture et l'échelle. La variation de
l'un de ces trois paramètres peut conduire à une distance entre deux images du même
individu, supérieure à celle séparant deux images de deux individus différents, et par
conséquence une fausse identification

➔ L’Acquisition de l’image : Cette étape consiste à extraire l’image de l’utilisateur du

monde extérieur dans un état statique à l’aide d’un appareil photo ou dynamique à
l’aide d’une caméra. Après, l’image extraite sera digitalisée ce qui donne lieu à une
représentation bidimensionnelle au visage, caractérisée par une matrice de niveaux de
gris

➔ Détection de visage : Localisation précise des régions caractéristiques du visage, tels

que les yeux, le nez, les sourcils, la bouche, les lèvres, les oreilles, etc. Un visage est
considéré correctement détecté si la taille d’image extraite ne dépasse pas 20% de la
taille réelle de la région faciale Cette étape peut faire la détection de la couleur de
peau, la forme de la tête et il existe plusieurs méthodes détectant les différentes
caractéristiques du visage.

➔ Le prétraitement : Le rôle de cette étape est d'éliminer les parasites accompagnants

l’image, provoqués par la qualité de ces dispositifs. Ceci est nécessaire car l'image ne
peut jamais être sans bruit car le fond et la lumière sont généralement inconnus. Il
existe plusieurs types de traitement et d'optimisation de la qualité d'image, tels que la
normalisation.

➔ Extraction des caractéristiques : Nous devons extraire de l’image les informations

qui seront sauvegardées en mémoire pour être utilisées plus tard dans la phase
décision. Le choix de ces informations utiles revient à établir un modèle pour le
visage, elles doivent être discriminantes et non redondantes.

➔ Un dispositif de traitement par comparaison : Entre les canevas biométriques,

recueillis à des endroits et des moments différents, selon le processus retenu. Ce
dispositif donne lieu à un score de correspondance (exprimé en pourcentage de
certitude).
 Chapitre 2 : Types de biométrie

➔ La décision : Pour estimer la différence entre deux images, il faut introduire une
mesure de similarité. La figure 11 illustre un exemple où nous appliquons les séries de
traitements précédentes subits avant de passer à l’étape d’identification.

Figure 11. Système de reconnaissance de visage

1.2. Difficultés de reconnaissance de visage

Il existe deux types de variations associées aux images de visages : inter et intra sujet. La
variation inter-sujet est limitée à cause de la ressemblance physique entre les individus. Par
contre, la variation intra-sujet est plus vaste. Il existe des difficultés non nécessaires influes
dans l'opération de reconnaissance faciale comme des variations peuvent être dues à la
présence de maquillage, d'opérations chirurgicales, de différentes coupes de cheveux, ou
encore la présence (absence) de moustaches, de barbes, mais il existe d’autres difficultés
considérées principales rencontrées par un système de reconnaissance faciale automatique 2D
dans des conditions réelles

● Occultations partielles : Le visage peut être partiellement masqué par des objets
dans la scène, ou par le port d'accessoire. Dans le contexte de la biométrie, les
systèmes proposés doivent être non intrusifs c’est-à-dire qu'on ne doit pas compter sur
une coopération active du sujet. Par conséquent, il est important de savoir reconnaître
des visages partiellement occultés. Gross et al ont étudié l'impact du port de lunettes
de soleil, et du cache-nez occultant la partie inférieure du visage sur la reconnaissance
faciale.

● Variation de la pose : La variation de pose est considérée comme un problème

majeur pour les systèmes de reconnaissance faciale. Quand le visage est de profil dans
le plan image (orientation < 30 °), il peut être normalisé en détectant au moins deux
 Chapitre 2 : Types de biométrie

traits faciaux (passant par les yeux). Cependant, lorsque la rotation est supérieure à 30°
, la normalisation géométrique n'est plus possible.

● Changement d’illumination : Le changement d'apparence d'un visage dû à

l'illumination, se révèle parfois plus critique que la différence physique entre les
individus, et peut entrainer une mauvaise classification des images d'entrée.

● Expressions faciales : Les éléments faciaux tels que la bouche ou encore les yeux
peuvent alors subir des déformations importantes, pouvant faire échouer un système de
reconnaissance faciale fondée par exemple sur des points d’intérêt (ceux-ci pouvant
ainsi subir d’importantes translations). La bouche est en général l’élément facial qui
varie le plus, mais l’aspect des sourcils peut par exemple être grandement modifié

1.3. Les algorithmes de reconnaissance faciale

Figure 12- Classification des algorithmes principaux utilisés en reconnaissance faciale.

 Avantages : simple et capable de fonctionner sans la collaboration de la personne

(Ne demande aucune action de l’usager). Technique peu couteuse et peut s’appuyer
sur l’équipement d’acquisition des images actuel. Cette technique est très bien
acceptée par le public.
 Chapitre 2 : Types de biométrie

 Inconvénients : les changements physiques peuvent tromper le système. Les vrais

jumeaux ne sont pas différenciés. Cette technique est trop sensible au changement
d’éclairage et l’angle de l’appareil-photo et aux fortes préoccupations relatives au
respect de la vie privée.

 Applications : contrôle d’accès à faible niveau de sécurité. Technologie pouvant

être associée avec une autre technologie pour la compléter. Cette technique est
appliquée dans les aéroports et certains grands magasins.

2. La reconnaissance vocale

La reconnaissance vocale est une modalité biométrique qui vise à déterminer l’unicité de la
voix de chaque individu, elle est classée comme caractéristique comportementale malgré
qu’elle se trouve à la frontière de la caractéristique physique.

La reconnaissance vocale peut faire appel à n'importe quel dispositif de captage audio
composé de téléphones ou de microphones avec ou sans fil.

Un individu ne parle pas toujours de la même manière, ce qui nécessite l'application d'une
méthode permettant d'éliminer certaines de ces variations. Ses caractéristiques formant une
empreinte unique sont ensuite traitées par un algorithme et conservées pour une comparaison
ultérieure. Il existe cinq principales méthodes de traitement de la voix : dépendante du sujet,
indépendante du sujet, discours discontinu, discours continu et discours naturel.

Avantages :

-Technologie biométrique facile à mettre en œuvre et sécurisé.

-Généralement très bien acceptée car la voix est un signal naturel à produire.

- Une des seules techniques permettant de reconnaître quelqu’un à distance

Inconvénients :

-Technologie biométrique vulnérable aux attaques.

- Nécessite une excellente qualité audio.

-Sensible aux bruits ambiants.

 Chapitre 2 : Types de biométrie

-La voix change dans le temps et peut être altérée (rhume, fatigue, forte émotion, etc.).

C. Scan de l’iris et de la rétine

1. L’iris : L’iris est la région annulaire située entre la pupille et le blanc de l’œil (partie
colorée qui entoure la pupille noire), voir figure 1 3. Elle est constituée d’un réseau de
tubes fins dont le diamètre est inférieur à celui d’un cheveu. Les iris sont uniques et les
deux iris d’un même individu sont différents. Leurs formes ne varient que très peu
durant la vie de l’individu.

Figure 13 – Iris.

L’image de l’iris comporte de nombreuses caractéristiques physiques différentes.

Ce sont les caractéristiques recherchées lorsqu’une personne utilise ce type de système

biométrique. Cette image est lue par un appareil qui contient une caméra infrarouge, lorsque
la personne se place à une courte distance de l’appareil. La reconnaissance de l’iris est une
technologie plus récente puisqu’elle ne s’est véritablement d´enveloppée que dans les années
80.
 Chapitre 2 : Types de biométrie

1.1 Acquisition de l’iris

La capture de l'iris se fait à l'aide d'une caméra qui va dans un premier temps positionner l'iris
par rapport à l'ensemble de l'œil. Ensuite, elle scanne l'image de l'iris pour en analyser les
points caractéristiques (analyse notamment la position, la longueur et le relief des tubes qui
composent l'iris). L'image est captée en noir et blanc et la couleur de l'œil n'est pas prise en
compte dans l'analyse, ce qui annule les biais causés par les changements de couleur de l'iris
chez certaines personnes

Figure 14: la position que doit avoir le capteur par rapport à la personne

Certains cas de fraudeurs utilisant des photographies d'iris pour déjouer la caméra ont été
relevés. Pour enrayer le problème, il est répandu sur le marché que les dispositifs d'iris-scan
soient doublés d'une fonction visant à authentifier la validité d'un œil humain. Ainsi, en plus
de scanner l'iris, la caméra envoie une lumière et analyse la réaction de dilatation et de
rétraction de la pupille.
 Chapitre 2 : Types de biométrie

- Si on adopte un dispositif d’illumination en lumière visible sans condition particulière, on

constatera qu’avec l’image acquise aucun traitement de reconnaissance n’est possible

Image acquise en lumière visible conditions normales d’acquisition

Image acquise en lumière visible avec l’utilisation d’un flash et une lampe de bureau

Pour pallier à tous ces problèmes, les industriels de la reconnaissance par l’iris ont opté pour
l’utilisation d’une ou plusieurs sources infrarouges comme illumination puissante. En effet,
l’infrarouge possède 2 avantages majeurs sur la lumière visible :

En premier lieu, sa longueur d’onde fait de lui un faisceau invisible à l’œil humain, et en
second lieu, l’infrarouge possède un pouvoir de pénétration sur la cornée largement plus
grande que celui de la lumière visible ainsi de récupérer une richesse de texture de l’iris
surtout ceux de couleur sombre.
 Chapitre 2 : Types de biométrie

Image acquise en infrarouge

1.2 Architecture d’un système d’iris

Une fois l’image de l’iris acquise, un système d’iris peut être composé de plusieurs modules
comprenant :

1.2.1 La segmentation de l’iris

L’image de l’œil qui est acquise ne comporte pas uniquement l’information de l’iris. Il est
alors nécessaire de segmenter et isoler cette information du reste de l’image. Ce qui revient à
isoler l’iris du blanc de l’œil et des paupières, ainsi qu’à détecter la pupille à l’intérieur du
disque de l’iris et déterminer le centre de la pupille.

1.2.2 La normalisation de l’iris

L’iris segmenté peut être une iris complète ou une fraction d’iris, de petite taille ou de grande
taille, qui veut dire que la taille du disque de l’iris n’est pas toujours constante. La
normalisation est une opération qui garantit la même dimensionnalité de toutes les iris, elle
consiste à transformer le disque irrégulier de l’iris en une image rectangulaire de taille
constante. Il y a deux approches principales pour la normalisation de l’iris, normalisation dans
l’espace cartésien ou normalisation dans l’espace polaire.
 Chapitre 2 : Types de biométrie

1.2.3 L’encodage (extraction du gabarit)

Cette étape consiste à extraire de l’iris les caractéristiques les plus discriminantes et les plus
pertinentes, nécessaires et utiles pour son identification. Des filtres de type passe-bande, des
ondelettes, et d’autres outils peuvent ainsi être utilisés. Le résultat obtenu peut être gardé dans
des valeurs réelles ou peut être quantifié en valeurs discrètes. Le processus de l’encodage de
l’iris résulte finalement en un profil d’iris représentant sa signature. Ce profil est unique pour
chaque iris, insensible aux variations de dimensions ou aux rotations crées lors de
l’acquisition de l’iris et sera utilisé ensuite pour sa mise en correspondance.

1.2.4 La mise en correspondance

Cette dernière étape consiste à comparer les gabarits d’iris entre eux pour la prise de décision.
Si la mesure de similarité S(A,B) entre deux gabarits A et B d’iris comparés est inférieure à
un certain seuil, cela signifie que les deux gabarits comparés appartiennent au même iris. Le
cas contraire survient quand les deux gabarits comparés appartiennent à des iris différentes.
 Chapitre 2 : Types de biométrie

Figure 14 : Diagramme des différentes étapes d’un système de reconnaissance d’iris.

 Chapitre 2 : Types de biométrie

2. Méthodes de reconnaissance par l’iris

2.1 La méthode Daugman

2.1.1 Normalisation de l’iris : méthode pseudo-polaire Daugman segmente l’iris en

approximant ses frontières par des contours circulaires en utilisant l’opérateur intégro
différentiel. L’iris est défini par le disque limité par le cercle approximant la pupille et le
cercle approximant la frontière extérieure de l’iris. Les cils et les paupières qui couvrent cette
région sont également exclus.

A cause de la variabilité de la surface de l’iris, Daugman propose de transformer tout iris

segmenté en un modèle de taille fixe. Il choisit de convertir l’image de l’iris segmenté qui se
trouve dans un repère cartésien vers un repère polaire définit par (r, ). Dans le nouveau
repère, l’iris est échantillonné pour avoir une forme rectangulaire comme l’indique la figure
suivante :

- Des cercles ayants un rayon r, qui varie entre le rayon de la frontière interne et celui de la
frontière externe de l’iris sont utilisés afin de choisir, selon la résolution angulaire, un certain
 Chapitre 2 : Types de biométrie

nombre d’échantillons sur chaque cercle (figure (b)). Le nombre de cercle utilisé pour
l’échantillonnage est définit par la résolution radiale. Les résolutions radiale et angulaire
déterminent la taille de l’iris normalisé (généralement la taille choisie est de 80*512 pixels).

- Pour l’identification des zones de bruit de l’iris, une matrice rectangulaire, appelée
“masque”, ayant les mêmes dimensions de l’iris normalisé est créé. Ce masque est une
matrice binaire qui est nulle partout sauf dans les régions identifiées par la segmentation
comme étant du bruit. La figure suivante représente une image d’iris segmentée, sa
normalisation et le masque de bruit correspondant.

2.1.2 Extraction des caractéristiques : utilisation du filtre de Gabor

L’information biométrique de l’iris réside dans sa texture. Comme une texture est considérée
comme contenue dans une gamme étroite de fréquences et d'orientations, elle peut être
détectée en appliquant plusieurs filtres passe-bande réglés sur différentes fréquences et
orientations. Les filtres de Gabor qui sont des filtres orientés sont donc indiqués pour ce type
d’analyse.

L’opération de codage consiste à assigner 1 au code si le coefficient est positif et 0 si le

coefficient de Gabor est négatif. Cette opération est réitérée plusieurs fois, autour de plusieurs
 Chapitre 2 : Types de biométrie

points d’analyse, suivant plusieurs résolutions et orientations des filtres de Gabor jusqu’à ce
que l’on obtienne un code de taille 256 octets ou 2048 bits.

2.2 La méthode Wildes

Wildes a été le premier et l’unique jusqu’à ce jour à proposer une méthode alternative et
complètement différente de celle de Daugman. Les différences se situent dans toutes les
phases de traitement incluant : la capture de l’iris, la segmentation, la normalisation et la
reconnaissance

2.2.1 La segmentation

En segmentation, Wildes a été le premier à implémentera la transformée de Hough pour

détecter l’iris avec des contours circulaire et elliptique. La transformée de Hough est une
technique est bien connue pour sa capacité de détecter les formes géométriques simples dans
une image telle que les lignes, les cercles, etc.

En considérant les images d’iris, Wildes constate que la frontière externe de l’iris peut être
dans les plupart des images couverte (partiellement) par les paupières (supérieures ou
inférieures) ce qui n’est pas le cas de la frontière interne. Sachant que les paupières sont
habituellement horizontalement alignées, une image de contour calculée par un gradient
horizontal favoriserait la détection des paupières. Alors qu’une image de contour calculée par
un gradient vertical favoriserait la détection de la frontière externe de l’iris comme le montre
la figure suivante :
 Chapitre 2 : Types de biométrie

Pour cette raison Wildes applique la transformée de Hough sur une image de contour issue
d’un gradient vertical pour la détection de la frontière externe et sur une image de contour
issue d’un gradient vertical et horizontal pour la détection de la frontière interne, et sur une
image de contour issue d’un gradient horizontal pour la détection de la paupière.

2.2.2 La normalisation

Wildes normalise l’image de l’iris pour avoir la taille d’un modèle référence. Ni la forme de

l’iris segmenté ni le repère de l’image n’est changé. L’iris segmenté reste toujours, dans le
repère cartésien, sous la forme d’un anneau définit par deux cercles approximant les frontières
internes et externe de l’iris. Dans ce système Wildes cherche à compenser, en même temps,
les variations de taille et de rotation de l’iris. Des opérations de mise à l’échelle et de rotation
de l’iris segmenté sont ainsi utilisées.

Dans cette méthode, l’iris est conservé dans son format original. Les régions de l’iris exclus
sont masquées en les forçant à 0 (noir). Par cette stratégie, Wildes n’utilise pas de masque
associé à chaque image pour délimiter les zones de bruit.
 Chapitre 2 : Types de biométrie

2.3 L’approche IriTech : l’utilisation de l’ondelette de Haar

La société Iritech est l’un des rares concurrents de la société Iridian à avoir proposé une
solution alternative à la méthode Daugman. L’approche utilise l’ondelette de Haar comme un
moyen d’analyse mutli-résolution. 1024 coefficients de Haar sont calculés sur différentes
zones de l’iris comme indiqué sur la figure suivante. Les coefficients sont comparés entre eux
en calculant une différence entre les coefficients des hautes fréquences et ceux des basses
fréquences qui n’ont pas été générés par des paupières ou des cils.

La reconnaissance basée sur l'iris est une technique biométrique avancée utilisée pour
identifier une personne grâce aux caractéristiques uniques de son iris. Comme toute
technologie, elle présente des avantages et des inconvénients.

Avantages :

• Fiabilité et précision élevées

• Difficulté de falsification

• Rapidité d’identification

• Hygiène et absence de contact

• Stabilité à long terme

• Utilisation en conditions difficiles

Inconvénients :

• Coût élevé
 Chapitre 2 : Types de biométrie

• Sensibilité aux conditions environnementales

• Intrusion dans la vie privée

• Problèmes de compatibilité

• Acceptabilité sociale

Pour remédier aux inconvénients de la reconnaissance basée sur l’iris, plusieurs solutions
peuvent être mises en place :

➢ Réduction du coût

➢ Amélioration de la robustesse

➢ Renforcement de la confidentialité et de la sécurité

➢ Amélioration de l'acceptabilité sociale

Applications : distributeurs de billets de banque, contrôle d’accès physique et logique.

2. La rétine : la rétine est la couche sensorielle située au fond de l’œil. Elle est la paroi
interne et opposée de l’œil sur laquelle se projettent les images que nous voyons. Elle est
parcourue par de nombreux vaisseaux sanguins (Voir figure 12) dont la disposition ne change
pas au cours du temps et diffère d’un individu à l’autre, même s’ils sont jumeaux. De plus
l’empreinte rétinienne est peu exposée aux blessures et la position respective des vaisseaux
reste inchangée durant toute la vie de l’individu. Elles ne peuvent être affectées que par
certaines maladies. La reconnaissance de la rétine est actuellement considérée comme une des
méthodes biométriques les plus sûres.

Figure 18 – Rétine.

L’utilisateur doit placer son œil à quelques centimètres d’un orifice de capture situé sur le
lecteur de rétine. Il ne doit pas bouger et doit fixer un point vert lumineux qui effectue des
 Chapitre 2 : Types de biométrie

rotations. A ce moment, un faisceau lumineux traverse l’œil jusqu’aux vaisseaux sanguins

capillaires de la rétine.

Architecture du système biométrique de reconnaissance rétinienne

Un système biométrique de reconnaissance par la rétine se compose de plusieurs étapes

principales :

1. Capture de l’image rétinienne

• Un scanner rétinien utilise une lumière infrarouge pour illuminer l'intérieur de l'œil.
• La lumière traverse la pupille et est absorbée par la rétine.
• Les vaisseaux sanguins absorbent plus de lumière que les autres tissus, ce qui permet
de créer une carte détaillée du réseau veineux.

2. Prétraitement et amélioration de l’image

• L'image brute est souvent bruitée et nécessite un traitement d’amélioration pour

améliorer le contraste et la clarté.
• Techniques courantes :
• Filtrage spatial (Filtre de Gauss, filtrage médian)
• Correction d’illumination pour uniformiser la luminosité
• Segmentation de la rétine pour isoler les vaisseaux sanguins

3. Extraction des caractéristiques

• Des algorithmes de traitement d’image sont utilisés pour identifier les points d'intérêt
du réseau veineux.
• Techniques utilisées :
• Transformée de Hough : pour détecter les structures circulaires des vaisseaux
• Analyse de texture : pour capturer la distribution des vaisseaux
• Filtrage de Gabor : utilisé pour extraire les motifs des vaisseaux sanguins

4. Comparaison et correspondance

• L’image traitée est comparée avec les données enregistrées dans une base de données.
• Un algorithme de correspondance calcule un score de similarité entre les modèles
enregistrés et l’image en cours d’analyse.
• Si le score dépasse un seuil prédéfini, l’identité est confirmée.
 Chapitre 2 : Types de biométrie

5. Prise de décision

• Le système peut soit authentifier (vérifier si la personne correspond à un profil donné)

ou identifier (trouver la personne parmi une base de données).
• En cas de non-correspondance, le système peut demander une nouvelle capture ou
signaler une tentative d'accès non autorisé.

Applications :

🔹
🔹
Sécurité militaire et gouvernementale : contrôle d’accès aux zones sensibles.

🔹
Secteur bancaire : vérification des identités pour les transactions sécurisées.

🔹
Santé : identification des patients sans contact physique.
Élections et documents officiels : authentification des citoyens pour réduire la fraude.

Avantages :

1. Précision extrême

• La structure des vaisseaux sanguins de la rétine est unique à chaque individu et ne

change pas avec le temps.
• Taux d'erreur extrêmement bas (plus faible que la reconnaissance faciale ou par
empreinte digitale).

2. Sécurité renforcée

• Très difficile à falsifier ou à usurper, contrairement aux empreintes digitales qui

peuvent être copiées.
• Utilisée dans les domaines nécessitant une sécurité maximale (installations militaires,
gouvernementales, bancaires).

3. Stabilité biologique

• La rétine reste inchangée tout au long de la vie, sauf en cas de maladies graves.
• Ne dépend pas des expressions faciales, des blessures ou des cicatrices, contrairement
à d'autres biométries comme la reconnaissance faciale.

4. Hygiène et absence de contact

• Contrairement aux empreintes digitales, cette méthode ne nécessite pas de toucher un

capteur, réduisant ainsi les risques de transmission de maladies.
 Chapitre 2 : Types de biométrie

5. Vitesse d’authentification

• Une fois le système bien calibré, l’identification peut se faire en moins de 2 secondes.

Inconvénients :

1. Coût élevé

• L’équipement nécessaire (scanner rétinien, caméras infrarouges) est très coûteux.

• Maintenance et mise en place nécessitent des experts, ce qui augmente les dépenses.

2. Inconfort et faible acceptabilité sociale

• L’utilisateur doit positionner son œil très près du scanner, ce qui peut être intimidant.
• L’éclairage infrarouge peut provoquer une gêne pour certaines personnes.

3. Sensibilité aux conditions médicales

• Les maladies comme le diabète, le glaucome ou l’hypertension peuvent modifier la

structure des vaisseaux sanguins de la rétine, faussant l'identification.
• Une personne malade ou ayant subi une opération des yeux pourrait rencontrer des
problèmes de reconnaissance.

4. Sensibilité aux conditions environnementales

• Un mauvais alignement de l'œil ou une pupille trop dilatée à cause de la lumière peut
perturber la reconnaissance.
• L’équipement doit être calibré régulièrement pour garantir son bon fonctionnement.

5. Lenteur du processus d'enregistrement

• Contrairement à la reconnaissance faciale ou par empreintes digitales, qui prennent

quelques secondes, l’enregistrement initial de la rétine peut être long.
• L’utilisateur doit fixer un point lumineux pendant plusieurs secondes, ce qui peut être
inconfortable.

6. Risques liés à la confidentialité

• Comme toute donnée biométrique, les images de la rétine doivent être protégées pour
éviter tout vol ou mauvaise utilisation.
• Si ces données sont compromises, il est impossible de "changer" une rétine comme on
le ferait avec un mot de passe.
 Chapitre 2 : Types de biométrie

Comment améliorer cette technologie ?

➢ Réduction des coûts

➢ Amélioration du confort

➢ Meilleure tolérance aux maladies oculaires

➢ Renforcement de la confidentialité

D. Reconnaissance de signature et dynamique de frappe

La reconnaissance de signature et la dynamique de frappe sont des méthodes biométriques
comportementales utilisées pour identifier une personne en analysant son écriture ou sa
manière de taper sur un clavier.

1.Reconnaissance de signature

Elle repose sur l’analyse des caractéristiques uniques d’une signature manuscrite pour
identifier un individu.

Méthodes utilisées :

 Statique : Comparaison d’une image de la signature (comme sur un papier numérisé).

 Dynamique : Analyse des mouvements en temps réel (pression, vitesse, direction du

stylo).

Avantages:

✔️ Facile à utiliser et bien acceptée (signer est un geste naturel).

✔️Moins intrusive que d'autres biométries (empreintes digitales, reconnaissance faciale).
✔️Peut être combinée avec d'autres authentifications (ex. code PIN + signature).

Inconvénients:

✗ Vulnérable à la falsification (les signatures peuvent être imitées si l'analyse n'est pas
dynamique).

✗ Peut être influencée par l’état physique de l’utilisateur (fatigue, stress).

✗ Moins précise que d'autres biométries comme l’empreinte digitale ou l'iris.

 Chapitre 2 : Types de biométrie

Solutions pour améliorer la reconnaissance de signature

• Privilégier la reconnaissance dynamique, plus difficile à falsifier.

• Utiliser l’intelligence artificielle pour améliorer la détection des contrefaçons.

• Associer la signature à un autre facteur d’authentification (ex. mot de passe).

2. dynamique de frappe au clavier

Cette méthode analyse la façon unique dont une personne tape sur un clavier (rythme, vitesse,
pression).

Fonctionnement:

Caractéristiques mesurées :

• Temps de pression des touches (combien de temps une touche est enfoncée).
• Temps entre deux frappes (délai entre la pression de deux touches).
• Motifs de frappe (séquences répétitives, erreurs fréquentes).

Avantages:

✔️ Aucun matériel supplémentaire nécessaire (utilisation d’un clavier standard).

✔️ Peut fonctionner en arrière-plan sans déranger l'utilisateur.
✔️Difficile à imiter, car chaque individu a une frappe unique.

Inconvénients:

✗ Moins précis que les méthodes biométriques physiques (empreintes digitales, iris).

✗ Sensible aux changements de comportement (fatigue, stress, blessure).

✗ Risque de faux positifs (une personne peut taper différemment selon l’humeur ou le
clavier utilisé).

Solutions pour améliorer la dynamique de frappe

• Utiliser des algorithmes d’apprentissage automatique pour mieux détecter les

variations naturelles.

• Associer cette biométrie à une authentification multifactorielle.

 Chapitre 2 : Types de biométrie

• Personnaliser les seuils de tolérance pour s’adapter aux différences de frappe d’un
même utilisateur.

 Algorithmes utilisés en reconnaissance de signature et dynamique de

frappe au clavier

Les méthodes biométriques comportementales, comme la reconnaissance de signature et la

dynamique de frappe, utilisent plusieurs algorithmes d’intelligence artificielle et de traitement
du signal pour assurer une identification précise et fiable.

o Algorithmes en reconnaissance de signature

La reconnaissance de signature peut être statique (analyse d'une image) ou dynamique

(analyse des mouvements en temps réel).

Algorithmes courants :

🔹 Extraction de caractéristiques

📌 Fourier Transform & Wavelet Transform

• Analyse des courbes de la signature pour extraire des caractéristiques comme la fréquence des
traits et la pression du stylo.

📌 Histogramme des directions des traits

• Capture les variations d’angle et la fluidité du mouvement du stylo.

📌 Modèles de transformation affine

🔹
• Utilisés pour tolérer de légères variations dans la signature sans fausses reconnaissances.

Apprentissage automatique (Machine Learning)

📌 Support Vector Machine (SVM)

• Classifie les signatures authentiques et falsifiées en analysant les caractéristiques extraites.

📌 Random Forest

• Utilise plusieurs arbres de décision pour améliorer la robustesse de la détection.

📌 K-Nearest Neighbors (KNN)

• Compare une nouvelle signature aux signatures enregistrées pour trouver la correspondance la
plus proche.
 Chapitre 2 : Types de biométrie

🔹 Apprentissage profond (Deep Learning)

📌 Convolutional Neural Networks (CNN)

• Analyse les images des signatures pour détecter les motifs complexes et repérer les
falsifications.

📌 Recurrent Neural Networks (RNN) / Long Short-Term Memory (LSTM)

• Utilisés pour la reconnaissance dynamique en analysant la séquence des mouvements du stylo.

📌 Autoencoders

• Apprennent à générer des signatures réalistes pour détecter les anomalies.

o Algorithmes en dynamique de frappe au clavier

La dynamique de frappe repose sur l’analyse du rythme et du comportement de l’utilisateur

lorsqu'il tape sur un clavier.

Algorithmes courants :

🔹 Extraction de caractéristiques

📌 Mesures temporelles :

• Temps de pression d’une touche (Dwell Time)

• Temps entre deux frappes successives (Flight Time)
• Vitesse de frappe globale
• Erreurs fréquentes et corrections

• 📌 Analyse des fréquences et des motifs

• Utilisation de Fourier Transform et Wavelet Transform pour identifier les

séquences de frappe.

🔹 Apprentissage automatique (Machine Learning)

📌 Support Vector Machine (SVM)

Classe les profils de frappe selon leurs caractéristiques pour détecter des anomalies.

📌 Random Forest

Combine plusieurs arbres de décision pour améliorer la robustesse du modèle.

 Chapitre 2 : Types de biométrie

📌 K-Means Clustering

• Regroupe les styles de frappe similaires pour différencier les utilisateurs.

• 🔹 Apprentissage profond (Deep Learning)

• 📌 Recurrent Neural Networks (RNN) / LSTM

• Analyse les séquences de frappe sur le temps pour détecter des variations et repérer les
usurpations.

• 📌 Autoencoders

• Utilisés pour identifier les modèles normaux et signaler toute anomalie.

• 📌 Transformer Models

• Appliqués aux longues séquences de frappe pour capturer des schémas plus
complexes.