FACULTE POLYTECHNIQUE
ANALYSE, CONCEPTION ET
REALISATION D’UN SYSTÈME
DE SECURITE BIOMETRIQUE
ccccc
NUKUESE MUKENGE
NGONGO KOLM
ISAAC THADDEE
GEI
GEI
collaboration dans
implémentation de l’implémentation de la
la reconnaissance RF et réalisation de
faciale, l’interface et de la base
présentation des données
TSHITENDE
MUSANGU NGANDU
CIKUYA RYAN
VAINQUEUR
GEI
analyse de Montage vidéo de la
l’empreinte démonstration
digitale
PLAN DE LA PRESENTATION
• Généralités sur les systèmes de sécurité biométriques
• Choix du système adéquat
• Réalisation
PROBLEMATIQUE
L’importance croissante de la sécurité numérique,
comment renforcer la sécurité numérique face aux
menaces actuelles
La Biométrie : Une approche plus sécurisée
Définitions et Principes
• Mesure et analyse des
caractéristiques physiques et
comportementales uniques
• Vérification de l’identité
EMPREINTE DIGITALE : COMMENT CA
MARCHE ?
Architecture générale
• Capteur ZFM-20 : capture l’empreinte (192×128 px, niveaux de gris)
• Arduino Uno : envoie commandes (GetImage, UploadImage) et
transmet les paquets binaires au PC via Serial
• PC (Python + OpenCV + SQLite) : reconstruction + prétraitements,
extraction descripteurs SIFT, comparaison avec la base locale
Acquisition de l’empreinte
• Capture par commande GetImage
• Transmission en 192 paquets × 139 octets = 26688 octets
• Reconstruction en matrice 192×128 → 256×288
• Filtrage qualité : contraste global, netteté, surface utile (pixels),
nombre de points SIFT
• Seuil de qualité : score > 60%
Extraction des caractéristiques
• Algorithme SIFT (Scale-Invariant Feature Transform)
• Chaque descripteur = vecteur de 128 dimensions
• Stockage dans SQLite avec ID unique
• Étape commune : enrôlement (base de données) et reconnaissance
(comparaison)
Comparaison & Décision
• Méthode KNN + Lowe’s Ratio Test :
• Pour chaque descripteur → 2 plus proches voisins
• Correspondance validée si distance1 < 0.75 × distance2
• Critères d’acceptation : ratio > 3%, bons points > 30, distance
moyenne < 170
• Sécurité renforcée
POURQUOI CHOISIR LA • Rapidité et Commodité
RECONNAISSANCE FACIALE ? • Intégration facile
Avantages et applications
TECHNOLOGIES ET
ALGORITHMES
• Intelligence Artificielle (IA)
• Deep Learning
• Réseaux des Neurones
convolutifs (CNN)
ETAPES ET REALISATION DU PROJET
• Analyse des besoins
• Conception de l’architecture du système
• Essais de des algorithmes
• Tests et optimisation
LES DEFIS DE LA
RECONNAISSANCE FACIALE
Défis et Limites
• Conditions d’éclairage
• Occlusion (Masques, Lunettes,
…)
• Vieillissement
• Ethique
SURMONTER LES OBTACLES
Mesures d’atténuation des défis
Solutions techniques:
• Algorithmes robustes
• Imagerie 3D et infrarouge
• Bases des données diversifiées
Solution règlementaire:
• Consentement informé
RESULTATS ET EVALUATION DES
PERFORMANCES
• Haut taux de reconnaissance pour les
deux modalités
• Performances rapides en temps réels
• Sensibilité à la qualité d’images(flou,
mal aligné,…)
DISCUSSION ET PERSPECTIVES
Fiabilité et Robustesse du système
dd
• Qualité d’image ( image ISO)
Performances en conditions réelles
• Temps de réponses ( 4.5 s )
Limitations identifiées
• Latence élevée
• Exigence matérielle (GPU)
• Images partiellement masquées
Perspectives d’amélioration
• Passage au Deep Learning (CNN)
• Sécurité des données (BD Sqlite)
MERCI POUR VOTRE ATTENTION
