Memoire Online - Conception et mise en place d'une plateforme de sécurisation par synthese et reconnaissance biométrique de documents de traffic

La biométrie est un ensemble des technologies (appelée les technologies biométriques) qui exploitent des caractéristiques humaines physiques ou comportementales telles que l'empreinte digitale, la signature, l'iris, la voix, le visage, la démarche, et un geste de main pour différencier des personnes. Ces caractéristiques sont traitées par certain ordre des processus automatisés à l'aide des dispositifs comme des modules de balayage ou des appareils - photos. A la différence des mots de passe ou des PINs (numéros d'identification personnelle) qui sont facilement oubliés ou exposés à l'utilisation frauduleuse, ou des clefs ou des cartes magnétiques qui doivent être portées par l'individu et sont faciles à être volées, copiées ou perdues, ces caractéristiques biométriques sont uniques à l'individu et il y a peu de possibilité que d'autres individus peuvent remplacer ces caractéristiques, donc les technologies biométriques sont considérées les plus puissantes en termes de sécurité.

En plus les mesures biométriques sont confortables parce qu'elles n'ont pas besoin d'être portées séparément. De telles caractéristiques peuvent être bien employées pour obtenir l'identification/authentification pour accéder à des systèmes tels ATMs (guichet automatique). La biométrie se prouve également comme outil puissant d'identification/vérification aux scènes de crime dans le secteur juridique.

Un système biométrique est essentielle un système de reconnaissance de formes qui fonctionne en acquérant des données biométriques à partir d'un individuel, extrayant un ensemble de caractéristiques à partir des données acquises, et comparant ces caractéristiques contre la signature dans la base de données. Selon le contexte d'application, un système biométrique peut fonctionner en mode de vérification ou mode d'identification :

· Vérification : le système valide l'identité d'une personne en comparant les données biométriques capturées à sa propre base de données. Dans un tel système, un individu qui désire être identifié réclame une identité, habituellement par l'intermédiaire d'un PIN (numéro d'identification personnelle), d'un nom d'utilisateur, ..., et le système conduit une comparaison d'un - à - un pour déterminer si la réclamation est vraie ou faux (est - ce que ces données biométriques appartiennent à tel ?)

· Identification : le système identifie un individu en recherchant les signatures (Template) de tous les utilisateurs dans la base de données. Par conséquent, le système conduit plusieurs des comparaisons pour établir l'identité d'un individu (ou échoue si le sujet n'est pas inscrit dans la base de données de système) sans devoir soumis réclamer une identité.

En général, tous les systèmes biométriques partagent le même schéma de fonctionnement. Ils se composent tous de deux processus suivant :

0.1. Problématique

L'ingénieur étant une personne capable d'apporter toujours des solutions aux problèmes de sa nation, nous nous sommes proposés de concevoir et de mettre en place un système de reconnaissance biométrique des empreintes digitales qui va rendre l'authenticité des documents de trafic tels le passeport ou autres documents aux citoyens détenteurs.

Comme il y a tant des fraudes des documents de trafic, la reconnaissance biométrique des empreintes digitales est idéale pour résoudre le problème de la sécurité lorsqu'on effectue des trafics via différentes frontières. Nous allons donc concevoir et mettre en place un système de reconnaissance biométrique qui va minimiser les fraudes.

Nous nous permettons ici d'évoquer les besoins aux quels notre système de reconnaissance d'empreinte doit répondre :

§ Doit donner des résultats corrects de la reconnaissance d'une manière claire et nette ;

0.2. Hypothèse de la recherche

Selon Pinto - R^1(*), « l'hypothèse est une proposition des réponses aux questions que l'on se pose à propos de l'objectif de recherche formulé tels que l'observation des faits et l'analyse des données puisse fournir une réponse précise »

Dans le cadre de travail et eu égard à la problématique évoquée ci - dessus, nous émettons les hypothèses suivantes, à priori, qui apparaissent dans les lignes suivantes :

Ø Quelle est la technologie de la reconnaissance biométrique la plus efficace ?

Ø Quels sont les problèmes rencontrés lors de la reconnaissance biométrique des empreintes digitales ?

Tout au long de notre travail, nous continuerons à développer ces différentes réponses.

0.3. Méthodologie de la recherche

Comme tout travail intellectuel, nous avons utilisé une méthode d'analyse scientifique et descriptive ainsi qu'une technique documentaire qui est d'une importance capitale car elle nous a permis de récolter différentes données dans les revues, articles, ouvrages, mémoires et autres sources qui peuvent nous fournir des informations nécessaires à la réalisation de ce travail.

0.4. Choix et intérêt du sujet

Notre travail s'inscrit dans le cadre d'une conception et mise en place d'une plateforme de sécurisation par synthèse et reconnaissance biométrique des documents de trafic. Partant de certitude, nous disons que ce sujet revêtant d'une importance capitale a attiré notre attention car, il nous permet de connaitre et de comprendre explicitement le fonctionnement d'un système de reconnaissance biométrique en général et celui de reconnaissance des empreintes digitales en particuliers proposant la sécurité des certains documents de trafic pour minimiser la fraude.

Chapitre I. GENERALITE SUR LA BIOMETRIE

I.1. Préambule

Les systèmes biométriques sont de plus en plus utilisés depuis quelques années. L'apparition de l'ordinateur et sa capacité à traiter et à stocker des données ont permis la création des systèmes biométriques informatisés. Il existe plusieurs caractéristiques physiques uniques pour un individu, ce qui explique la diversité des systèmes appliquant la biométrie, selon ce que l'on prend en compte :

Nous allons voir dans ce chapitre, les principales technologies biométriques, puis nous allons nous focaliser sur les systèmes de reconnaissance des empreintes digitales, leurs avantages et les problèmes liés à leurs applications.

I.2. La biométrie

I.2.1. Définition

La biométrie peut être définie comme étant « la reconnaissance automatique d'une personne en utilisant des traits distinctifs ». Une autre définition de la biométrie est « toutes caractéristiques physiques ou traits personnels automatiquement mesurables, robustes et distinctives qui peuvent être utilisées pour identifier ou pour vérifier l'identité prétendue d'un individu » [1].

La biométrie consiste en l'analyse mathématique des caractéristiques biologiques d'une personne et a pour objectif de déterminer son identité de manière incontestable. Contrairement à ce que l'on sait ou ce que l'on possède, la biométrie est basée sur ce que l'on est et permet ainsi d'éviter la duplication, le vol, l'oubli ou la perte.

· L'identification, elle permet d'établir l'identité d'une personne à partir d'une base de données, le système biométrique pose et essaye de répondre à la question, « qui est la personne X ? », il s'agit d'une comparaison du type un contre plusieurs (1 : N).

· La vérification ou l'authentification, le système biométrique demande à l'utilisateur son identité et essaye de répondre à la question, « est - ce la personne X ? ». Dans une application de vérification, l'utilisateur annonce son identité par l'intermédiaire d'un mot de passe, d'un numéro d'identification, d'un nom d'utilisateur, ou toute combinaison des trois. Le système sollicite également une information biométrique provenant de l'utilisateur, et compare la donnée caractéristique obtenue à partir de l'information entrée, avec la donnée enregistrée correspondante à l'identité prétendue, c'est une comparaison un à un (1 :1). Le système trouvera ou ne trouvera pas d'appariement entre les deux. La vérification est communément employée dans des applications de contrôle d'accès et de paiement par authentification [2].

La biométrie offre beaucoup plus d'avantages que les méthodes existantes d'authentification (ID), les mots de passe et les cartes magnétiques. En effet, elle fournit encore plus de sûreté et de convenance ce qui engendre d'énormes avantages économiques et elle comble les grandes failles de sécurité des mots de passe.

I.3. Le marché mondial de la biométrie

Régulièrement, un rapport sur le marché de la biométrie est édité par IBG (International Biometric Group). Cette étude est une analyse complète des chiffres d'affaires, des tendances de croissance, et des développements industriels pour le marché de la biométrie actuel et futur.

La lecture de ce rapport est essentielle pour des établissements déployant la technologie biométrique, les investissements dans les entreprises biométriques, ou les développeurs de solutions biométriques. Le chiffre d'affaires de l'industrie biométrique incluant les applications judiciaires et celles du secteur public, se développe rapidement. Une grande partie de la croissance sera attribuable au contrôle d'accès aux systèmes d'information (ordinateur/réseau) et au commerce électronique, bien que les applications du secteur public continuent à être une partie essentielle de l'industrie.

On prévoit que le chiffre d'affaires des marchés émergents (accès aux systèmes d'information, commerce électronique et téléphonie, accès physiques et surveillance) dépasse le chiffre d'affaires des secteurs plus matures (identification criminelle et identification des citoyens).

I.4. Les parts de marché par technologies

Les empreintes digitales continuent à être la principale technologie biométrique en termes de part de marché, près de 50% du chiffre d'affaires total (hors applications judiciaires), dépasse la reconnaissance de la main, qui avait avant la deuxième place en termes de sources de revenus après les empreintes digitales.

Figure I.2 : Parts de marché des différentes méthodes biométriques [3].

I.5. Les techniques biométriques

Il existe plusieurs techniques biométriques utilisées dans plusieurs applications et secteurs, on peut en distinguer deux catégories :

I.5.1. L'analyse morphologique (physiologique)

Elle est basée sur l'identification de traits physiques particuliers qui, pour toute personne, sont uniques et permanents. Cette catégorie regroupe l'iris de l'oeil, le réseau veineux de la rétine, la forme de la main, les empreintes digitales, les traits du visage, les veines de la main, etc.

I.5.2. L'analyse comportementale

Elle se base sur l'analyse de certains comportements d'une personne. Cette catégorie regroupe la reconnaissance vocale, la dynamique de frappe au clavier, la dynamique de la signature, l'analyse de la démarche, etc. Il existe, par ailleurs,

une autre catégorie qui est l'étude des traces biologiques telles que : l'ADN, le sang, la salive, l'urine, l'odeur, etc.

I.6. Architecture d'un système biométrique

Il existe toujours au moins deux modules dans un système biométrique : le module d'apprentissage et celui de reconnaissance [4] [5]. Le troisième module est le module d'adaptation. Pendant l'apprentissage, le système ca acquérir une ou plusieurs mesures biométriques qui serviront à construire un modèle de l'individu. Ce modèle de référence servira de point de comparaison lors de la reconnaissance. Le modèle pourra être réévalué après chaque utilisation grâce au module d'adaptation.

I.6.1. Module d'apprentissage

Au cours de l'apprentissage, la caractéristique biométrique est tout d'abord mesurée grâce à un capteur ; on parle d'acquisition ou de capture. En général, cette capture n'est pas directement stockée et des transformations lui sont appliquées. En effet, le signal contient de l'information inutile à la reconnaissance et seuls les paramètres pertinents sont extraits. Le modèle est une représentation compacte du signal qui permet de faciliter la phase de reconnaissance, mais aussi de diminuer la quantité de données à stocker.

Il est à noter que la qualité du capteur peut grandement influencer les performances du système. Meilleure est la qualité du système d'acquisition, moins il y aura de prétraitements à effectuer pour extraire les paramètres du signal. Cependant, les capteurs de qualité sont en général coûteux et leur utilisation est donc limitée à des applications de haute sécurité pour un public limité. Le modèle peut être stocké dans une base de données.

I.6.2. Module de reconnaissance

Au cours de la reconnaissance, la caractéristique biométrique est mesurée et un ensemble de paramètres est extrait comme lors de l'apprentissage (figure 3). Le capteur utilisé doit avoir des propriétés aussi proches que possibles du capteur utilisé durant la phase d'apprentissage. Si les deux capteurs ont des propriétés trop différentes, il faudra en général appliquer une série de prétraitements supplémentaires pour limiter la dégradation des performances. La suite de la reconnaissance sera différente suivant le mode opératoire du système : identification ou vérification.

En mode identification, le système doit deviner l'identité de la personne. Il répond donc à la question de type : « Qui suis - je ? ». Dans ce mode, le système compare le signal mesuré avec les différents modèles contenus dans la base de données (problème de type 1 : N). En général, lorsque l'on parle d'identification, on suppose que le problème est fermé, c'est - à - dire que toute personne qui utilise le système possède un modèle dans la base de données.

En mode vérification, le système doit répondre à une question de type : « Suis - je bien la personne que je prétends être ? ».

L'utilisateur propose une identité au système et le système doit vérifier que l'identité de l'individu est bien celle proposée. Il suffit donc de comparé le signal avec un seul des modèles présents dans la base de données (problème de type 1 : 1). En mode vérification, on parle de problème ouvert puisque l'on suppose qu'un individu qui n'a pas de modèle dans la base de données (imposteur) peut chercher à être reconnu.

Identification et vérification sont donc deux problèmes différents. L'identification peut - être une tâche redoutable lorsque la base de données contient des milliers, voire des millions d'identités, tout particulièrement lorsqu'il existe des contraintes de type « temps réel » sur le système. Ces difficultés sont analogues à celles que connaissent par exemple les systèmes d'indexation de documents multimédia.

Figure I.3 : Phase de reconnaissance d'un système des empreintes digitales.

I.6.3. Module d'adaptation

Pendant la phase d'apprentissage, le système biométrique ne capture souvent que quelques instances d'un même attribut afin de limiter la gêne pour l'utilisateur. Il est donc difficile de construire un modèle assez général capable de décrire toutes les variations de cet attribut. De plus, les caractéristiques de cette biométrie ainsi que ses conditions d'acquisition peuvent varier. L'adaptation est donc nécessaire pour maintenir voire améliore la performance d'un système utilisation après utilisation. L'adaptation peut se faire en mode supervisé ou non - supervisée mais le second mode est de loin le plus utile en pratique.
Si un utilisateur est identifié par le module de reconnaissance, les paramètres extraits du signal serviront alors à ré - estimer son modèle. En général, le taux d'adaptation dépend du degré de confiance du module de reconnaissance dans l'identité de l'utilisateur. Bien entendu, l'adaptation non - supervisée peut poser problème en cas d'erreurs du module de reconnaissance. L'adaptation est quasi indispensable pour le les caractéristiques non permanentes comme la voix [6].

I.7. Présentation de quelques technologies biométriques

Aucune biométrie unique ne pouvait répondre efficacement aux besoins de toutes les applications d'identification. Un certain nombre de techniques biométriques ont été proposées, analysées et évaluées. Chaque biométrie à ses forces et ses limites, et en conséquence, chaque biométrie est utilisée dans une application particulière. Pour les caractéristiques physiques, nous décrirons la reconnaissance de visage, les empreintes digitales, la géométrie de la main et l'iris. Pour les caractéristiques comportementales, nous décrirons les biométries basées sur la voix et la signature.

Il existe d'autres systèmes biométriques basés sur les veines de la main, l'A.D.N, l'odeur corporelle, la forme de l'oreille, la forme des lèvres, le rythme de frappe sur un clavier, la démarche, qui ne seront pas développées dans ce chapitre.

I.7.1. Les empreintes digitales

A l'heure actuelle, la reconnaissance des empreintes digitales est la méthode biométrique la plus utilisée. Les empreintes digitales sont composées de ligne localement parallèles présentant des points singuliers (minuties) et constituent un motif unique, universel et permanent. Pour obtenir une image de l'empreinte d'un doigt, les avancées technologiques ont permis d'automatiser la tâche au moyen de capteurs intégrés, remplaçant ainsi l'utilisation classique de l'encre et du papier. Ces capteurs fonctionnant selon différents mécanismes de mesure (pression, champ électrique, température) permettent de mesurer l'empreinte d'un doigt fixe positionné sur ce dernier (capteur matriciel) ou en mouvement (capteurs à balayage).

L'image d'empreinte d'un individu est capturée à l'aide d'un lecteur d'empreinte digitale puis les caractéristiques sont extraites de l'image puis un modèle est créé. Si des précautions appropriées sont suivies, le résultat est un moyen très précis d'authentification.

Les techniques d'appariement des empreintes digitales peuvent être classées en deux catégories : les techniques basées sur la détection locale des minuties et les techniques basées sur la corrélation. L'approche basée sur les minuties consiste à trouver d'abord les points de minuties puis trace leurs emplacements sur l'image du doigt (figure I.4).

Cependant, il y a quelques difficultés avec cette approche lorsque l'image d'empreinte digitale est d'une qualité médiocre, car l'extraction précise des points de minutie est difficile. Cette méthode ne tient pas en compte la structure globale de crêtes et de sillons. Les méthodes basées sur la corrélation sont capables de surmonter les problèmes de l'approche fondée sur les minuties. Ces méthodes utilisent la structure globale de l'empreinte, mais les résultats sont moins précis qu'avec les minuties. De plus, les techniques de corrélations sont affectées par la translation et rotation de l'image de l'empreinte. C'est pour cela que les deux approches sont en général combinées pour augmenter les performances du système.

I.7.2. La voix

De tous les traits humains utilisés dans la biométrie, la voix est celle que les humains apprennent à reconnaitre dès le plus jeune âge. Les systèmes de reconnaissance de locuteur peuvent être divisés en deux catégories : les systèmes dépendant du texte prononcé et les systèmes indépendants du texte. Dans le premier cas, l'utilisateur est tenu d'utiliser un texte (un mot ou une phrase)fixe prédéterminé au cours des séances d'apprentissage et de reconnaissance. Alors que, pour un système indépendant du texte le locuteur parle librement sans texte prédéfini.
Cette dernière catégorie est plus difficile, mais elle est utile dans le cas où l'on a besoin de reconnaitre un locuteur sans sa coopération. La recherche sur la reconnaissance de locuteur est en pleine croissance, car elle ne nécessite pas de matériel cher, puisque la plupart des ordinateurs personnels de nos jours sont équipés d'un microphone. Toutefois, la mauvaise qualité et le bruit ambiant peuvent influencer la vérification et par suite réduire son utilisation dans les systèmes biométriques.

Dans un système de reconnaissance vocal, le signal est premièrement mesuré puis décomposé en plusieurs canaux de fréquences passe - bande. Ensuite, les caractéristiques importantes du signal vocal sont extraites de chaque bande. Parmi les caractéristiques les plus communément utilisées sont les coefficients Cepstraux. Ils sont obtenus par le logarithme de la transformée de Fourier du signal vocal dans chaque bande. Finalement, la mise en correspondance des coefficients Cepstraux permet de reconnaitre la voix. Dans cette étape, généralement on fait appel à des approches fondées sur les modèles de Markov cachés, la quantification vectorielle, ou la déformation temps dynamique.

I.7.3. L'iris

L'utilisation de l'iris comme caractéristique biométrique unique de l'homme a donné lieu à une technologie d'identification fiable et extrêmement précise. L'iris est la région, sous forme d'anneau, située entre la pupille et le blanc de l'oeil, il est unique. L'iris a une structure extraordinaire et offre de nombreuses caractéristiques de texture qui sont uniques pour chaque individu. Les algorithmes utilisés dans la reconnaissance de l'iris sont si précis que la planète toute entière pourrait être inscrite dans une base de données de l'iris avec peu d'erreurs d'identification.
L'image de l'iris est généralement capturée à l'aide d'une caméra standard. Cependant, cette étape de capture implique une coopération de l'individu. De plus, il existe plusieurs contraintes liées à l'utilisation de cette technologie. Par exemple, il faut s'assurer que l'iris de l'individu est à une distance fixe et proche du dispositif de capture, ce qui limite l'utilisation de cette technologie.

I.7.4. La signature

La vérification de la signature analyse la façon dont un utilisateur signe son nom. Les caractéristiques dynamiques de la signature comme la vitesse et la pression, sont aussi importantes que la forme géométrique de la signature. Dans la vérification de signature statique, seules les formes géométriques de la signature sont utilisées pour authentifier une personne. Dans cette approche, en règle générale, la signature est normalisée à une taille connue ensuite décomposée en éléments simples.
La forme et les relations de ses éléments sont utilisées comme caractéristiques d'identification. Quant à la deuxième approche de la vérification de signature elle utilise, en plus de la forme géométrique, les caractéristiques dynamiques telles que l'accélération, la vitesse et les profils de trajectoire de la signature. Il est à noter que la signature est une biométrie comportementale, elle évolue dans le temps et est influencée par les conditions physiques et émotionnelles de la personne.

I.7.5. La géométrie de la main

La géométrie de la main est une technologie biométrique récente. Comme son nom l'indique, elle consiste à analyser et à mesurer la forme de la main, c'est - à - dire mesurer la longueur, la largeur et la hauteur de la main d'un utilisateur et de créer une image 3-D. Des LEDs infrarouges et un appareil - photo numérique sont utilisés pour acquérir les données de la main.

Cette technologie offre un niveau raisonnable de précision et est relativement facile à utiliser. Cependant, elle peut être facilement trompée par des jumeaux ou par des personnes ayant des formes de la main proches. Les utilisations les plus populaires de la géométrie de la main comprennent l'enregistrement de présence et le contrôle d'accès. Par contre, les systèmes de capture de la main sont relativement grands et lourds, ce qui limite leur utilisation dans d'autres applications comme l'authentification dans les systèmes embarqués : téléphones portables, voitures, ordinateurs portables, etc.

I.7.6. Le visage

Nos visages sont des objets complexes avec des traits qui peuvent varier dans le temps. Cependant, les humains ont une capacité naturelle à reconnaitre les visages et d'identifier les personnes dans un coup d'oeil. Bien sûr, notre capacité de reconnaissance naturelle s'étend au - delà de la reconnaissance du visage, où nous sommes également en mesure de repérer rapidement des objets, des sons ou des odeurs. Malheureusement, cette aptitude naturelle n'existe pas dans les ordinateurs. C'est ainsi qu'est né le besoin de simuler artificiellement la reconnaissance afin de créer des systèmes intelligents autonomes. Simuler notre capacité naturelle de la reconnaissance faciale dans les machines est une tâche difficile mais pas impossible. Tout au long de notre vie, de nombreux visages sont vus et conservés naturellement dans nos mémoires formant une sorte de base de données.

La reconnaissance faciale par ordinateur nécessite également une base de données qui est habituellement construire en utilisant des images du visage ou parfois des images différentes d'une même personne pour tenir compte des variations dans les traits du visage. Les systèmes actuels de reconnaissance faciale sont composés d'un module d'acquisition d'images avec une caméra. Il procède d'abord à une détection du visage dans l'image acquise. Ensuite, l'image du visage détectée est normalisée pour être transmise au module de reconnaissance qui va la traiter en utilisant des algorithmes afin d'extraire une signature faciale.

Finalement, cette signature est comparée, à l'aide d'un classificateur, avec les signatures déjà existantes dans une base de données locale, afin d'identifier l'individu en question. Les différentes étapes de la reconnaissance faciale sont illustrées dans la figure I.9.Durant la dernière décennie de recherche, la performance des systèmes de reconnaissance faciale s'est grandement améliorée, mais les résultats sont encore loin d'être parfaits. Ces systèmes sont très sensibles aux variations d'illumination et de pose.

I.8. Reconnaissance des empreintes digitales.

La reconnaissance des empreintes digitales est tâche que les humains effectuent naturellement sans effort dans leurs vies quotidiennes. La grande disponibilité d'ordinateur puissants et peu onéreux ainsi que des systèmes informatiques embarqués ont suscité un énorme intérêt dans le traitement automatique des empreintes digitales au sein de nombreuses applications, incluant l'identification biométrique, l'interaction homme - machine, la gestion de données multimédia.
La reconnaissance des empreintes digitales, en tant qu'une des technologies de base, a pris une part de plus en plus importante dans le domaine de la recherche, ceci étant dû aux avances rapides dans des technologies telles les dispositifs mobiles, les ordinateurs portables, des scanner d'identification des empreintes digitales, des guichets automatiques pour certificat administratif à authentification, ... le tout associé à des besoins en sécurité sans cesse en augmentation.

La reconnaissance des empreintes digitales possède plusieurs avantages sur les autres technologies biométriques : petite taille facilitant son intégration dans la majorité des applications (téléphones portables, ordinateurs portables), faible coûts des grâce aux nouveaux capteurs, facile à utiliser, ...

Idéalement, un système de reconnaissance des empreintes digitales doit pouvoir identifier des empreintes dans une base de données de manière automatique. Le système peut opérer dans les deux modes suivants : authentification ou identification.

I.8.1. Approches globales

La particularité des algorithmes basés sur l'apparence, c'est l'utilisation directe des valeurs d'intensité des pixels de l'image entière de l'empreinte digitale comme caractéristique sur lesquelles la décision de reconnaissance sera fondée. L'inconvénient de cette méthode c'est la taille importante des données à traiter. Par ailleurs, les méthodes globales peuvent être à leur tour classifiées en deux grandes catégories à savoir les méthodes linéaires et les méthodes non linéaires. Ces méthodes appelées aussi méthodes de projections sont baseées sur sur la décomposition de l'empreinte digitale sur un sous espace réduit et sur la recherche d'un vecteur de caractéristiques optimal décrivant l'empreinte digitale à connaitre.

I.8.2. Méthodes locales

Les méthodes locales, basées sur des modèles, utilisent des connaissances a priori que l'on possède sur la morphologie de l'empreinte digitale et s'appuient en sur des points caractéristiques de celui - ci. Kanade présenta un des premiers algorithmes de ce type [7]en détectant certains points ou caractéristiques d'une empreinte digitale puis en les comparants avec des paramètres extraits d'autres empreintes digitales.

I.8.3. Méthodes hybrides

Les méthodes hybrides permettent d'associer les avantages des méthodes globales et locales en combinant la détection de caractéristiques géométriques (ou structurales) avec l'extraction de caractéristique d'apparence locales. L'analyse de caractéristiques locales (LFA) [8] et les caractéristiques extraites par ondelettes de Gabor (comme l'ElasticBunch Graph Matching, EBGM), sont des algorithmes hybrides typiques.

Plus récemment, l'algorithme Log Gabor PCA (LG - PCA) [9] effectue une convolution avec des ondelettes de Gabor orientées autour de certains points caractéristiques de l'empreinte digitale afin de créer des vecteurs contenant la localisation et la valeur d'amplitudes énergétiques locales ; vecteurs sont ensuite envoyés dans un algorithmes PCA afin de réduire la dimensions des données.

I.9. Principales difficultés de la reconnaissance des empreintes digitales

Pour le cerveau humain, les processus de la reconnaissance des empreintes digitales est une tâche visuelle de haut niveau. Bien que les êtres humains puissent détecter et identifier des empreintes digitales dans une scène sans beaucoup de peine, construire un système automatique qui accomplit de telles tâches représente un sérieux défi. Ce défi est d'autant plus grand lorsque les conditions d'acquisition des empreintes sont très variables. Il existe deux types de variations associées aux images des empreintes digitales : 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. Elle peut être attribuée à plusieurs facteurs que nous analysons ci - dessous.

I.9.1. Présence ou absence des composants structurels

La présence des composants structurels telle que la blessure ou bien d'autres substances peut modifier énormément les caractéristiques d'empreinte digitale telle que la forme ou la taille de l'empreinte digitale. De plus, ces composants peuvent cacher les caractéristiques d'empreintes digitales de base causant ainsi une défaillance du système de reconnaissance.

Chapitre II. TECHNIQUE DE DETECTION ET VERIFICATION PAR RECONNAISSANCE DES EMPREINTES DIGITALEES.

II.1. Préambule.

Dans ce chapitre, nous présenterons un état de l'art sur les techniques de détection des empreintes digitales et les différentes méthodes les plus connues de reconnaissance des empreintes digitales. Enfin, nous terminerons le chapitre par la présentation de l'image d'empreinte digitale et prise de décision.

II.2. Définition de problème de vérification.

Ici, nous allons considérer le problème de vérification biométrique de manière plus formelle. Dans un problème de vérification, le signal biométrique qui parvient de l'utilisateur est comparé avec un seul gabarit enregistré. Ce gabarit est choisi en fonction de l'identité de l'utilisateur. Chaque utilisateur i est représenté par sa biométrie B_i. L'extraction des caractéristiques va résulter en une représentation machine T_ide la biométrie capturée. Durant la vérification, l'utilisateur énonce son identité j et fournit un signal biométrique T_j. La reconnaissance se fait en calculant le score de similarité S (T_i,T_j). L'identité annoncée est supposée être réelle si S (T_i, T_j) >th avec th un seuil (threshold) de comparaison choisi ; son choix détermine un compromis entre la convenance de l'utilisateur et la sécurité du système comme il sera vu dans le paragraphe suivant.

II.2.1. Evaluation de performance.

La performance d'un système biométrique peut se mesurer principalement à l'aide de trois critères : sa précision, son efficacité (temps exécution) et le volume de données qui doit être stocké pour chaque locuteur. Nous nous concentrons sur le premier aspect.

II.2.2. Evaluation de la vérification

Lorsqu'un système fonctionne en mode vérification, celui - ci peut faire deux types d'erreurs. Il peut rejeter un utilisateur légitime et dans ce premier cas, on parle de faux rejet (false rejection). Il peut aussi accepter un imposteur et on parle dans ce cas de fausse acceptation (false acceptance). La performance d'un système se mesure donc à son taux de faux rejets (False Rajection Rate ou FRR) et à son taux de fausse acceptation (False Acceptance Rate ou FAR).

Idéalement, un système devrait avoir des FARs et des FRRs égaux à zéro [10]. Le problème de vérification peut être formulé de la manière suivante :
Soient H₀ l'hypothèse : « la capture C provient d'un imposteur » et H₁ l'hypothèse : « la capture C provient de l'utilisateur légitime ». Il faut donc choisir l'hypothèse la plus probable.

On considère que la capture Cprovient d'un utilisateur légitime si P(H₁/C)>P(H₀/C). En appliquant la loi de Bayes, on obtient :

et donc

Le taux de vraisemblance (likelihood ratio)

est comparé à un seuil èappeléseuil de décision.

La courbe dite réceptrice des caractéristiques de fonctionnement (ROC : Receiver Operating Characteristic), représentée à la figure II.1, permet de représenter graphiquement la performance d'un système de vérification pour les différentes valeurs de è. Le taux d'erreur d'égal (EqualErrot Rate ou EER) correspond au point FAR - FRR, c'est - à - dire graphiquement à l'intersection de la courbe ROC avec la première bissectrice. Ce taux est fréquemment utilisé pour donner un aperçu de la performance d'un système biométrique. Le seuil è doit donc être ajusté en fonction de l'application ciblée : haute sécurité, basse sécurité ou compromis entre les deux.

II.3. Les empreintes digitales comme modalité biométrique

La reconnaissance d'empreinte digitale est la technique biométrique la plus ancienne et c'est l'une des plus matures. L'empreinte digitale se présente comme une alternance de crêtes et de vallées. Leurs formations dépendent des conditions initiales du mésoderme embryonnaire à partir duquel elles se développent. Elles ne sont pas totalement déterminées par la génétique puisque même des jumeaux monozygotes ont des empreintes différentes [11]. Les empreintes ont formellement été acceptées comme identificateur de personnes valide dès le début du 20^ème siècle. Elles ont d'abord étaient utilisées dans les milieux juridiques, avant de devenir une technique d'authentification effective. L'histoire des empreintes est longue, elle s'amoncelle depuis l'ère égyptienne. Nous donnons ici un bref aperçu[12]:

§ Les empreintes n'ont pas été décrites sur les manuscrits jusqu'au 17^ème siècle. En 1686, Marcello Malpighi un professeur d'anatomie à l'université de Bologne (Italie) décrit les crêtes papillaires dans son traité.

§ En 1888, le Britannique F. Galton, un anthropologue anglais et cousin de Charles Darwin démontre la permanence du dessin papillaire de la naissance à la mort ainsi que son inaltérabilité. Cet arrangement particulier des lignes papillaires forme des points caractéristiques nommés minuties ou points de Galton qui sont à l'origine de l'individualité des dessins d'empreintes. En se basant sur ses calculs, la probabilité pour que les empreintes de deux individus différents se correspondent est de 10^-24.

§ En 1901, les empreintes furent introduites pour l'identification de criminels en Grande Bretagne. Les observations de Galton et leur révision par Edward Henry ont été utilisées. Cela marque le fondement du système de classification de Henry [13].

Depuis lors, en admettant son unicité, l'empreinte digitale a été reçue comme une méthode légale d'identification de personnes par la plupart des pays du monde. L'utilisation des empreintes digitales s'est d'abord manifestée de façon manuelle par des experts entraînés. L'exactitude de leurs résultats est indiscutable, seul inconvénient majeur le temps requis pour examiner des fichiers volumineux. L'avènement de l'ordinateur et les progrès récents réalisés dans le domaine de la reconnaissance des formes ont aidé à développer un système d'identification automatique : Les AFIS (AutomaticFingerprint Identification System) dont le plus connu est sans doute le logiciel NIST utilisé en grande partie par le FBI [14]. Ces systèmes ont considérablement amélioré la productivité opérationnelle des agences de loi et ont réduit le coût d'employer et de former les experts d'empreintes digitales. Aujourd'hui des nouvelles technologies pour la surveillance apparaissent plébiscitées par un besoin accru de contrôle et de surveillance, et une avancée dans le domaine des capteurs embarqués. Les empreintes digitales sont utilisées à 50%.

II.4. Définition d'une empreinte digitale

L'empreinte digitale, Figure II.2, est constituée de crêtes qui définissent des lignes. Ces lignes définissent elles - mêmes des formes générales qui constituent trois classes principales, figure II.3 :

· Les boucles : les lignes ont un trajet récurent et reviennent aux bords s dont elles sont parties.

· Les verticilles : les lignes présentent un trajet plus au moins spiralé et limité vers les bords du doigt

Figure II.3. Les différents type d'empreintes : (a) image de type arc, (b) image de type boucle et (c) image de type spiral.

Les empreintes digitales sont entièrement formées à environ sept mois du développement du foetus et les configurations des crêtes du doigt ne changent pas à moins d'accidents telles que des contusions et des coupes sur les bouts du doigt. Cette propriété fait des empreintes digitales une marque biométrique très attrayante. En pratique, on préférera extraire les caractéristiques principales suivantes [15]:

Les minuties : Les empreintes digitales présentent plusieurs types de points dont la détermination repose sur des règles précises et complexes. Les bifurcations et les fins de crêtes permettent la reconstitution de toutes les minuties, toute autre minutie peut se composer de combinaison de bifurcations et de fins de crêtes. Par exemple, les anneaux peuvent être visualisés en tant que deux bifurcations qui se superposent en un ilot peut être représenté par deux fins de crêtes à courte distance, figure II.4.

Comme l'illustre la figure II.4, on distingue quatre familles de crêtes : les coupures, les divisions, les anneaux et les ilots qui se subdivisent selon leur forme telles que représentées ci - dessous :

- Le centre : le centre est de lieu de courbure maximale des lignes d'empreinte les plus internes. Il est aussi appelé le point core.

- Les deltas : un delta est proche du lieu où se séparent deux lignes d'empreintes vérifiant les propriétés suivantes : ces lignes se séparent suivant deux directions orthogonales et sont les lignes les plus internes vérifiant la propriété précédente.

II.4.1. Extraction des caractéristiques

La représentation des attributs de l'empreinte constitue la phase la plus cruciale lors de la conception d'un système de vérification. La représentation détermine nettement la précision du système. Les systèmes existants se basent sur les détails des minuties, les descripteurs de texture ou sur la représentation de l'image entière [16]. Il reste néanmoins que les minuties sont de loin les attributs les plus largement utilisés. Les minuties marquent des points de discontinuités locales (figure II.6). Dans ce travail, c'est le modèle d'identification qui sera utilisé, il repose sur deux types minuties : les terminaisons qui marquent les fins de crêtes et les bifurcations qui correspondent aux points où la crête se diverge.

Les avantages d'une représentation par minuties peuvent être énumérés par les points suivants :

· Les experts légistes utilisent aussi les détails de minuties pour comparer deux empreintes.

· La représentation en minuties est couverte par différents standards comme le ANSI - NIST et le CBEFF^2(*) ce qui assure l'interopérabilité des différents algorithmes de reconnaissance.

· L'appariement basé sur les minuties possède des performances comparables à celles des algorithmes de corrélation sophistiqués. Cependant, alors que les algorithmes basés sur la corrélation nécessitent des gabarits de grande taille, les minuties requièrent une représentation très compacte qui dépasse rarement 1KO.

· Les minuties ont été historiquement prouvées comme étant distinctives entre deux individus et différents modèles théoriques existent fournissant des approximations raisonnables de cette individualité [17]. De tels modèles n'ont jamais été décrits pour des descripteurs basés sur la texture ou sur l'image tout entière.

· Les minuties sont des informations locales qui ne dépendent pas de détails globaux comme le point core. En effet, ces singularités particulières sont difficiles à estimer surtout pour des images de faible qualité.

· Les points minuties sont invariants par rapport aux déplacements et aux rotations contrairement aux attributs de texture.

II.4.2. Les approches d'extraction à partir de l'image en niveau de gris.

Peu d'approches d'extraction de minuties ne suivent pas le schéma conforme de binarisation - squelettisation ont été proposées :

M.T. Leung et al introduisent dans [18] un réseau de neurones pour la détection des minuties. Une autre approche plus directe a été proposée par Maio et Maltoni dans [19]. Cette approche traque les crêtes en localisant les maxima locaux par un suivi de lignes le long du flot directionnel des crêtes. Seulement, avec cette approche les maxima locaux peuvent ne pas être bien définis dans le cas d'une image de mauvaise qualité. Néanmoins, les approches de niveau de gris possèdent de nombreux avantages :

· Le schéma de binarisation implique quelques formes de seuillage. Un simple seuillage n'est pas adéquat lorsque l'image n'a pas une illumination uniforme, ce qui est commun pour les capteurs optiques. Un seuillage n'est pas très fiable dans une image de faible qualité.

· L'étape de squelettisation est gourmande en temps machine dans le sens où elle est impartialement récursive. Le suivi de ligne est beaucoup plus rapide.

· Le suivi de crêtes est intrinsèquement immunisé contre les coupures de crêtes souvent présentes dans l'empreinte contrairement aux autres procédés de binarisation qui restent très sensibles à ce genre de bruit et nécessitent systématiquement un post traitement.

II.4.3. Les approches de binarisation

Dans cette approche, l'image en niveau de gris est convertie en une image binaire. Malgré le fait que les algorithmes existants différent dans les divers aspects d'implémentation, ils suivent tous les étapes communes suivantes (figure II.7)

Dans cette étape, l'image est convertie en une image binaire à travers un processus de seuillage ou une méthode de binarisation adaptative. Le but est le repérage des crêtes. Cette étape est aussi dans la littérature segmentation. Toutefois, cela ne doit pas se confondre avec la segmentation de l'image entre région d'intérêt de fond lors de la génération du masquage des régions.

L'image binaire est ensuite amincie à travers un schéma itératif morphologique résultant en une carte de crêtes d'une largeur d'un pixel.

Dans le cas où l'amincissement serait utilisé, cette étape devient triviale. Elle se base sur une scrutation de voisinage. Les fins de crêtes ont un seul voisin et les bifurcations possèdent plus de deux voisins. Dans les algorithmes qui n'utilisent pas d'amincissement, la détection de minuties est faite par un appariement de gabarit.

L'extraction de minuties peut produire deux sortes d'erreurs : les fausses détections c'est - à - dire des minuties qui n'existent pas sur l'image originale et les minuties oubliées qui sont de vraies minuties qui n'apparaissent pas sur le gabarit résultat. Alors que rien ne peut être fait pour éviter les oublis de vraies minuties, les fausses minuties peuvent être éliminées en considérant leurs relations spatiales. Différentes heuristiques peuvent être appliquées pour filtrer les fausses positives.

II.4.4. Les problèmes rencontrés lors de l'extraction des minuties.

Un fiable algorithme d'extraction de caractéristiques est une étape critique pour la performance d'un système automatique d'authentification d'identité en utilisant l'empreinte digitale. La performance d'un algorithme d'extraction et de mise en correspondance des images d'empreintes digitales dépend fortement de la qualité de l'image en entrée. Les algorithmes présentés ultérieurement opèrent bien à condition que l'image en entrée soit de bonne qualité (quand la qualité de l'empreinte ne peut pas être mesurée de façon objective, elle peut être grossièrement déduite de la clarté de la structure des crêtes : Une image de bonne qualité possède un fort contraste et un ensemble de crêtes et des vallées bien définies). Cependant, dans la pratique un pourcentage signifiant d'images est en mauvaise qualité. Cela est dû :

La qualité de l'empreinte rencontrée durant la vérification est très incertaine, elle varie sur une grande portée. La plus grande partie est endommagée par l'état de l'épiderme (figure II.8) :

o Les empreintes qui transpirent font une sorte de pontage entre les lignes de crêtes (raccordement).

Figure II.8. Des images d'empreintes de différentes qualités. La qualité décroît de gauche vers la droite. (a) image de bonne qualité avec un bon contraste, (b) distinction insuffisante sur le centre de l'image et (c) une empreinte sèche.

Par la suite, une carte de fausses minuties va engendrer l'échec de l'algorithme d'appariement. Une étape de pré - traitement pour améliorer la clarté s'avère donc nécessaire. Ce qui explique le fait que la plupart des recherches soient principalement vouées à l'amélioration de l'image en entrée.

II.4.5. Amélioration de l'image d'empreintes digitales.

La robustesse d'un système de reconnaissance peut nettement accroître en ajustant un processus d'amélioration avant d'extraire les caractéristiques. A cause de la non - stationnarité de l'image d'empreinte, les algorithmes classiques connus dans le traitement d'image ne sont pas très adéquats à cet égard, bien qu'ils puissent être utilisés comme une étape de pré - traitement dans le schéma global d'amélioration orientées pixel comme légalisation d'histogramme, la normalisation de la moyenne et de la variance, le filtrage de Winner améliorent la lisibilité de l'empreinte sans altérer la structure globale des crêtes.

De plus, les définitions du bruit d'une image générique et d'une image d'empreinte semblent être largement différentes. Le bruit dans une empreinte s'exprime en termes de cassures dans le flux directionnel des crêtes. Cette remarque sur le bruit n'est pas anodine. Elle est même capitale lorsqu'on est amené à travailler sur les images d'empreintes. En effet, les méthodes classiques connues en traitement d'image ont tendance à augmenter le contraste ou à réduire le bruit. Ces méthodes ne sont pas à exclure mais elles doivent s'agencer à un processus d'amélioration plus adapté aux images d'empreintes. On a bien compris, la définition du bruit lorsqu'il s'agit de traiter des images d'empreintes devient plus spécifique !

Généralement, une image d'empreintes digitales contient les trois catégories de régions suivantes (figure II.9) :

· Région bien définie : les crêtes et les vallées sont visibles pour une extraction possible.

· Région irrécupérable : les régions sont très touchées par le bruit. Récupération impossible. Si la portion de cette région est importante, le système va refuser cette image.

Un algorithme d'amélioration a comme but de récupérer la région d'intérêt et de l'améliorer et de masquer la région irrécupérable.

Figure II.9. Les régions dans une empreinte. (a) région bien définie, (b) région récupérable, (c) région irrécupérable.

II.5. Propriétés des images d'empreintes digitales.

Les travaux qui ont été faits dans le domaine de l'analyse d'empreintes s'appuient sur les propriétés intrinsèques qui caractérisent ce type d'image :

· Une empreinte est une alternance de crêtes et de vallées qui évoluent dans une direction précise. Un bloc de l'image bien défini possède une direction locale constante.

· Sur un bloc, les niveaux de gris des crêtes et des vallées constituent une forme sinusoïdale le long de la direction normale à l'orientation locale des crêtes (figure II.10). L'amplitude, la fréquence de cette forme sont des indicateurs sur le type de la région constituant le bloc considéré. Seuls les points singuliers constituent une discontinuité de cette forme présumée.

Figure II.10. Projection des crêtes sur une image orientée. (a) un échantillon d'empreinte, (b) une empreinte synthétique.

· Les valeurs des niveaux de gris atteignent leur maximum local le long de la direction normale aux crêtes.

· Lors de la saisie d'une empreinte digitale, il arrive assez souvent que certaines parties de l'empreinte soient sous ou sur encrées, ce qui être gênant pour les traitements ultérieurs. La définition précédente nous indique que cette image est non stationnaire. En effet ; la moyenne de niveaux de gris dans une fenêtre de la partie sous-encrée est différente de la moyenne dans une fenêtre d'une partie «normale » de l'empreinte. Pour remédier à cette contrainte, beaucoup d'algorithmes utilisent une étape de normalisation.

Ces propriétés peuvent être matérialisées par des représentations spécifiques sous forme d'image appelée images intrinsèques. Cela inclut :

· L'image d'orientation : l'image d'orientation O représente l'orientation locale des crêtes sur chaque point d'image [20].

· L'image de fréquence : la fréquence locale des crêtes indique la distance moyenne entre les crêtes sur un bloc [21].

· Le masque des régions : le masque indique l'ensemble des régions ou apparaissent des crêtes. Il est aussi appelé masque région fond. D'autres masques [22] sont capables de distinguer les régions exploitables parmi celles qui sont irrécupérables.

Le calcul de ces images intrinsèques forme une étape critique dans un processus d'extraction de caractéristiques. Une erreur survenue lors de leur calcul va se propager le long de tout le procédé. L'image d'orientation est utilisée pour l'amélioration de l'image, la détection des points singuliers, la segmentation et la satisfaction des images. Le masque est utilisé pour éliminer les fausses minutes.

II.6. Les problèmes de la reconnaissance automatique des empreintes digitales.

Les problèmes de la reconnaissance des empreintes digitales est un problème de reconnaissance de caractéristiques (pattern recognition). Un tel système est un système automatique de prise de décision qui requiert : (i) des données en entrée (ii) une représentation interne de ces données en utilisant des procédures d'extraction de caractéristiques (iii) et enfin une décision est prise en se basant sur l'information extraite appelée modèle ou gabarit (template).

Le composant de prise de décision se manifeste communément sous deux formes distinctes : appariement et classification (matching and classification). Un appariement rejette/accepte l'hypothèse que deux gabarits soient les mêmes. Une classification détermine la classe d'appartenance parmi un nombre de classes prédéterminées. Ces deux opérations ne s'excluent pas, elles peuvent Co - exister sur le même système. Prenant l'exemple d'un fichier de criminels qui répertorie l'identité des personnes avec leurs empreintes. En mode identification, le problème est de chercher une personne sur tout le fichier aussi volumineux soit - il à partir de son unique empreinte. Le temps de recherche devient alors prohibitif ! Pour faciliter la recherche l'opération de comparaison peut être précédée par une opération de classification afin de procéder à une navigation intelligente sur la base de données.

II.6.1. Capture de l'empreinte digitale.

La capture de l'image d'une empreinte digitale consiste à trouver les lignes tracées par les crêtes (en contact avec le capteur) et les vallées (creux). L'image d'une empreinte est acquise par des procédés directs (online) ou indirects (offline). Celle acquise par des procédés indirects, l'est par le biais d'un objet intermédiaire. Il existe deux méthodes pour avoir une impression d'empreinte indirecte :

i) L'empreinte acquise par encre (inkedfingerprint) : après l'avoir enduit d'encre, le doigt est imprimé sur un bout de papier. Ce papier passe ensuite au scanner standard pour être numérisé. Cette ancienne technique a perduré pendant environ un siècle et a été couramment utilisée dans les phases d'enrôlement. L'image ainsi prise présente de larges crêtes mais souffre d'une grande déformation due à la nature du processus d'acquisition. Il est clair que cette méthode n'est pas adaptée aux procédés automatiques temps réel.

ii) Les empreintes latentes : elles sont formées suite à une légère trace laissée sur un objet due à la sécrétion constante de la sueur. Les services de sécurité décèlent ce genre de détails sur les lieux de crime à l'aide d'une poudre spéciale. Le terme procédé directe (live - scan) est un terme collectif englobant les images d'empreintes directement obtenues sur l'étape intermédiaire de l'impression sur du papier. En l'occurrence un dispositif spécial est utilisé, les capteurs dont voici une énumération des différents types :

§ Le capteur optique : la technologie la plus répondue dans les systèmes d'acquisition par capteur est celle qui utilise le principe de la réflexion de la lumière. Un prix acceptable constitue l'avantage principal des systèmes optiques ; leur inconvénient est qu'ils sont faciles à détourner. L'autre problème est celui des empreintes latentes : l'empreinte digitale du doigt précédent, qui a été placée sur le capteur, peut rester. Les scanners optiques sont facilement intégrables dans diverses applications telles que les ordinateurs portables, les cellulaires et les mémentos électroniques.

§ Le capteur thermique : la méthode thermique est moins habituelle. Actuellement, le seul capteur thermique est le FingerChip fabriqué par Atmel^3(*). Cette méthode donne une image d'excellence qualité même sur des empreintes de qualité médiocre ; permettant ainsi au FingerChip d'être l'une des capteurs le plus résistant par rapport aux autres technologies.

iii) Le capteur à ultrasons : la lecture par ultrasons d'empreinte n'est pas courante. C'est une sorte d'échographie du doigt. La lecture par ultrasons requiert un assez gros dispositif et est assez chère. Ce n'est pas une technique commode pour de la production de volume à faible coût. Son principal intérêt réside dans la lecture du derme, sous la surface, plutôt que la surface elle - même.

iv) Le capteur intégré au silicium : les puces siliciums (électronique) peuvent être vues comme une variante des caméras CMOS : au lieu d'utiliser les photons, un autre effet physique est utilisé. La quasi - totalité des capteurs d'empreinte digitale intégrés commercialisés à l'heure actuelle sont de type capacitif :

§ Capteur capacitif : la sonde de silicium et le doigt agissent comme les parois d'un condensateur. Un défaut rédhibitoire connu pour ce genre de capteurs est leur sensibilité aux forts champs électriques, comme ceux provoqués par les décharges électrostatiques.

§ Capteur de pression : c'est l'une des plus anciennes idées, car lorsque vous posez votre doigt, vous appliquez une pression qui change suivant qu'on serait sur une crête ou un creux. Elle procure des images binaires.

§ Capteur tactile : les dispositifs micro usinés permettent la réalisation de très petits interrupteurs. Lorsqu'une crête touche un interrupteur, elle le ferme. Il n'existe pas encore de développement ayant dépassé le stade du laboratoire.

Aujourd'hui, le silicium émerge dans le marché des empreintes digitales (figure II.11). Ces puces peuvent être fabriquées à moindre coût et en grande quantité [23].

II.6.2. Représentation de l'image d'empreinte et prise de décision.

Une empreinte apparaît comme une surface alternée de crêtes et de vallées parallèles sur la plupart des régions. Différentes caractéristiques permanentes ou semi - permanentes tels que les blessures, les coupures et les bleus sont aussi présentes sur l'empreinte. Qu'il s'agisse d'un problème de vérification ou de classification, il est nécessaire de définir sur l'empreinte une représentation invariante : des caractéristiques qui ne s'altèrent pas avec le temps. Cette représentation peut être globale prenant en compte toute l'image ou, locale c'est - à - dire constituée d'un ensemble de composantes dérivée chacune d'une région restreinte sur l'empreinte.

Lorsqu'il est question d'un problème d'appariement (vérification de la similarité entre deux empreintes), les algorithmes d'appariement peuvent être classifiés en fonction de la représentation de l'empreinte ; qui elle peut appartenir à l'une des catégories suivantes :

II.6.2.1. Image

Dans cette représentation, c'est toute l'image qui est considérée comme une représentation possible. L'appariement est réalisé par corrélation. La corrélation entre deux images I₁(x, y), I₂(x, y), est donnée dans le domaine spatial par :

Le corrélateur établit la correspondance par la recherche de la magnitude du pic dans l'image de corrélation I_c. La position du pic indique la translation entre les images et la valeur du pic informe sur le degré de similarité. L'exactitude de cette corrélation se dégrade avec les transformations de l'image comme les phénomènes de translation et de rotation. Le problème de distorsion peut être surmonté par les méthodes de corrélation locales proposées dans [24] et dans [25]. Un autre inconvénient est en relation avec la taille conséquente de l'image à sauvegarder durant l'inscription.

II.6.2.2. Représentation en minuties

Le but d'un algorithme d'appariement est de comparer deux images ou deux gabarits et de retourner le score de similarité qui correspond à la probabilité que deux empreintes se correspondent. A l'exception des algorithmes basés sur la corrélation, la plupart des algorithmes extraient des caractéristiques dans le but de faire l'appariement. Les détails de minuties constituent la représentation la plus populaire de toutes les représentations existantes, elles répondent efficacement au problème de taille posé précédemment.

Les minuties représentent des discontinuités locales et marquent les positions où la crête se termine ou bifurque. Cela constitue les types de minutie les plus fréquentes, bien qu'un total de 18 types de minuties ait été identifié. Chaque minutie peut être décrite par un nombre d'attributs tels que la position (x, y), l'orientation è et d'autres informations susceptibles d'aider à l'appariement.

Cependant, la plupart des algorithmes considèrent seulement sa position et orientation.

Les minuties peuvent être appariées en considérant le problème comme un problème d'appariement de primitives point (point pattern matching). La figure suivante est une représentation en minuties d'une empreinte digitale :

Figure II.13. Exemple d'une représentation d'une empreinte digitale par sa carte de minuties. La carte de minutie assure l'unicité de l'empreinte.

II.6.2.3. Les descripteurs de texture

Les algorithmes d'appariement basés sur les minuties ne s'exécutent pas bien quand la surface de l'empreinte est petite étant donné que le nombre de minuties n'est pas suffisant pour l'appariement. De plus, le processus d'extraction des minuties est plus enclin à l'erreur dans ce genre de cas. Prabhakar et al [26] proposent une méthode basée sur un banc de filtres pour effectuer l'appariement de cette sorte d'images. Ils décrivent un nouveau descripteur de texture appelé « code d'empreinte ». Les informations de texture (moyennes et variances) sont extraites en effectuant une sectorisation [27] de l'image autour d'un point de référence (le point core) ; et l'appariement est basé sur le calcul de la distance euclidienne entre deux codes. L'inconvénient de cette approche est que le point core doit être localisé de façon exacte. Cela n'est pas possible pour des images de mauvaise qualité. De plus, la performance est inférieure comparée aux appariements basés sur les minuties. Cependant, une décision qui combine les paramètres de texture et les minuties aurait un meilleur rendement.

Chapitre III. CONCEPTS SUR LES RESEAUX INFORMATIQUES

III.1. Introduction aux réseaux informatiques

I.1. Définition

Un réseau informatique est un ensemble d'équipements reliés entre eux pour échanger des informations.

Un réseau en général est le résultat de la connexion de plusieurs machines entre elles, afin que les utilisateurs et les applications qui fonctionnent sur ces dernières puissent échanger des informations. Le terme réseau en fonction de son contexte peut désigner plusieurs choses. Il peut désigner l'ensemble des machines, ou l'infrastructure informatique d'une organisation avec les protocoles qui sont utilisés, ce qui est le cas lorsque l'on parle de l'internet.

Le terme réseau peut également être utilisé pour décrire la façon dont les machines d'un site sont interconnectées. C'est le cas lorsque l'on dit que les machines d'un site (sur un réseau local) sont sur un réseau Ethernet, Token Ring, réseau en étoile, réseau en bus, ...

Le terme réseau peut également être utilisé pour spécifier le protocole sui est utilisé pour que les machines communiquent. On peut parler de réseau TCP/IP, DECNet (Protocol DEC), ...

I.2. Pourquoi les réseaux informatiques

Les réseaux sont nés d'un besoin d'échanger des informations de manière simple et rapide entre des machines. Lorsque l'on travaillait sur une même machine, toutes les informations nécessaires au travail étaient centralisées sur la même machine. Presque tous les utilisateurs et les programmes avaient accès à ces informations. Pour des raisons de coûts ou de performances, on est venu à multiplier le nombre de machines. Les informations devaient alors être dupliquées sur les différentes machines du même site. Cette duplication était plus ou moins facile et ne permettait pas toujours d'avoir des informations cohérentes sur les machines. On est donc arrivé à relier d'abord ces machines entre elles ; ce fût l'apparition des réseaux locaux. Ces réseaux étaient souvent des réseaux « maisons » ou propriétaires. Plus tard on a éprouvé le besoin d'échanger des informations entre des sites distants. Les réseaux moyenne et longue distance commencèrent à voir le jour. Ces réseaux étaient souvent propriétaires. Aujourd'hui, les réseaux se retrouvent à l'échelle planétaire. Le besoin d'échange de l'information est en pleine évolution. Pour se rendre compte de ce problème, il suffit de regarder comment fonctionnent des grandes sociétés.

III.2. Topologie des réseaux informatiques

Une topologie de réseau est en informatique une définition de l'architecture (physique ou logique) d'un réseau, définissant les connexions entre ces postes et une hiérarchie éventuelle entre eux ; elle peut définir la façon dont les équipements sont interconnectés ou la représentation, spatial du réseau (topologie physique) ou la façon dont les données transitent dans les lignes de communication (topologie logique).

III.2.1. Topologie en bus

Cette topologie est représentée par un câblage unique des unités réseaux. Il a également un faible coût de déploiement et la défaillance d'un noeud (ordinateur) ne scinde pas le réseau en deux sous - réseaux. Ces unités sont reliées de façon passive par dérivation électrique ou optique. Les caractéristiques de cette topologie sont les suivantes:

· Lorsqu'une station est défectueuse et ne transmet plus sur le réseau, elle ne perturbe pas les réseaux

· Lorsque le support est en panne, c'est l'ensemble du réseau qui ne fonctionne plus

· Le signal émis par une station se propage dans un seul sens ou dans les deux sens

· Si la transmission est bidirectionnelle : toutes les stations connectées reçoivent les signaux émis sur le bus en même temps

· Le bus est terminé à ses extrémités par des bouchons pour éliminer les réflexions possibles du signal

III.2.2. Topologie en étoile

C'est la topologie la plus courante actuellement. Omniprésente, elle est très souple en matière de gestion et dépannage de réseau ; la panne d'un noeud ne perturbe pas le fonctionnement global du réseau. En revanche, l'équipent central (un concentrateur ou HUB) et plus souvent sur les réseaux modernes, un commutateur (switch) qui relie tous les noeuds constitue un point unique de défaillance : une panne à ce niveau rend le réseau totalement inutilisable. Le réseau Ethernet est un exemple de topologie en étoile. L'inconvénient principal de cette topologie réside dans la longueur des câbles utilisés.

III.2.3. Topologie en anneau

Un réseau a une topologie en anneau quand toutes ses stations sont connectées en chaine les unes aux autres par une liaison bipoint de la dernière à la première. Chaque station joue le rôle de station intermédiaire. Chaque station qui reçoit une trame, l'interprète et la ré - émet à la station suivante de la boucle si c'est nécessaire. La défaillance d'un hôte rompt la structure d'un réseau en anneau si la communication est unidirectionnelle ; en pratique un réseau en anneau est souvent composé de deux anneaux contra - rotatifs.

NB. Les ordinateurs d'un réseau en anneau ne sont pas systématiquement reliés en boucle, mais peuvent être connectés à un répartiteur appelé « MAU », (Multistation Access Unit) qui va gérer la communication entre les ordinateurs reliés en allouant à chacun d'eux un « temps de parole ».

En cas de collision de deux messages, les deux seraient perdus, mais les règles d'accès à l'anneau (par exemple, la détection d'un jeton) sont censées éviter ce cas de figure.

III.2.4. Topologie maillée

Une topologie maillée correspond à plusieurs liaisons point à point. Le réseau maillé es un réseau dans lequel deux stations de travail peuvent être mises en relation par différents chemins. La connexion est effectuée à l'aide de commutateurs, par exemple les autocommutateurs PABX.

Si on veut mettre deux stations en relation, on peut utiliser deux solutions. La première est de créer une connexion permanente entre toutes les stations du réseau.

Ainsi, le nombre de connexion nécessaire pour connecter les stations dépend de l'équation suivante : Nbl

avec Nbl, le nombre de connexions et N, le nombre de stations. Donc si un réseau comprend 15 stations il faudrait 105 connexions. Ce qui impossible à câbler d'où l'intérêt des commutateurs. Donc, on utilisera la deuxième solution que sont les commutateurs.

III.3. Catégories de réseaux informatiques

Selon le périmètre géographique qui offre une connectivité (appelé zone de couverture), nous distinguons généralement plusieurs catégories de réseaux à savoir :

III.3.1. Le réseau local personnal (PAN)

Un réseau personnel (ou Personal Area Network, PAN) désigne un type de réseau informatique restreint en terme d'équipements, généralement mis en oeuvre dans un espace d'une dizaine de mètres. D'autres appellations pour ce type de réseau sont : réseau domestique ou réseau individuel.

Les bus utilisés les plus courants pour la mise en oeuvre d'un réseau individuel sont l'USB, les technologies sans fin telles que Bluetooth, l'infrarouge (IR). Ce type de réseau sert généralement à relier des périphériques (imprimante, téléphone portable, appareils domestiques,...) ou un assistant personnel (PDA) à un ordinateur sans liaison filaire ou bien à permettre la liaison sans fil entre deux machines très distantes.

III.3.2. Le réseau local (LAN)

LAN signifie Local Area Network (en français Réseau local). Il s'agit d'un ensemble d'ordinateurs appartenant à une même organisation et reliés entre eux dans une petite aire géographique par un réseau, souvent à l'aide d'une même technologie (la plus répandue étant Ethernet). Un réseau local est donc un réseau sous forme la plus simple. La vitesse de transfert de données d'un réseau local peut s'échelonner entre 10 Mbps (pour un réseau Ethernet par exemple) et 1 Gbps (en FDDI ou Gigabit Ethernet par exemple). La taille d'un réseau local peut atteindre jusqu'à 100 voire 1 000 utilisateurs.

En élargissant le contexte de la définition aux services qu'apporte le réseau local, il est possible de distinguer deux modes de fonctionnement :

- Dans un environnement « d'égal à égal » (en anglais peer to peer), dans lequel il n'y a pas d'ordinateur central et chaque ordinateur a un rôle similaire.

- Dans un environnement « client/serveur », dans lequel un ordinateur central fournit des services réseau aux utilisateurs.

III.3.3. Le réseau métropolitain (MAN)

Les MAN (Metropolitain Area Network) interconnectent plusieurs LAN géographiques proches (au maximum quelques dizaines de km) à débits importants. Ainsi un MAN permet à deux noeuds distants de communiquer comme s'ils faisaient partie d'un même réseau local. Un MAN est formé de commutateurs ou de routeurs interconnectés par des liens hauts débits (en général en fibre optique).

III.3.4. Le réseau étendu (WAN)

Un WAN (Wide Area Network ou réseau étendu) interconnecte plusieurs LANs à travers de grandes distances géographiques.

Les débits disponibles sur un WAN résultent d'un arbitrage avec le coût des liaisons (qui augmente avec la distance) et peuvent être faibles. Les WAN fonctionnent grâce à des routeurs qui permettent de « choisir » le trajet le plus approprié pour atteindre un noeud du réseau. Le plus connu des WAN est Internet.
Internet est la suite du réseau militaire américain ARPANET. Le but était de concevoir un réseau résistant aux attaques : les communications ne passent plus selon un mode linéaire, mais peuvent à chaque endroit emprunter plusieurs routes.

Internet a donc été conçu dès l'origine comme une toile d'araignée, d'où son nom anglais web (qui veut dire tissage et toile d'araignée).

Cas normal, tout fonctionne correctement, les informations empruntent le « chemin le plus direct ».

En cas de disfonctionnement : un relais ne fonctionne plus, il existe alors au moins une autre possibilité pour acheminer les informations.

L'interconnexion progressive de tous les ordinateurs de la planète fonctionne donc comme un gigantesque réseau. Le mot anglais pour réseau est « network ».
Or dans la pratique, ces ordinateurs ne sont pas directement interconnectés entre eux. Les ordinateurs sont d'abord interconnectés au sein d'un institut ou d'un bâtiment formant ainsi une multitude de petits sous - réseaux. Puis par sous réseau une machine est chargée de s'interconnecter avec d'autres machines.

Enfin, progressivement la planète entière est interconnectée avec à chaque étape du maillage une machine désignée pour se connecter au niveau supérieur. On a ainsi une interconnexion de toutes les machines par interconnexion de réseaux successifs. D'où le terme Internet pour « INTER - NETworks ».

III.3.4.1. Gestion des connexions

Chaque ordinateur connecté directement sur internet possède un numéro d'identification unique (appelée adresse IP) et peut envoyer et recevoir des informations avec n'importe quel autre ordinateur ou machine possédant une adresse IP (voire même une imprimante).

Par ailleurs, le temps d'acheminement ne dépend pas de la distance mais plutôt de la qualité des lignes qui séparent deux machines. Notons que vous pouvez être reliés à Internet sans disposer de votre propre adresse IP. Il faut faire appel à un serveur (FAI « Fournisseur d'Accès à Internet ») qui vous en prête une le temps de votre connexion.

Ce réseau mondial utilise les mêmes protocoles de communications (exemple TCP/IP) et fonctionne comme un réseau virtuel unique et coopératif. Tous les ordinateurs et logiciels supportant les mêmes protocoles pourront communiquer ensemble. Internet utilise un système international d'adresses qui permet d'envoyer un message ou un fichier sans ambiguïté à un correspondant connecté.

III.4. Architecture d'un réseau informatique

III.4.1. Architecture client - serveur

III.4.1.1. Présentation de l'architecture d'un système client - serveur

De nombreuses applications fonctionnent selon un environnement client - serveur, cela signifie que des machines clientes (des machines faisant partie du réseau) contactent un serveur, une machine généralement très puissante en termes de capacités d'entrée - sortie, qui leur fournit des services. Ces services sont des programmes fournissant des données telles que l'heure, des fichiers, une connexion, etc.

Les services sont exploités par des programmes, appelés programmes clients, s'exécutant sur les machines clientes. On parle ainsi de client (client FTP, client de messagerie, etc.) lorsque l'on désigne un programme tournant sur une machine cliente, capable de traiter des informations qu'il récupère auprès d'un serveur (dans le cas du client FTP il s'agit de fichiers, tandis que pour le client de messagerie il s'agit de courrier électronique).

L'environnement client - serveur désigne un mode de communication à travers un réseau entre plusieurs programmes ou logiciels : l'un, qualifié de client, envoie des requêtes ; l'autre ou les autres, qualifiés de serveurs, attendent les requêtes des clients et y répondent. Par extension, le client désigne l'ordinateur sur lequel est exécuté le logiciel client, et le serveur, l'ordinateur sur lequel est exécuté le logiciel serveur.

Il existe une grande variété de logiciels serveurs et de logiciels clients en fonction des besoins à servir : un serveur web publie des pages web demandées par des navigateurs web ; un serveur de messagerie électronique envoie des mails à des clients de messagerie : un serveur de fichiers permet de stocker et consulter des fichiers sur le réseau, un serveur de données à communiquer des données stockées dans une base de données, etc.

III.4.1.2. Avantages de l'architecture client - serveur

Le modèle client - serveur est particulièrement recommandé pour des réseaux nécessitant de fiabilité, ses principaux atouts sont :

· Des ressources centralisées : étant donné que le serveur est au centre du réseau, il peut gérer des ressources communes à tous les utilisateurs, comme par exemple une base de données centralisée, afin d'éviter les problèmes de redondance et de contradiction.

· Une meilleure sécurité : car le nombre de points d'entrée permettant l'accès aux données est moins important

· Une administration au niveau serveur : les clients ayant peu d'importance dans ce modèle, ils ont moins besoin d'être administrés

· Un réseau évolutif : grâce à cette architecture, il est possible de supprimer ou rajouter des clients sans perturber le fonctionnement du réseau et sans modification majeure.

III.4.1.3. Inconvénients de l'architecture client - serveur

L'architecture client - serveur a tout de même quelques lacunes parmi lesquelles :

· Un maillon faible : le serveur est le seul maillon faible du réseau client - serveur, étant donné que tout le réseau est architecturé autour de lui ! heureusement, le serveur a une grande tolérance aux pannes (notamment grâce au système RAID).

III.4.1.4. Fonctionnement d'un système client - serveur

· Le client émet une requête vers le serveur grâce à son adresse IP et le port, qui désigne un service particulier du serveur

· Le serveur reçoit la demande et répond à l'aide de l'adresse de la machine cliente et son port.

III.4.1.5. Fonctionnement de l'application en réseaux.

L'application fonctionnera dans l'architecture client - serveur, c'est - à - dire que le client émet des requêtes sur le serveur de données grâce à son adresse IP et le port qui désigne un service particulier du serveur. Le serveur reçoit la demande et répond à l'aide de l'adresse IP de la machine cliente et son port.

Au centre, nous avons l'office qui délivre les documents de trafics (passeports, cpgl, ...). Le client vient pour l'achat du passeport, il sera premièrement enrôlé, toutes ces informations seront directement stockées dans la base de données. Une fois il sera en possession du passeport, il peut vouloir sortir du pays (burundi) en passant par différentes frontières burundaises. Il rencontrera certains officiers sur des postes frontières qui vont passer à la vérification du passeport pour voir si ce dernier a été délivré dans la voie légale ou illégale moyennant l'empreinte digitale du détenteur de passeport.

III.4.2. Architecture Peer to Peer (égal à égal)

III.4.2.1. Présentation de l'architecture égal à égal (Peer to Peer)

Dans une architecture d'égal à égal (en anglais peer to peer), contrairement à une architecture de réseau de type client - serveur, il n'y a pas de serveur dédié. Ainsi, chaque ordinateur dans un tel réseau est un peu serveur et un peu client. Cela signifie que chacun des ordinateurs du réseau est libre de partager ses ressources. Un ordinateur relie à une imprimante pourra donc éventuellement la partager afin que tous les autres ordinateurs puissent y accéder via le réseau.

III.4.2.2. Avantages de architecture Peer to Peer

L'architecture d'égal à égal a tout de même quelques avantages parmi lesquels :

· Un coût réduit (les coûts engendrés par un tel réseau sont le matériel, les câbles et la maintenance)

· Ce système n'est pas du tout centralisé, ce qui rend très difficile à administrer

III.4.2.4. Mise en oeuvre d'un réseau Peer to Peer

Les réseaux égal à égal ne nécessitent pas les mêmes niveaux de performance et de sécurité que les logiciels réseaux pour serveurs dédiés. On peut donc utiliser Windows NT Workstation, Windows pour Workgroups car tous ces systèmes d'exploitation intègrent toutes les fonctionnalités du réseau égal à égal.
La mise en oeuvre d'une telle architecture réseau repose sur des solutions standards :

· Chaque utilisateur est son propre administrateur et planifie lui - même sa sécurité

Il s'agit généralement d'une solution satisfaisante pour des environnements ayant les caractéristiques suivantes :

III.4.3. Architecture Trois - tiers

III.4.3.1. Présentation de l'architecture Trois - tiers

Dans l'architecture à 3 niveaux (appelée architecture 3 - tiers), il existe un niveau intermédiaire, c'est - à - dire que l'on a généralement une architecture partagée entre :

· Un client, c'est - à - dire l'ordinateur demandeur de ressources, équipée d'une interface utilisateur (généralement un navigateur web) chargée de la présentation ;

· Le serveur d'application (appelé également middleware), chargé de fournir la ressource mais faisant appel à un autre serveur

· Le serveur de données, fournissant au serveur d'application les données dont il a besoin.

Chapitre IV. CONCEPTION ET MODELISATION DE L'APPLICATION

IV.1. Préambule

Ce chapitre représente la conception et la modélisation de l'application sur la conception et la mise en place d'une plate-forme de la sécurisation par synthèse et reconnaissance biométrique de documents de trafic. En effet, plusieurs étapes sont nécessaires, l'étape d'extraction des caractéristiques est la plus importante car la performance du système en dépendent.

Notre système permet d'illustrer le processus d'identification des personnes par la reconnaissance biométrique à partir de leurs empreintes digitales. Nous allons décrire dans ce qui suit les différents événements qui s'y passent lors de ce processus.L'application comporte trois phases : la première phase qui est l'enrôlement, la deuxième phase qui est la vérification enfin la troisième phase qui est la gestion de trafic.

IV.2.1. l'enrôlement

Le client vient pour l'achat du passeport ; il sera enregistré dans la base de données de l'office qui livre le passeport (enrôlement) numéro passeport, nom, prénom, date de naissance, photo, adresse, empreinte biométrique, etc. A l'instant même, on lui livre un reçu d'achat qui lui permettra de récupérer son passeport plus tard. Lorsqu'il reçoit son passeport, il peut effectuer des trafics passant par différentes frontières burundaises.

IV.2.2. La vérification

Une fois il arrive sur l'une de frontières burundaises, il passe par une vérification de son document (passeport) via son empreinte biométrique pour vérifier si son passeport a été livré dans une voie légale et sure. Vérifier si le passeport du détenteur est actif ou non - actif.

IV.2.3. La gestion des trafics

Cette application permettra la gestion de trafics des détenteurs de passeports burundais entre autre :

IV.3. Langage de modélisation avec UML et conception Base de données pour l'application

IV.3.1. Etude comparative entre UML et MERISE

MERISE (Méthode d'Etude et de Réalisation Informatique pour les Systèmes d'Entreprise) est une méthode d'analyse et de réalisation des systèmes d'information qui est élaborée en plusieurs étapes : schéma directeur, étude préalable, étude détaillée et la réalisation.

Alors qu'UML (UnifiedModeling Langage), est un langage de modélisation des systèmes standard, qui utilise des diagrammes pour représenter chaque aspect d'un système c'est - à - dire : statique, dynamique, ... en s'appuyant sur la notion d'orienté objet qui est un véritable atout pour ce langage.

Les « méthodologues » disent qu'une méthode, pour être opérationnelle, doit avoir 3 composantes :

Merise s'est attachée, en son temps, à proposer un ensemble « cohérent » sur ces trois composantes. Certaines ont vieilli et ont dû être réactualisées (la démarche), d'autre « tienne encore le chemin » (la modélisation).

UML se positionne exclusivement comme un ensemble de formalismes. Il faut y associer une démarche et une organisation pour constituer une méthode.

Merise se positionne comme une méthode de conception de système d'information organisationnel, plus tournée vers la compréhension et la formalisation des besoins du métier que vers la réalisation de logiciel. En sens, Merise se réclame plus de l'ingénierie du système d'information que du génie logiciel. Jamais Merise ne s'est voulu une méthode de développement de logiciel ni de programmation.

UML, de par son origine (la programmation objet) s'affirme comme un ensemble de formalismes pour la conception de logiciel à base de langage objet.

ü La modélisation des données en vue de la construction d'une base de données relationnelles, la modélisation des processus métiers d'un système d'information automatisé en partie par du logiciel,

ü La formalisation des besoins utilisateur dans la cadre de cahier des charges utilisateur, en vue de la conception d'un logiciel adapté.

ü Concevoir et déployer une architecture logiciel développée dans un langage orienté objet (Java, C++, VB.Net,...).

ü Pour modéliser les données (le modèle de classe réduit sans méthodes et stéréotypé en entités), mais avec des lacunes que ne présentait pas l'entité relation de Merise.

ü Pour modéliser le fonctionnement métier (le diagramme d'activité et de cas d'utilisation) qui sont des formalismes très anciens qu'avait, en son temps, amélioré Merise...

Après cette étude comparative, il est certes que nous allons adopter UML comme langage de modélisation puisque nous allons utiliser le concept de l'orienté objet ainsi en VB.Net comme langage, pour développer l'application de synthèse et de reconnaissance biométrique de documents de trafic.

IV.3.1.2. Diagramme de classe

IV.3.1.3. Diagramme de séquence

IV.4.1. Modèle conceptuel de données (MCD)

IV.4.2. Modèle logique de données (MLD)

Enrôlé (Idenrol, Nom, Prenom, Sexe, Datenaiss, Finger, Lieu_naiss, Adresse_actuelle, Nationalite, #Numero)

Trafiquer (Idtrafic, Mouvement, Lieu_destina, Date_sortie, Date_retour, #Idf, #Idenrol)

Champs

Libellé

Types de données

Contrainte d'intégrité

idenrol

nom

prenom

sexe

datenaiss

finger

lieu_naiss

adresse_actuelle

nationalite

numero

etat

date_vente

idagent

nom

prenom

password

idf

nom_frontiere

idtrafic

mouvement

identifiant d'un enrôlé

nom de l'enrôlé

prénom de l'enrôlé

sexe de l'enrôlé

date de naissance

fingerprint de l'enrôlé

lieu de naissance

adresse actuelle

nationalité de l'enrôlé

numéro passeport

etat du passeport

date de la vente du passeport

identifiant agent

nom de l'agent

prénom de l'agent

mot de passe de l'agent

identifiant frontière

nom de la frontière

identifiant du trafic

mouvement du trafic

Tinyint

Varchar(30)

Varchar(1)

Date

Varbinary (max)

Varchar(30)

Varchar(10)

Date

Tinyint

Varchar(30)

Varchar(20)

Tinyint

Varchar(30)

Tinyint

varchar(10)

= à 1900

Lieu_destina

Date_sortie

Date_retour

Lieu de destination

Date de sortie

Date de retour

Varchar(30)

Datetime

Egale aujourd'hui

Chapitre V. REALISATIONSET TESTS DE L'APPLICATION

V.1. Environnement du travail

Dans cette section, nous présenterons les environnements matériel et logiciel de notre travail pour la réalisation de cette application.

V.1.2. Environnement matériel

Afin de mener à bien concevoir ce projet de mémoire, il a été mis à notre disposition un ensemble de matériels dont les caractéristiques sont les suivantes :

Ø Un scanner biométrique des empreintes digitales du type U.are.U 4000B dont les caractéristiques sont les suivantes :

· Résolution de Pixel : dpi 512(x moyen, y au - dessus de la zone de balayage)

· Zone de saisie de balayage : 14.6 millimètres (nom. Largeur au centre) 18.1 millimètres (nom. Longueur)

Figure V.1. Scanner biométrique d'empreinte digitale modèle U.are.U 4000b

V.1.3. Outils de développement de l'application

Nous avons eu recours lors de l'élaboration de ce projet de mémoire un langage de programmation orientée objet appelée VB.Net avec sa plate-forme Microsoft Visual Studio 2008 et une base de données qui tourne sous Microsoft SQL Server que nous présenterons ci - dessous.

V.1.3.1. Microsoft Visual Studio 2008

Microsoft Visual Studio est une suite de logiciels de développement pour Windows conçue par Microsoft. La dernière version s'appelle Visual Studio 2010.
Visual Studio est un ensemble complet d'outils de développement permettant de générer des applications Web ASP.NET, des Services Web XML, des applications bureautiques et des applications mobile. Visual Basic, Visual C# et Visual J# utilisent tous le même environnement de développement intégré (IDE, IntregratedDevelopmentEnvironment), qui leur permet de partager des outils et facilite la création de solutions faisant appel à plusieurs langages.

Par ailleurs, ces langages permettent de mieux tirer parti des fonctionnalités du Framework.NET, qui fournit un accès à des technologies clés simplifiant le développement d'applications Web ASP et de Services Web XML grâce à Visual Web Developer.

V.1.3.2. Microsoft SQL Server 2008

Microsoft SQL Server est un système de gestion de base de données (abrégé en SGBD ou SGBDR pour « Système de gestion de base données relationnelles ») développé et commercialisé par la société Microsoft.

V.2. Présentation de l'application

On présente dans cette section les différents aspects du système de reconnaissance biométrique des empreintes et la suite de l'application.

V.2.1. Interface et Présentation

Au démarrage de l'application, apparait un formulaire d'authentification. C'est ainsi que chaque acteur doit s'authentifier avant de s'introduire dans le système.

· D'ajouter les nouveaux utilisateurs comme agent de l'office et agent de la frontière, et chaque agent aura ses droits.

· De faire les nouveaux enrôlements des citoyens qui veulent avoir le passeport.

· De vérifier si le passeport a été livré dans la voie légale ou illégale moyennant l'empreinte digitale du détenteur.

· Créer un nouveau utilisateur (agent office ou agent frontière) en fonction du lieu de travail

· De modifier un utilisateur (agents), soit son mot de passe soit son lieu de travail.

· D'enrôler les citoyens qui veulent être en possession du passeport moyennant la capture de son image, son identité et son empreinte digitale.

· Après enrôlement, on donne au citoyen un reçu impliquant qu'il reviendra récupérer son passeport plus tard.

Tous les agents auront la possibilité de vérifier si le passeport a été livré dans une voie légale ou illégale moyennant soit par le numéro du passeport ou soit par biométrie d'empreinte digitale du détenteur. Enfin, les agents regarderont l'état du passeport s'il est actif ou non - actif, illustré dans la figure ci - dessous.

Figure V.6. Formulaire de vérification biométrique par empreinte digitale

Une fois le détenteur pose son empreinte digitale sur le capteur biométrique, la fenêtre suivante apparait dans la figure illustrée dans l'exemple ci - dessous.

V.3. Démarche à suivre pour la reconnaissance des empreintes digitales

La personne pose son doigt sur le capteur d'empreintes digitales ; celui - ci capture l'image de l'empreinte de la personne, le module de traitement récupère l'image et la traite (renforcement de niveaux de gris, binarisation et recherche de minuties). Puis, une fois le traitement terminé, les résultats sont envoyés au module correspondant à l'identification qui permet de comparer les données de l'individu avec celles présentes dans la base de données d'empreinte des individus autorisés.

Conclusion générale

La biométrie est un domaine à la fois passionnant et complexe. Elle tente, par des outils mathématiques souvent très évolués, de faire la distinction entre des individus, nous obligeant à travailler dans un contexte de très grande diversité. Cette diversité se retrouve également dans le nombre considérable d'algorithmes qui ont été proposés en reconnaissance des empreintes digitales.

Dans ce mémoire, nous nous sommes intéressés au problème de la reconnaissance biométrique des empreintes digitales. Nous avons souligné durant l'influence néfaste des principales difficultés lors de la reconnaissance biométrique des empreintes digitales et pour cela, nous avons proposé quelques solutions qui ont été évaluées durant la phase de test. Ces solutions ont donné d'assez bon résultats.

Nous estimons avoir réalisé un système répondant à l'objectif que nous nous sommes fixés au départ, à savoir la mise en oeuvre d'un système permettant la synthèse et la reconnaissance biométrique des empreintes digitales d'individus et contrôle d'accès.

En guise de perspectives, une extension de ce travail peut être réalisée en intégrant un système d'acquisition des images dans les opérations d'enrôlement et de vérification.

REFERENCES ET BIBLIOGRAPHIES

[1]. John D. Woodward, Jr ; Christopher Horn, Julius Gatune and Aryn Thomas, «Biometrics A look at Facial Recognition», documented briefing by RAND Public Safety and Justice for the Virginia State Crime Commission, 2003.

[2]. Florent Perronnin, Jean - Luc Dugelay, «Introduction à la biométrie : Authentification des individus par traitement Audio - vidéo», Institut Eurocom, Multimedia Communications Department, Revue Traitement du signal, vol.19, N°4, 2002.

[4]. S.Liu, M. Silveman, «A pratical guide to biometric security technology», IEEE Computer society, IT Pro - security, January - February, 2001.

[5].A.K. Jain, L. Hong, S, Pankanti, «Biometrics: Promising Frontiers for emerging identification market», Communications of the ACM, pp. 91 - 98, February 2000.

[6]. C. Fredoville, J. Marie thoz, C. Jaboulet, J. Hennebert, J. -F. Bonastre, C. Mokbel, F. Bimbot, «Behavior of a Bayesian adaptation method for incremental enrollment in speaker verification», International conference on acoustics speech, and signal processing, pp. 1197 - 1200, Istanbul, Turquie, 5 - 9 Juin 2000.

[7]. T. Kanade «Computer Recognition of human faces», Interdisciplinary systems research, vol. 47, 1977.

[8].P. Penev and J. Atick «Local features analysis: A general statistical theory for object representation», Neural Systems, vol. 7, N°3, pp. 477 - 500, 1996.

[9]. V. Perlibakas «Face recognition using principal component analysis and log - Gabor Filters», March 2005.

[10]. P.J. Philips, A. Martin and M. Przybochi «An introduction to evaluating Biometric systems», IEEE computer, vol. 33, N°2, pp. 56 - 63, February 2002.

[11]. K. Beghad Bey «Techniques de classification d'empreintes digitales», Mémoire de magister, Ecole Militaire Polytechnique, Alger, décembre 2003.

[13]. S. Prabhakar «Fingerprint classification and Matching using filterbank», these de Doctorat en Informatique, Université de Michigan, 2001.

[14]. M.D. Garris, C.I. Watson, R.M.McCabe, C.L.Wilson «Users guide to nist fingerprint image software (nfis)», Technical report NISTIR 6813, National Institute of Standards and Technology, 2002.

[15]. H. Tonati, N. Adlène «Identification des empreintes digitales», Mémoire de fin d'études, Ecole Militaire Polytechnique, Alger, 2004.

[16]. B.C. Seow, S.K.Yeoh, S.L.Lai, N.A.Abu «Image based fingerprint verification», student conference on research and development processing, Malaysia, 2002.

[17].S. Prabhakar, A. Jain, J. Wang, S. Pankanti, B. Bolle, «Minutiae verification and classification for fingerprint matching», in international conference on pattern recognition, vol.1, pp. 25 - 29, 2000.

[18]. M.T. Leung, «Fingerprint image processing using neural network», IEEE Proc on computer and communications system, 1990.

[19]. D. Maio, D. Maltoni, «Neural based minutiae filtering in fingerprint images», in 14^thinternational conference on pattern recognition, pp. 1654 - 1658, 1998.

[20].Viscayaet Gerhardt, «A no linear orientation model for global description of fingerprints», Pattern recognition, vol. 22, N°7, pp. 1221 - 1231, 1996.

[21]. L. Hong, Y. Wan, A. Jain, «Fingerprint image enhancement: Algorithm and performance evaluation», Pattern recognition and image processing laboratory, Michigan State University, 1998.

[22]. D. Maio, D. Maltoni, «Direct Grey - scale minutiae detection in fingerprint», IEEE Trans. Pattern Anal. Machin Intell, vol. 19, N°1, pp. 27 - 40, 1997.

[23]. G. Greavenitz, «Exposé sur la technologie d'empreinte digitale», Berg dataBiometrics, Germany, 2003.

[24]. K. Nandakumar, A.K. Jain, «Local correlation - based fingerprint matching», Indian conference on computer vision, Graphics and image processing, pp. 503 - 508, 2004.

[25]. G.T.B. Verwaaijen, A.M. Baze, S.H. Garez, L.P.J. Veelunturf, et B.J. Vander Zwaag, «A correlation - based fingerprint verification system», IEEE Pro RISC 2000 workshop on circuits, systems and signal processing , November 2000.

[26]. S. Prabhakar, A. Jain, L. Hongand S. Pankanti«Finger code: A filter bank for fingerprint representation and matching», 1999.

[27]. A.K. Jain, A. Ross, «Fingerprint mosaicking», IEEE international conference on ICASSP, vol.4, May, 2002.

* ¹ PINTO et GRAWITZ, « méthode de recherche en sciences sociales » Dalloz, Paris, 1971

Conception et mise en place d'une plateforme de sécurisation par synthese et reconnaissance biométrique de documents de traffic

Chapitre 0. INTRODUCTION GENERALE

Introduction

0.1. Problématique

0.2. Hypothèse de la recherche

0.3. Méthodologie de la recherche

0.4. Choix et intérêt du sujet

Chapitre I. GENERALITE SUR LA BIOMETRIE

I.1. Préambule

I.2. La biométrie

I.2.1. Définition

I.3. Le marché mondial de la biométrie

I.4. Les parts de marché par technologies

I.5. Les techniques biométriques

I.5.1. L'analyse morphologique (physiologique)

I.5.2. L'analyse comportementale

I.6. Architecture d'un système biométrique

I.6.1. Module d'apprentissage

I.6.2. Module de reconnaissance

I.6.3. Module d'adaptation

I.7. Présentation de quelques technologies biométriques

I.7.1. Les empreintes digitales

I.7.2. La voix

I.7.3. L'iris

I.7.4. La signature

I.7.5. La géométrie de la main

I.7.6. Le visage

I.8. Reconnaissance des empreintes digitales.

I.8.1. Approches globales

I.8.2. Méthodes locales

I.8.3. Méthodes hybrides

I.9. Principales difficultés de la reconnaissance des empreintes digitales

I.9.1. Présence ou absence des composants structurels

Chapitre II. TECHNIQUE DE DETECTION ET VERIFICATION PAR RECONNAISSANCE DES EMPREINTES DIGITALEES.

II.1. Préambule.

II.2. Définition de problème de vérification.

II.2.1. Evaluation de performance.

II.2.2. Evaluation de la vérification

II.3. Les empreintes digitales comme modalité biométrique

II.4. Définition d'une empreinte digitale

II.4.1. Extraction des caractéristiques

II.4.2. Les approches d'extraction à partir de l'image en niveau de gris.

II.4.3. Les approches de binarisation

II.4.4. Les problèmes rencontrés lors de l'extraction des minuties.

II.4.5. Amélioration de l'image d'empreintes digitales.

II.5. Propriétés des images d'empreintes digitales.

II.6. Les problèmes de la reconnaissance automatique des empreintes digitales.

II.6.1. Capture de l'empreinte digitale.

II.6.2. Représentation de l'image d'empreinte et prise de décision.

II.6.2.1. Image

II.6.2.2. Représentation en minuties

II.6.2.3. Les descripteurs de texture

Chapitre III. CONCEPTS SUR LES RESEAUX INFORMATIQUES

III.1. Introduction aux réseaux informatiques

I.1. Définition

I.2. Pourquoi les réseaux informatiques

III.2. Topologie des réseaux informatiques

III.2.1. Topologie en bus

III.2.2. Topologie en étoile

III.2.3. Topologie en anneau

III.2.4. Topologie maillée

III.3. Catégories de réseaux informatiques

III.3.1. Le réseau local personnal (PAN)

III.3.2. Le réseau local (LAN)

III.3.3. Le réseau métropolitain (MAN)

III.3.4. Le réseau étendu (WAN)

III.3.4.1. Gestion des connexions

III.4. Architecture d'un réseau informatique

III.4.1. Architecture client - serveur

III.4.1.1. Présentation de l'architecture d'un système client - serveur

III.4.1.2. Avantages de l'architecture client - serveur

III.4.1.3. Inconvénients de l'architecture client - serveur

III.4.1.4. Fonctionnement d'un système client - serveur

III.4.1.5. Fonctionnement de l'application en réseaux.

III.4.2. Architecture Peer to Peer (égal à égal)

III.4.2.1. Présentation de l'architecture égal à égal (Peer to Peer)

III.4.2.2. Avantages de architecture Peer to Peer

III.4.2.4. Mise en oeuvre d'un réseau Peer to Peer

III.4.3. Architecture Trois - tiers

III.4.3.1. Présentation de l'architecture Trois - tiers