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