À la fin de ce cours, l’étudiant sera en mesure :

• d’acquérir les notions fondamentales en biométrie,
• de comparer les principaux modèles neuroniques et statistiques exploités pour faire la mise en œuvre des systèmes biométriques,
• d’analyser les avantages et les limites de différentes architectures de systèmes pour une application donnée.

Introduction à la biométrie : historique; caractéristiques biométriques; domaines d’applications; fonctions d’identification, de surveillance et de vérification; technologies de pointe; défis actuels. Reconnaissance biométrique : rappel de la reconnaissance de formes; le système biométrique généralisé; état de l’art en reconnaissance par signature, visage et voix; évaluation et comparaison des performances; sécurité, confidentialité et intégrité des données biométriques. Apprentissage automatique : introduction aux algorithmes d’apprentissage et leurs applications; modèles neuroniques et statistiques pour l’extraction de caractéristiques, l’estimation de densité, la détection, et la classification. Conception de systèmes adaptatifs : architectures modulaires et hiérarchiques; techniques pour la fusion multimodale; systèmes adaptatifs et évolutifs.

   La reconnaissance d’individus par des moyens automatiques et fiables est devenue indispensable pour la production de documents officiels (e.g., passeports et visas), et pour le contrôle d’accès à des lieux sécurisés et à des informations confidentielles. Ce cours vise d’abord une introduction aux notions fondamentales liées à la reconnaissance d’individus selon leurs traits biométriques, soit physiologiques ou comportementales, telles que l’empreinte digitale, la géométrie de la main, l’iris, la rétine, la signature, le visage et la voix.  Puisque ces traits sont distincts pour chaque individu, et ne peuvent être facilement perdues, volées ou reconstituées comme avec des approches traditionnelles (e.g., mots de passe, cartes d’accès et numéros d’identification), on s’en sert pour une prévention accrue du vol et de la fraude.

   Le deuxième objectif du cours consiste à étudier les principales techniques pour réaliser des systèmes biométriques robustes.  Un élément central de ce cours est l’analyse des techniques pour l’apprentissage machine, pour la fusion multimodale, pour l’apprentissage faiblement supervisé, pour l’apprentissage profond, et pour la reconnaissance contextuelle.  D’ailleurs, ces techniques sont présentement exploitées pour la conception d’architectures adaptatives et modulaires qui sont performantes pour la reconnaissance biométrique.  Pour supporter les objectifs du cours, les technologies de pointe et leurs applications sont aussi abordées, ainsi que les questions de confidentialité, d’intégrité et d’authenticité des données biométriques.

     Un cours magistral d’une durée de trois heures aura lieu une fois par semaine, pendant une période de treize (13) semaines.  Ces cours porteront globalement sur la conception et l’analyse des architectures de traitement d’information pour la reconnaissance biométrique.  La partie A du cours portera sur les différents aspects théoriques et pratiques des systèmes biométriques.  Les systèmes qui effectuent la reconnaissance à partir de l’empreinte digitale, de la signature, du visage et de la voix feront l’objet d’une attention particulière. Ensuite, la partie B du cours portera sur les techniques en apprentissage machine qui sont communément exploitées pour réaliser des systèmes biométriques robustes – mélange de Gaussiennes, modèles de Markov cachés, machines à vecteurs de support, méthodes à noyaux, réseaux de neurones, etc. Enfin, la partie C abordera la conception de systèmes adaptatifs et modulaires pour la reconnaissance biométrique. Les approches pour la fusion multimodale, l’apprentissage profond et faiblement supervisé et la reconnaissance contextuelle seront aussi étudiés en vue de concevoir des systèmes performants permettant d’intégrer plusieurs différentes sources d’informations biométriques.  Plusieurs applications et technologies seront présentées à travers des études de cas.  Finalement, les dernières semaines seront consacrées à la présentation orale des projets de session par les étudiants.

    Un projet de session portera obligatoirement sur un aspect spécifique de la matière présentée au cours.  Ce projet d'envergure va prendre la forme d'une étude comparative de différentes techniques et systèmes biométriques pour une application particulière.  Dans un premier temps, une synthèse de littérature servira de véhicule pour approfondir les connaissances sur des systèmes biométriques qui exploitent des techniques en apprentissage machine et en statistique.  Dans un deuxième temps, une étude expérimentale permettra d’évaluer et de comparer les performances de ces systèmes avec une base de données biométriques.  Les exigences pédagogiques résident (1) dans la rédaction de trois rapports techniques (pour le laboratoire, la synthèse de littérature, et l’étude expérimentale), (2) dans deux quiz, et (3) dans la présentation orale du projet de session par tous les étudiants.