La reconnaissance automatique d’individus par des moyens 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 automatique, pour la fusion multimodale et pour la reconnaissance contextuelle.  En particulier, ces techniques sont souvent exploitées lors de la conception d’architectures adaptatives et modulaires qui sont performantes pour la reconnaissance biométrique.  Enfin, pour supporter les objectifs du cours, les technologies de pointe et leurs applications sont 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 douze (12) 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 algorithmes pour l’apprentissage automatique qui sont communément exploités pour réaliser des classifieurs biométriques robustes – mélange de Gaussiennes, modèles de Markov cachés, machines à vecteurs de support, réseaux de neurones, etc.  Enfin, la partie C abordera la conception d’architectures adaptatives et modulaires pour la reconnaissance biométrique.  Les techniques pour la fusion multimodales et la reconnaissance contextuelle seront aussi étudiées en vue de concevoir des systèmes permettant d’intégrer plusieurs 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 différents 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 exploite des algorithmes d’apprentissage, des techniques de fusion, etc.  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 pour l’étude expérimentale), (2) dans deux quiz, et (3) dans la présentation orale du projet de session par tous les étudiants.

Les deux rapports techniques pour le projet de session – (1) synthèse de littérature et (2) étude expérimentale – devront être dactylographiés, et avoir une longueur maximum de 50 pages.  Les projets de session feront l’objet d’une présentation orale le 13 avril 2010.  Si le nombre d’étudiants l’exige, il y aura une deuxième série de présentations le 20 avril 2010.  Quant aux présentations orales faites par les étudiants, elles dureront au maximum vingt (20) minutes réparties en quinze (15) minutes de présentation et en cinq (5) minutes de discussion.

Ne s'applique pas.

R. M. Bolle, J. H. Connell, S. Pankanti, N. K. Ratha and A.W. Senior, Guide to Biometrics, Springer, New York, 2004, 364 p. ISBN 978-0-387-40089-1.

Les documents de référence pour complémenter les sujets traités en cours vous seront distribués au courant de la session.  Les présentations (acétates et code pour démonstrations) de cours et les références pertinentes seront disponibles sur le site Internet du cours SYS828: https://cours.etsmtl.ca/sys828/

C. M. Bishop, Neural Networks for Pattern Recognition, Oxford University Press, 1995.

C. M. Bishop, Pattern Recognition and Machine Learning, Springer, 2006.

J. Chirillo et S. Blaul, Implementing Biometric Security, John Wiley & Sons, 2002.

T. Dunstone et N. Yager, Biometric Systems and Data Analysis: Design, Evaluation, and Data Mining, Springer, New York, 2009.

R. O. Duda, P. E. Hart et D. G. Stork, Pattern Classification, 2ème ed., John Wiley & Sons, 2000.

S. Haykin, Neural Networks: A Comprehensive Foundation, 2ème ed., IEEE Press, 1994.

A. K. Jain, R. Bolle et S. Pankanti, Biometrics: Personal Identification in Networked Society, Kluwer Academic Publishers, 1999.

L. C. Jain, U. Halici, I. Hayashi, S. B. Lee et S. Tsutsui, Intelligent Biometric Techniques in Fingerprint and Face Recognition, CRC Press, 1999.

L. I. Kuncheva, Combining Pattern Classifiers: Methods and Algorithms, Wiley, 2004.

S. Y. Kung, M. Mak et S. Lin, Biometric Authentication: A Machine Learning Approach, Prentice Hall, 2004.

D. Maltoni, D. Maio, A. Jain et S. Prabhakar, Handbook of Fingerprint Recognition, Springer Verlag, 2003.

S. Nanavati, M. Thieme et R. Nanavati, Biometrics, by John Wiley & Sons, 2002.

J.N. Pato et L. Millett, Biometric Recognition: Challenges and Opportunities, Whither Biometrics Committee, National Research Council of the NSA, National Academies Press, 2010.

J. Wayman, A. K. Jain, D. Maltoni et D. Maio, Biometric Systems: Technology, Design and Performance Evaluation, Springer, 2004.

S. N. Yanushkevich, Biometric Inverse Problems, Design and Performance Evaluation, Taylor-Francis, 2005.

https://cours.etsmtl.ca/sys828/

ENCADREMENT

Bureau A-3642

Courriel : eric.granger@etsmtl.ca

Téléphone : (514) 396-8650

Disponibilité : du lundi au jeudi inclusivement

Internet : https://cours.etsmtl.ca/sys828/