Reconnaissance biométrique de personnes par les empreintes palmaires 3D et l’apprentissage profond

Abstract

Les systèmes de reconnaissance d’empreintes palmaires 3D ont récemment commencé à attirer l’attention des chercheurs. Par rapport à son équivalent 2D, l’empreinte palmaire 3D a plusieurs avantages uniques. Pour identifier une personne, un problème clé est d’extraire des vecteurs de caractéristiques. C’est pour ça, on a proposé une approche dans notre système efficace basée sur l’apprentissage par transfert l’un des algorithmes de l’apprentissage profond. La base de données que nous avons utilisé est PolyU qui contient les images de 2 dimensions (2D) et les informations de profondeur 3 dimensions (3D), ces dernièrs vont être converties à travers deux fonctions : courbure moyenne (MC) et courbure gaussienne (GC). Pour avoir un système plus efficace et améliorer ses performances, on a fait un système multimodal avec et sans l’application de la méthode de reliefF l’un des algorithmes de la sélection de caractéristiques

في الآونة الأخيرة بدأت أنظمة التعرف على بصمة اليد ثلاثية الأبعاد ) (3Dفي جذب انتباه الباحثين. بالمقارنة مع نظيرتها ثنائية الأبعاد ) ،(2Dتتمتع بصمة راحة اليد ثلاثية الأبعاد ) (3Dبالعديد من المزايا الفريدة. لتحديد شخص ما تتمثل المشكلة الرئيسية في استخراج متجهات الخصائص. هذا هو السبب في أننا اقترحنا نهجا في نظامنا الفعال يعتمد على نقل التعلم احدى خوارزميات التعلم العميق. وقاعدة البيانات التي استخدمناها هي PolyUتحتوي على الصور ثنائية الأبعاد ( )2Dومعلومات العمق ثلاثية الأبعاد ( ،)3Dوسيتم تحويل الأخيرة من خلال وظيفتين: MCيعني انحناء متوسط وGC انحناء .Gaussienneولكي نرى نظاما أكثر كفاءة يمكنه تحسين الأداء، فقد قمنا بنظام متعدد الوسائط مع ودون تطبيق طريقة reliefFإحدى خوارزميات اختيار الميزات

Recently, 3D palmprint recognition systems have started to gain the attention of researchers. Compared to its 2D counterpart, the 3D palmprint has several unique advantages. To identify a person, a key problem is extracting feature vectors. This is why we proposed an approach in our efficient system based on transfer learning one of the algorithms of deep learning. The database we used is PolyU which contains 2D and 3D images (depth information), the latter will be converted through two functions mean curvature (MC) and Gaussian curvature (GC). To see that, a more efficient system can improve performance, we create a multimodal system with and without the application of the reliefF method one of the feature selection algorithms.