SYSTÈME DE RECONNAISSANCE D’IRIS PAR RÉSEAUX DE NEURONES CONVOLUTIONNELS

Abstract

Les systèmes d’identification d’iris sont considérés comme l’une des meilleures technologies biométriques. La robustesse de cette technique de reconnaissance provient des caractéristiques uniques de la texture de l’iris humain et de sa stabilité au cours de la vie humaine. La plupart des systèmes commerciaux de reconnaissance par l’iris utilisent l’algorithme développé par JOHN DAUGMAN. Cet algorithme est capable de produire des taux de reconnaissance très performants. Cependant, les méthodes employées sont parfois difficiles à mettre en oeuvre et leur temps d’apprentissage peut durer longtemps. Le travail effectué dans ce mémoire consiste à mettre en point un système complet et fiable de reconnaissance d’iris en utilisant la technique de réseaux de neurones convolutionnels (CNN) pour Convolutional Neural Networks. Cette technique est, de nos jours, parmi les technologies les plus performantes pour l’encodage et la classification des images. Nous avons mis au point deux modèles CNN que nous avons appliqués sur différentes bases de données et discuté les résultats obtenus.

Iris identification systems are considered one of the best biometric technologies. The robustness of this recognition technique stems from the unique characteristics of the texture of the human iris and its stability over human life. Most commercial iris recognition systems use the patented algorithm developed by JOHN DAUGMAN. This algorithm is capable of producing very efficient recognition rates. However, the methods used are sometimes difficult to implement and their execution time can last a long moment. The work carried out in this thesis consists in studying a complete and reliable iris recognition system using the technique of Convolutional Neural Networks (CNN). which is nowadays among the most efficient technologies for encoding and classifying images. We have developed two CNN models, which we have applied on different databases and discussed the obtained results.