Identification de personnes basée sur les articulations des doigts 3D

Abstract

L’automatisation de la sécurité est l’une des principales préoccupations des temps modernes. Un système de vérification de l’identité fiable et sûr est en grande demande. Un système de vérification biométrique peut représenter une méthode fiable d’identification d’une personne. Parce qu’il a la capacité d’identifier les individus, l’empreinte des articulations des doigts (FKP) est considérée comme l’une des biométries de la main développées. Les travaux présentés explorent le potentiel de l’identification biométrique basé sur l’empreinte des articulations des doigts 3D. Nous avons défini le système biométrique, démontré ses catégories, les différents processus dans lesquels il peut fonctionner, et démontré ses différents modules de composition, et comment évaluer son rendement par rapport à une variété de normes. Nous avons également discuté de deux techniques biométriques, les systèmes unimodaux et multimodaux, et expliqué pourquoi les systèmes biométriques multimodaux sont supérieurs aux systèmes biométriques unimodaux. En utilisant l’apprentissage par transfert, qui est couramment utilisé dans les applications d’apprentissage profond, nous testerons un système biométrique basé sur l’empreinte des articulations des doigts (FKP). Dans notre travail, les expériences ont été réalisées en utilisant la base de données d’images FKP 3D (HKPolyU) de l’Université Polytechnique de Hong Kong. La performance du modèle CNN suggéré a été évaluée à l’aide de deux sessions de données obtenues à partir de différents objectifs (Lens) de caméra. Enfin, nous appliquerons un système multimodal, en utilisant la fusion des scores unimodaux afin d’améliorer les performances et d’obtenir de meilleurs résultats. Les résultats expérimentaux étaient très encourageants et ont montré le potentiel d’applications biométriques utilisant l’empreinte des articulations des doigts (FKP) 3D. La thèse effectue également une comparaison des performances du système d’identification avec différents réseaux CNN pour choisir le meilleur résultat pour la tâche de reconnaissance des articulations des doigts en 3D