Système d'Identification Biométrique Multimoda

Abstract

Aujourd’hui, l’intelligence artificielle est utilisée presque partout dans notre vie, l’une de ses applications se trouve être la biométrie, permettant l’identification des personnes à travers de nouveaux traits complexes, l’amélioration des ceux utilisés auparavant, ainsi qu’une meilleure facilité d’utilisation. La biométrie n’est cependant pas infaillible, et peut échouer dans certains rares cas. Le Deep Learning est l’un des sous-domaines de l’intelligence artificielle, basé sur des réseaux de neurones artificiels, il permet l’accomplissement de tâches complexes comme la reconnaissance d’objets, les prédictions d’évènements futurs, et bien d’autres, avec une très haute performance. D’où son utilisation déjà présente dans la biométrie, aidant à identifier les personnes à travers des traits complexes comme le visage, la démarche, la voix, et plusieurs autres traits. Dans ce travail, nous allons explorer et tester l’utilisation du Deep Learning dans la détection biométrique multimodale, à savoir, l’utilisation de plus d’un trait simultanément. On a utilisé la base de données SWAN-Idiap ainsi qu’un réseau de neurones convolutifs modifié à partir d’un autre modèle. Commençant par tester les performances d’un système unimodal sur les deux modalités du visage et de la région périoculaire, puis on passera au multimodal, qui utilisera une fusion de ces deux-là, tout en collectant et en comparant les données résultantes au long du travail.