Projet BiométrieAcquisition et reconnaissance de signatures

Renaud Collin - Corentin Foucault - Flavien Garcia - Christophe HavardThibaud Michel - Aurélie Moiroux

RICM 5ème année2011 / 2012

Plan

1) Introduction- Présentation du projet- Cahier des charges- Présentation de l'équipe

2) Technique- Matériel- Interface & Acquisition des données- Algorithmes- Résultats

3) Gestion de projet- Diagramme de gantt prévisionnel/effectif- Documentation

4) Démonstration

2

Introduction - Présentation du projet

Biométrie comportementaleAcquisition et reconnaissance de signatures

Objectif :

Enregistrer une signature numérique d'un client (utilisateur) afin de permettre ultérieurement une identification grâce à cette modalité biométrique. Identification :> Mesure de plusieurs caractéristiques lors de la signature numérique> Comparaison avec la signature de référence stockée en base de données> Décision du système grâce à un arbre de décision généré par Weka

3

Introduction - Cahier des charges

Etude de l'existantMontage Arduino-DSPrétraitement des signatures : InterpolationAlgorithme de comparaison : méthode des vecteursInterface+ Axes de réflexion

Cahier des Charges

Acquisition des signaturesComparaison des signatures fournissant un résultat de l'identificationConception d'une interface d'utilisationRédaction des documents

4

Introduction - Présentation de l'équipe

Renaud Collin :● Chef de projet● Responsable documents● Etude de l'existant

Flavien Garcia & Corentin Foucault :

● Etude de l'existant,● Construction et codage de l'algorithme

Christophe Havard :

● Montage DS + Arduino,● Conception de la base de données● Conception et codage IHM

Thibaud Michel :● Acquisition des données (depuis le

montage DS + Arduino et depuis la tablette),

● Mise en place de la base de données,● Conception et codage IHM

Aurélie Moiroux :

● Acquisition des données depuis la tablette,● Conception et codage IHM

5

Technique - Matériel

Montage Arduino + Ecran de DS- Avantage :

● Coût faible

- Inconvénient: ● Le pas d'acquisition élevé (~70ms)

Tablette Bamboo CTH-460- Nouveau matériel- Librairie Java : Jpen

- Avantages : ● Pression● Le pas d'acquisition faible (~16ms)

- Inconvénient :● Coût élevé

6

Technique - Interface & Acquisition des données

Trois onglets :

● Nouvel utilisateur ● Identification

● Infos

7

Technique - Interface & Acquisition des données

Nouvel utilisateur

- Acquisition de 5 signatures pour la construction du modèle - Source :

* Tablette ou DS - Principale utilisation : Tablette

* Plus de points (fluidité) * Pression

8

Technique - Interface & Acquisition des données

Identification

- Mode faussaire :

* Tester les limites de notre système * Plus dans les conditions "normales" d'utilisation

9

Technique - Interface & Acquisition des données

Infos

- FRR/FAR - Courbe de comparaison (pression) - Arbre de décision - Résultats

10

Technique - Interface & Acquisition des données

Infos

- FRR/FAR - Courbe de comparaison (pression) - Arbre de décision - Résultats

11

Technique - Interface & Acquisition des données

Base de données

12

Technique - Algorithmes

- Prétraitement

- Algorithmes de comparaison

- Weka

- Problèmes rencontrés & Solutions proposées

13

Technique - Algorithmes

ACP

Prétraitement

14

Technique - Algorithmes

Différents algorithmes (2 classes) : Reconnaissance Signature

DTW => Distance min entre 2 graphes temporelleCOR => Taux de ressemblance

Reconnaissance ImagesVectoriel => Ecart dans les variations d'angleMatriciel => Superposition d'images

15

Technique - Algorithmes

Weka (data mining) :

1 - Données : 5 signatures / utilisateur 2 - Construction : cross-validation 3 - Classification : déterminer les paramètres discriminant via un arbre de décision

16

Technique - Algorithmes

Problèmes rencontrés & Solutions proposées Biométrie comportementale

Utilisation de plusieurs paramètres de comparaisonEnregistrement de 5 signatures par personne

=> Paramètres non discriminant(ex. vitesse moyenne ..)

17

Technique - Résultats

* Fausses acceptations : Certaines signatures dans notre base sont très simples à imiter ! * Faux refus : Certains ont une signature très variable entre 2 tentatives

18

Gestion de projet - Gantt prévisionnel

19

Gestion de projet - Gantt effectif

20

Gestion de projet - Documentation

Algorithmes / Comparaison biométriqueThèse :BOUTELLAA Elhocine"Système biométrique de vérification de signatures manuscrites en ligne"

Algorithmes : Analyse en Composantes Principales, Dynamic Time Warping...

Wekahttp://www.cs.waikato.ac.nz/ml/weka/Johann Poignant

JPen (Tablette)http://sourceforge.net/apps/mediawiki/jpen/index.php?title=Main_Page

21

Conclusion

- Logiciel performant dans des conditions normales d'utilisation (sans l'option faussaire) - Problème récurrents à la reconnaissance de signature :

* Signature facile à imiter* Evolution de la signature* Influence de l'humeur, de l'âge... * Variabilité souvent importante entre deux même signatures

- Evolution possible ? Amélioration du modèle avec le retour utilisateur

22

MERCI DE VOTRE ATTENTION,

MAINTENANT

PLACE A LA DEMO !

TRUE STORY BRO