CA2774792A1

CA2774792A1 - Method for detecting a fake finger for fingerprint acquisition software

Info

Publication number: CA2774792A1
Application number: CA2774792A
Authority: CA
Inventors: Charles Sayac; Valerie Letournel; Philippe Robin
Original assignee: Thales SA
Current assignee: Thales SA
Priority date: 2009-09-22
Filing date: 2010-09-03
Publication date: 2011-03-31
Also published as: FR2950455B1; WO2011036046A1; FR2950455A1; EP2481011A1

Abstract

L'invention présente un procédé de détection de faux doigt pour logiciel d'acquisition d'empreintes digitales aux performances améliorées. A cette fin, le procédé selon l'invention revendique la mise en uvre d'une étape d'analyse statique STAT comprenant le calcul d'une matrice GLRL d'une image IMG de doigt. Optionnellement, mais de manière préférée, l'invention propose en outre de combiner une analyse statique STAT et une analyse dynamique DYN afin d'optimiser la capacité de détection de faux doigts.A method of fake finger detection for fingerprint acquisition software with improved performance is provided. To this end, the method according to the invention claims the implementation of a step of static analysis STAT comprising the calculation of a GLRL matrix of a finger IMG image. Optionally, but preferably, the invention further provides to combine a static STAT analysis and a dynamic DYN analysis in order to optimize the ability to detect false fingers.

Description

Procédé de détection de faux doigt pour logiciel d'acquisition d'empreintes digitales.

La présente invention concerne un nouveau procédé permettant à
un logiciel d'acquisition d'empreintes digitales de détecter d'éventuels faux doigts . Par la mise en oeuvre d'une méthode analyse d'image inédite dans ce domaine, le procédé selon l'invention permet une amélioration des performances des logiciels d'acquisition d'empreintes digitales.

L'acquisition et la reconnaissance des empreintes digitales sont l o aujourd'hui devenues incontournables dans le contexte du contrôle de l'identité des personnes. Les systèmes actuels d'acquisition des empreintes digitales comprennent une composante matérielle et une composante logicielle. La composante matérielle repose essentiellement sur la mise en oeuvre d'un capteur permettant l'acquisition d'une image du doigt dont on cherche à acquérir l'empreinte. La composante logicielle comprend une interface homme-machine permettant l'acquisition de renseignements, l'enregistrement de données personnelles, l'affichage d'informations à
destination de l'opérateur comme du sujet.
Par ailleurs, actuellement, un but des logiciels d'acquisition d'empreintes digitales consiste de plus en plus à détecter d'éventuelles tentatives de fraude de ces systèmes, à travers l'utilisation de faux doigts, tels que des doigts moulés, des doigts en latex ...etc. Ces fraudes peuvent avoir pour motivation une volonté de cacher son identité afin de ne pas être reconnu, d'usurper l'identité de quelqu'un, ou encore de chercher à créer une fausse identité par exemple. Pour garantir l'efficacité des stations d'acquisition d'empreintes digitales, il est important de mettre au point des systèmes de détection de ces tentatives de fraudes.

L'invention se situe dans ce contexte de recherche de solutions plus efficaces visant à détecter les faux doigts, par l'intermédiaire d'une approche logicielle du problème.

L'état de la technique comprend un certain nombre de solutions techniques permettant de détecter des faux doigts. En particulier, plusieurs Fingerprint detection method for acquisition software fingerprint.

The present invention relates to a novel method for a fingerprint acquisition software to detect any eventual false fingers. By the implementation of an unpublished image analysis method in this field, the method according to the invention allows an improvement of the performance of fingerprint acquisition software.

The acquisition and recognition of fingerprints are lo now become unavoidable in the context of the control of the identity of the people. Current fingerprint acquisition systems include a hardware component and a component software. The material component is essentially based on the implementation of a sensor enabling the acquisition of an image of the finger seeks to acquire the imprint. The software component includes a human-machine interface allowing the acquisition of information, the recording of personal data, the posting of information to destination of the operator as the subject.
In addition, currently, a goal of acquisition software Fingerprinting is increasingly about detecting potential fraud attempts of these systems, through the use of fake fingers, such as molded fingers, latex fingers ... etc. These frauds can motivated by a desire to hide one's identity so as not to be recognized, to impersonate someone, or to seek to create a false identity for example. To guarantee the efficiency of the stations acquisition of fingerprints, it is important to develop detection systems of these fraud attempts.

The invention lies in this context of finding solutions more effective to detect fake fingers, through a software approach to the problem.

The state of the art comprises a number of solutions techniques for detecting false fingers. In particular, several

2 technologies fondées sur une approche matérielle de la question ont été
mises au point, telles que celle décrite dans le brevet US 7,415,139 ; elles consistent le plus souvent à déterminer si le doigt dont on acquiert l'image est bien vivant, par l'intermédiaire de mesures de températures, de flux sanguin, ou par la détection de phénomènes de sudation par exemple.
D'autres technologies sont fondées sur une analyse de l'image de l'empreinte du doigt ; de telles techniques sont par exemple divulguées dans des publications comme R. DERAKHSHANI ET AL, Determination of vitality from a non-invasive biomedical measurement for use in fingerprint l o scanners , in Pattern Recognition, v 36, n 2, p 383-96, Feb. 2003, ou encore dans S. NIKAM ET AL, Wavelet energy signature and GLCM features based fingerprint anti-spoofing , for Sixth IIEEE International conference on Wavelet Analysis and Pattern Recognition (ICWAPR-2008), Hong Kong, 30-31 Aug. 2008, pour donner un exemple proposant une analyse en ondelettes de l'image acquise.

Un but de l'invention est de proposer une solution technologique alternative et particulièrement efficace, en traitant la problématique de la détection de faux doigts, dans le contexte d'un logiciel d'acquisition d'empreintes digitales, selon deux axes : le premier axe consiste à introduire un nouveau critère d'analyse d'une image de doigt ; le second axe, permettant d'améliorer encore les performances dans le cadre d'un mode de réalisation préféré de l'invention, réside dans l'idée de combiner une analyse statique d'image et une analyse dynamique d'un flux d'images afin de lever un maximum d'ambiguïtés dans le cadre d'un procédé de détection de faux doigt.

A cet effet, l'invention a pour objet un procédé de détection de faux doigt pour logiciel d'acquisition d'empreintes digitales comprenant une étape d'acquisition de l'image d'un doigt, comportant :
= une étape d'analyse statique de ladite image de doigt, ladite analyse statique comprenant le calcul et l'analyse de l'une quelconque des matrices de longueur de chaîne des niveaux de gris, dites matrices GLRL pour Gray Level Run Length selon 2 technologies based on a material approach to the issue have been developed, such as that described in US Patent 7,415,139; they most often determine whether the finger of which the image is acquired is alive and well, through temperature measurements, flow blood, or by the detection of sweating, for example.
Other technologies are based on an analysis of the image of the fingerprint; such techniques are for example disclosed in publications such as R. DERAKHSHANI AND AL, Determination of vitality from a non-invasive biomedical measurement for use in fingerprint lo scanners, in Pattern Recognition, v 36, n 2, p 383-96, Feb. 2003, or again in S. NIKAM AND AL, Wavelet energy signature and GLCM features based anti-spoofing fingerprint, for Sixth International Conference on Wavelet Analysis and Pattern Recognition (ICWAPR-2008), Hong Kong, 30-31 Aug. 2008, to give an example proposing a wavelet analysis of the acquired image.

An object of the invention is to propose a technological solution alternative and particularly effective in addressing the problem of false finger detection, in the context of an acquisition software of fingerprints, along two axes: the first axis is to introduce a new criterion for analyzing a finger image; the second axis, to further improve performance as part of a preferred embodiment of the invention resides in the idea of combining an analysis static image and dynamic analysis of a stream of images in order to lift a maximum of ambiguities in the context of a false detection method finger.

For this purpose, the subject of the invention is a method for detecting fake finger for fingerprint acquisition software including a step of acquiring the image of a finger, comprising:
= a step of static analysis of said finger image, said static analysis including the calculation and analysis of one any of the chain length matrices of the levels of gray, called GLRL matrices for Gray Level Run Length according to

3 l'acronyme anglais consacré, correspondant à ladite image de doigt ;
= une étape de construction d'un premier vecteur caractéristique de l'image de doigt comprenant au moins partiellement ladite matrice GLRL.

Selon un mode de mise en oeuvre de l'invention, ladite analyse statique comprend en outre :
= l'analyse de la périodicité des pores de la peau ; et/ou = le calcul et l'analyse de la matrice de cooccurrence des niveaux de gris, dite GLCM pour Gray Level Cooccurrence Matrix selon l'acronyme anglais consacré, associée à l'image de doigt.

Avantageusement, l'étape d'analyse statique peut être suivie de la mise en oeuvre d'une méthode d'analyse en composante principale, dite méthode ACP.
Avantageusement, l'étape d'analyse statique peut être suivie de la mise en oeuvre d'une méthode d'apprentissage supervisée à partir d'une base de données d'apprentissage appliquée au premier vecteur caractéristique.
Avantageusement, l'étape d'analyse statique peut être par ailleurs suivie de la mise en oeuvre d'une analyse à noyaux appliquée au premier vecteur caractéristique de l'image de doigt basée sur ladite méthode d'apprentissage supervisée.
Avantageusement, l'analyse à noyaux comprend en outre une étape de classification.
Avantageusement, le procédé selon l'invention peut déterminer, en fonction des résultats des méthodes d'analyse statique, un premier score correspondant à un indice de confiance liée à la probabilité que le doigt à
l'origine de l'image analysée est vrai, respectivement faux.

Avantageusement, le procédé selon l'invention peut également comprendre une étape d'alerte de l'opérateur dans le cas où le premier score est inférieur à un premier seuil prédéterminé. 3 the consecrated acronym, corresponding to said image of finger;
= a step of constructing a first characteristic vector of the finger image comprising at least partially said GLRL matrix.

According to one embodiment of the invention, said analysis static further comprises:
= the analysis of the periodicity of the pores of the skin; and or = calculation and analysis of the co-occurrence matrix of the levels of gray, so-called GLCM for Gray Level Cooccurrence Matrix according to the consecrated acronym associated with the finger image.

Advantageously, the static analysis step can be followed by the implementation of a principal component analysis method, known as ACP method.
Advantageously, the static analysis step can be followed by the implementation of a supervised learning method from a learning database applied to the first vector feature.
Advantageously, the static analysis step can be moreover followed by the implementation of a kernel analysis applied to the first characteristic vector of the finger image based on said method supervised learning.
Advantageously, the kernel analysis further comprises a classification stage.
Advantageously, the method according to the invention can determine, according to the results of static analysis methods, a first score corresponding to a confidence index related to the probability that the finger to the origin of the analyzed image is true, respectively false.

Advantageously, the process according to the invention can also include an operator alert step in case the first score is less than a first predetermined threshold.

4 Avantageusement, le procédé selon l'invention peut comprendre par ailleurs une étape d'acquisition d'un flux d'images de doigt comprenant une pluralité d'images du doigt, ainsi qu'une étape d'analyse dynamique dudit flux d'images aboutissant à la construction d'un deuxième vecteur caractéristique du flux d'images.
Avantageusement, l'étape d'analyse dynamique est suivie d'une combinaison linéaire des mesures constituant le deuxième vecteur caractéristique.
Avantageusement, l'étape d'analyse dynamique est apte à
l o permettre la détection un phénomène de sudation du doigt.
Avantageusement, l'étape d'analyse dynamique comprend la mise en oeuvre d'une ou plusieurs méthodes d'analyse dynamique parmi les méthodes suivantes :
= une analyse de l'évolution temporelle sur une dimension des lignes de crête des images du flux d'images du doigt ;
= une analyse en ondelettes du flux d'images du doigt.
Avantageusement, le flux d'images est stocké sur un support informatique en vue d'une analyse ultérieure.
Avantageusement, l'étape d'analyse dynamique peut être suivie de la mise en oeuvre d'une seconde méthode d'apprentissage supervisée à
partir d'une base de données d'apprentissage appliquée au deuxième vecteur caractéristique.
Avantageusement, l'étape d'analyse dynamique peut en outre être suivie de la mise en oeuvre d'une analyse à noyaux appliquée au deuxième vecteur caractéristique basée sur ladite méthode d'apprentissage supervisée.
Avantageusement, le procédé selon l'invention peut déterminer, en fonction des résultats des méthodes d'analyse dynamique, un deuxième score correspondant à un indice de confiance liée à la probabilité que le doigt à l'origine de l'image analysée est vrai.

Avantageusement, le procédé selon l'invention peut également comprendre une étape d'alerte de l'opérateur dans le cas où le deuxième score est inférieur à un deuxième seuil prédéterminé.

Avantageusement, l'étape d'analyse statique et l'étape d'analyse dynamique aboutissent respectivement à la détermination d'un premier et d'un deuxième scores, et en ce que ledit procédé comprend une étape de fusion desdits premier et deuxième scores en vue de déterminer un indice de 4 Advantageously, the method according to the invention can comprise in addition, a step of acquiring a stream of finger images comprising a plurality of images of the finger, as well as a step of dynamic analysis of said image flow resulting in the construction of a second vector characteristic of the image flow.
Advantageously, the dynamic analysis step is followed by a linear combination of the measures constituting the second vector feature.
Advantageously, the dynamic analysis step is suitable for lo allow the detection a sweating phenomenon of the finger.
Advantageously, the dynamic analysis step includes placing one or more dynamic analysis methods among the following methods:
= an analysis of the temporal evolution on a dimension of crest lines of the images of the finger image stream;
= a wavelet analysis of the image flow of the finger.
Advantageously, the image stream is stored on a medium computer for further analysis.
Advantageously, the dynamic analysis step can be followed the implementation of a second supervised learning method at from a learning database applied to the second characteristic vector.
Advantageously, the dynamic analysis step can also be followed by the implementation of a kernel analysis applied to the second feature vector based on said learning method supervised.
Advantageously, the method according to the invention can determine, according to the results of dynamic analysis methods, a second score corresponding to a confidence index related to the probability that the finger at the origin of the analyzed image is true.

Advantageously, the process according to the invention can also include an operator alert step in the event that the second score is less than a second predetermined threshold.

Advantageously, the static analysis step and the analysis step dynamic result respectively in the determination of a first and of a second score, and in that said method comprises a step of merging said first and second scores to determine an index of

5 confiance amélioré lié à la probabilité que le doigt à l'origine de l'image analysée est vrai.
Avantageusement, le procédé selon l'invention peut également comprendre une étape d'alerte de l'opérateur dans le cas où le score est inférieur à un deuxième seuil prédéterminé.
L'invention réside aussi dans une station d'acquisition d'empreintes digitales comprenant :
= un capteur permettant l'acquisition de l'image d'un ou plusieurs doigts ;
= un ensemble informatique comprenant un premier écran d'affichage d'une première interface homme-machine destiné à
l'opérateur de la station d'acquisition et un ordinateur mettant en oeuvre un logiciel, le logiciel mettant en oeuvre le procédé précédemment décrit.
Avantageusement, ladite station d'acquisition d'empreintes digitales, comprenant en outre un capteur permettant l'acquisition d'un flux d'images d'un ou plusieurs doigts.
Avantageusement, ladite station d'acquisition d'empreintes digitales comporte en outre une seconde interface homme-machine destinée au sujet dont ladite station d'acquisition réalise l'acquisition de l'image d'un ou plusieurs doigts, ladite seconde interface homme-machine pouvant être affichée sur le premier écran d'affichage ou sur un second écran d'affichage.

D'autres caractéristiques et avantages de l'invention apparaîtront à l'aide de la description qui suit faite en regard du dessin annexé qui représente :
= la figure 1 : le schéma bloc du principe de l'invention selon son mode de réalisation préféré.

WO 2011/036045 improved confidence related to the probability that the finger at the origin of the image analyzed is true.
Advantageously, the process according to the invention can also understand an operator alert step in the event that the score is less than a second predetermined threshold.
The invention also resides in an acquisition station fingerprint including:
= a sensor allowing the acquisition of the image of one or more fingers;
= a computer set including a first screen display of a first human-machine interface intended for the operator of the acquisition station and a computer putting implement a software, the software implementing the method described above.
Advantageously, said fingerprint acquisition station digital sensors, further comprising a sensor for acquiring a stream images of one or more fingers.
Advantageously, said fingerprint acquisition station digitals further comprises a second human-machine interface for the subject of which said acquisition station realizes the acquisition of the image a or more fingers, said second human-machine interface being displayed on the first display screen or on a second display screen.

Other features and advantages of the invention will become apparent with the following description made with reference to the attached drawing which represent :
= Figure 1: the block diagram of the principle of the invention according to its preferred embodiment.

WO 2011/03604

6 PCT/EP2010/062937 La figure 1 présente un schéma bloc du procédé de détection de faux doigts selon l'invention, selon son mode de réalisation préféré, intégrant certaines caractéristiques optionnelles.
Le procédé selon l'invention est mis en oeuvre à partir de l'instant où une image IMG d'un ou de plusieurs doigts a été acquise par un capteur optique quelconque. Ledit procédé comporte une première étape d'analyse statique STAT de l'image de doigt IMG. De manière optionnelle, le procédé
selon l'invention peut comprendre, en parallèle, une étape d'analyse dynamique DYN de l'image IMG. De manière préférée, l'étape d'analyse l o dynamique DYN n'est réalisée que si l'étape d'analyse statique STAT permet de déterminer qu'il est nécessaire, ou du moins recommandé, d'effectuer cette étape d'analyse dynamique DYN afin d'améliorer la qualité du résultat obtenu.
L'étape d'analyse statique STAT aboutit à la construction d'un vecteur caractérisant l'image de doigt IMG. Selon l'invention, l'étape d'analyse statique STAT comprend, pour ce faire, une étape de calcul d'une matrice GLRL, pour Gray Level Run Length selon l'acronyme anglais consacré, correspondant à l'image de doigt IMG. Le calcul d'une matrice GLRL pour effectuer l'analyse d'une image est en tant que tel connu. Ainsi, la publication F. ALBREGTSEN, Statistical Texture Measures Computed From Gray Level Run Length Matrices , for Image Processing Laboratory, Department of Informatics, University of Oslo, Nov. 1995, y fait reference.
Dans le domaine de la détection de faux doigts pour logiciel d'acquisition d'empreintes digitales, cette pratique est inconnue. Le calcul d'une matrice GLRL quelconque associée à l'image de doigt IMG permet de disposer d'une caractérisation précise de l'image de doigt IMG avec un minimum d'informations.
A partir de cette matrice GLRL, et éventuellement d'autres résultats issus de méthodes d'analyse statique différentes, le procédé selon l'invention prévoit la construction d'un vecteur caractéristique de l'image de doigt IMG à partir d'un ensemble de mesures Ml issues de l'étape d'analyse statique STAT. Selon l'invention, l'étape d'analyse statique STAT comprend donc au moins le calcul d'une matrice GLRL associée à l'image de doigt IMG. L'analyse de la matrice GLRL donne notamment des renseignements sur la texture de la peau du doigt. 6 PCT / EP2010 / 062937 Figure 1 shows a block diagram of the detection method of false fingers according to the invention, according to its preferred embodiment, integral some optional features.
The method according to the invention is implemented from the moment where an IMG image of one or more fingers has been acquired by a sensor any optical. Said method comprises a first analysis step static STAT of IMG finger image. Optionally, the method according to the invention may comprise, in parallel, an analysis step DYN dynamic of the IMG image. Preferably, the analysis step Dynamic DYN is only performed if the STAT static analysis step allows to determine that it is necessary, or at least recommended, to this dynamic analysis step DYN to improve the quality of the result got.
The STAT static analysis step results in the construction of a vector characterizing the IMG finger image. According to the invention, the step static analysis STAT includes, for this purpose, a step of calculating a GLRL matrix, for Gray Level Run Length according to the acronym dedicated, corresponding to the IMG finger image. The calculation of a matrix GLRL to perform the analysis of an image is as such known. So, the F. ALBREGTSEN Publication, Statistical Texture Measures Computed From Gray Level Run Length Matrices, for Image Processing Laboratory, Department of Informatics, University of Oslo, Nov. 1995, refers to it.
In the field of false-finger detection for acquisition software fingerprint, this practice is unknown. The calculation of a matrix Any GLRL associated with the IMG finger image makes it possible to have a precise characterization of the IMG finger image with a minimum information.
From this GLRL matrix, and possibly others results from different static analysis methods, the process according to the invention provides the construction of a vector characteristic of the image of IMG finger from a set of Ml measurements from the analysis step static STAT. According to the invention, the STAT static analysis step comprises so at least the calculation of a GLRL matrix associated with the finger image IMG. The analysis of the GLRL matrix includes information on the texture of the skin of the finger.

7 De manière préférée, on combinera le calcul de ladite matrice GLRL avec d'autres méthodes d'analyse statique telles que :
= une analyse de la périodicité des pores de la peau par la technique, connue de l'homme du métier, des transformées de Fourier dite FFT, pour Fast Fourier Transform selon l'acronyme anglais, appliquée au signal des lignes de crête de l'empreinte du doigt détectées sur l'image IMG ;
= une analyse de la rugosité par une méthode d'analyse en ondelettes du signal des vallées de l'empreinte du doigt détectées sur l'image IMG ;
= une analyse de la texture de la peau du doigt au moyen cette fois de l'analyse de la matrice de cooccurrence des niveaux de gris, dite GLCM pour Gray Level Cooccurrence Matrix selon l'acronyme anglais.
Le procédé selon l'invention peut comprendre, après cette étape d'analyse statique STAT aboutissant à la construction d'un vecteur de mesures Ml caractéristique de l'image de doigt IMG, une étape de traitement et de classification CLASS de ces mesures Ml par une approche statistique, telle qu'une méthode d'analyse en composante principale, dite méthode ACP, ou une technique connue de logique floue. Cette étape, en particulier dans le cas où l'étape d'analyse statique STAT comprend l'analyse de différents critères, correspond de préférence à une analyse dite à noyaux comprenant une phase fondée sur une méthode d'apprentissage supervisée à partir d'une base de données d'apprentissage, et une phase de classification proprement dite.
En tout état de cause, le procédé selon l'invention permet alors de calculer un premier score, ou indice, SCO1, traduisant un indice de confiance relatif à la probabilité que le doigt dont l'image IMG est en cours 3o d'analyse soit un vrai doigt. Ce score SCO1 est comparé à un premier seuil prédéterminé Si. Si le premier score SCO1 est supérieur au premier seuil prédéterminé Si, une marge pouvant être prévue, alors l'indice de confiance est suffisant et l'opérateur éventuel peut en être averti.
Selon un premier mode de réalisation, le procédé de détection de faux doigt selon l'invention est alors arrivé à son terme. De manière 7 Preferably, the calculation of said matrix will be combined GLRL with other static analysis methods such as:
= an analysis of the periodicity of the pores of the skin by the technique, known to those skilled in the art, transformations FFT Fourier, for Fast Fourier Transform according to the acronym, applied to the signal of the ridge lines the fingerprint detected on the IMG image;
= an analysis of the roughness by a method of analysis in wavelet signal of the valleys of the fingerprint detected on the IMG image;
= an analysis of the texture of the skin of the finger by means of this time from the analysis of the co-occurrence matrix of Grayscale, so-called GLCM for Gray Level Cooccurrence Matrix according to the acronym English.
The method according to the invention can comprise, after this step STAT static analysis, resulting in the construction of a vector of Ml measurements characteristic of the IMG finger image, a processing step and CLASS classification of these Ml measures by a statistical approach, such as a principal component analysis method, the so-called method ACP, or a known technique of fuzzy logic. This step, especially in the case where the STAT static analysis step includes the analysis of different criteria, preferably corresponds to a so-called kernel analysis including a phase based on a supervised learning method from a learning database, and a phase of classification proper.
In any case, the process according to the invention then makes it possible to calculate a first score, or index, SCO1, reflecting an index of confidence about the likelihood that the finger whose IMG image is in progress 3o analysis is a real finger. This SCO1 score is compared to a first threshold If the first score SCO1 is greater than the first threshold If, a margin can be expected, then the confidence index is sufficient and the potential operator can be notified.
According to a first embodiment, the method for detecting fake finger according to the invention has then come to an end. So

8 optionnelle, il peut néanmoins comprendre encore une étape d'analyse dynamique DYN, telle que décrite plus loin, en guise de vérification.

Si le premier score SCO1 est inférieur au premier seuil prédéterminé S1, une marge pouvant être prévue, alors l'indice de confiance est insuffisant et l'opérateur éventuel peut être averti du fait qu'il est vraisemblable que le doigt dont l'image IMG est en cours d'analyse est faux.
L'avertissement de l'opérateur peut prendre la forme d'un message d'alerte ALT. Cet avertissement ou cette alerte ALT peuvent, selon le mode de l o réalisation le plus simple, survenir sans qu'une étape d'analyse dynamique DYN de l'image IMG ne soit mise en oeuvre, même si cela n'est pas représenté sur la figure 1.
Selon le mode de mise en oeuvre préféré du procédé selon l'invention, lorsque le premier score SCO1 est inférieur au seuil prédéterminé
S1, une marge pouvant être prévue, ledit procédé comprend une étape supplémentaire d'analyse dynamique DYN. Cependant, cette étape d'analyse dynamique DYN peut être effectuée systématiquement, par exemple en parallèle de l'étape d'analyse statique STAT. L'analyse dynamique DYN se fonde sur l'évolution dans le temps d'une pluralité
d'images IMG acquise sur une certaine durée. Le capteur acquiert alors un flux d'images IMG. Typiquement, un tel capteur peut acquérir deux images IMG espacées de deux ou trois secondes. Cette étape d'analyse dynamique DYN peut comprendre une ou une combinaison de méthodes d'analyse dynamique, parmi les méthodes suivantes :
= une analyse temporelle du signal sur une dimension des lignes de crêtes de l'empreinte du doigt détectées sur le flux d'images IMG ;
= une analyse en ondelettes du flux d'images et le calcul du rapport d'énergie entre l'image initiale, ou première image du flux d'images IMG, et l'image finale, ou dernière image du flux d'images IMG.

L'étape d'analyse dynamique DYN aboutit à la construction d'un vecteur de mesures M2 caractéristique du flux d'images IMG 8 optional, it can nevertheless still include a step of analysis dynamic DYN, as described later, as verification.

If the first SCO1 score is below the first threshold predetermined, S1, a margin that can be expected, then the confidence index is insufficient and the prospective operator can be warned that he is likelihood that the finger whose IMG image is being analyzed is false.
The operator warning can take the form of an alert message ALT. This ALT warning or alert may, depending on the mode of the simplest realization, to occur without a dynamic analysis step DYN of the IMG image is implemented, even if it is not shown in Figure 1.
According to the preferred embodiment of the method according to the invention, when the first score SCO1 is lower than the predetermined threshold S1, a margin that can be provided, said method comprises a step additional DYN dynamic analysis. However, this step DYN dynamic analysis can be performed systematically, by example in parallel with the STAT static analysis step. analysis dynamic DYN is based on the evolution over time of a plurality IMG images acquired over a period of time. The sensor then acquires a IMG image stream. Typically, such a sensor can acquire two images IMG spaced two or three seconds apart. This dynamic analysis step DYN can include one or a combination of methods of analysis dynamic, among the following methods:
= a temporal analysis of the signal on a dimension of lines of ridges of the fingerprint detected on the IMG image stream;
= a wavelet analysis of the image flow and the calculation of the energy ratio between the initial image, or first image the IMG image stream, and the final image, or last image IMG image flow.

The dynamic analysis step DYN results in the construction of a vector of M2 measurements characteristic of IMG image flow

9 Dans le procédé selon l'invention, l'étape d'analyse dynamique DYN peut permettre de calculer à ce moment un deuxième score, ou indice, SC02, traduisant un indice de confiance relatif à la probabilité que le doigt dont l'image IMG est en cours d'analyse soit un vrai doigt. Sur la figure 1, et conformément à un mode de mise en oeuvre préféré de l'invention, le deuxième score SC02 est calculé après qu'une étape de combinaison linéaire COMB des mesures du vecteur M2 a été effectuée. Pour améliorer la détermination du deuxième score SC02, cette étape COMB peut être suivie d'une phase d'apprentissage à partir d'une base de données 1o d'apprentissage. Aussi, comme dans le cas de l'étape d'analyse statique STAT, un traitement du vecteur de mesures M2 peut être réalisé à l'aide d'une analyse à noyaux basée sur ladite méthode d'apprentissage.
Une fois déterminé, le deuxième score SC02 est comparé à un deuxième seuil prédéterminé S2. Si le deuxième score SC02 est supérieur au deuxième seuil prédéterminé S2, une marge pouvant être prévue, alors l'indice de confiance est suffisant et l'opérateur éventuel peut en être averti.
Dans le cas contraire, c'est-à-dire si le deuxième score SC02 est inférieur au deuxième seuil prédéterminé S2, une marge pouvant être prévue, alors l'indice de confiance est insuffisant et l'opérateur éventuel peut être averti du fait qu'il est vraisemblable que le doigt dont l'image IMG et un flux d'images IMG sont en cours d'analyse est faux. L'avertissement de l'opérateur peut prendre la forme d'un message d'alerte ALT.

Selon le mode de mise en oeuvre préféré du procédé selon l'invention, dans le quel l'étape d'analyse dynamique DYN n'est effectué que si le premier score SCO1 est inférieur au premier seul prédéterminé S1, une fusion FUS des premier SCO1 et deuxième scores SC02 est réalisée avant de comparer le résultat au deuxième seuil S2.
C'est alors le résultat de la fusion FUS qui est comparé au 3o deuxième seuil prédéterminé S2. Si fusion FUS des premier SCO1 et deuxième scores SC02 est supérieur au deuxième seuil prédéterminé S2, une marge pouvant être prévue, alors l'indice de confiance est suffisant et l'opérateur éventuel peut en être averti.
Dans le cas contraire, c'est-à-dire si fusion FUS des premier SCO1 et deuxième scores SC02 est inférieur au deuxième seuil prédéterminé S2, une marge pouvant être prévue, alors l'indice de confiance est insuffisant et l'opérateur éventuel peut être averti du fait qu'il est vraisemblable que le doigt dont l'image IMG et un flux d'images IMG sont en cours d'analyse est faux. L'avertissement de l'opérateur peut prendre la 5 forme d'un message d'alerte ALT.

Par ailleurs, dans un mode de réalisation particulier de l'invention, le flux d'images IMG peut être stocké sur un support informatique en vue d'une analyse ultérieure, afin de ne pas ralentir le processus global l o d'acquisition d'empreintes digitales.

Il est à noter que la présente invention couvre également une station d'acquisition d'empreintes digitales apte à mettre en oeuvre le procédé décrit ci-dessus. Une telle station d'acquisition comprend un capteur configuré pour réaliser l'acquisition de l'image d'un ou plusieurs doigts et, optionnellement, l'acquisition d'un flux d'images d'un ou plusieurs doigts. La station d'acquisition selon l'invention comprend en outre un ensemble informatique doté d'un logiciel mettant en oeuvre le procédé selon l'invention.
En outre, ladite station d'acquisition peut comprendre un premier écran présentant une interface homme-machine à destination de l'opérateur de la station à des fins d'affichage d'informations ou de saisie de renseignements.
La station peut également comprendre un deuxième écran présentant une interface homme-machine à destination du sujet dont un ou plusieurs doigts sont en cours d'acquisition, à des fins d'affichage d'informations essentiellement.

Pour résumer, l'invention a pour principal avantage de proposer un procédé de détection de faux doigt pour logiciel d'acquisition d'empreintes digitales aux performances améliorées. A cette fin, le procédé selon l'invention revendique la mise en oeuvre d'une étape d'analyse statique comprenant le calcul d'une matrice GLRL d'une image de doigt.
Optionnellement, mais de manière préférée, l'invention propose en outre de combiner une analyse statique et une analyse dynamique afin d'optimiser la capacité de détection de faux doigts. 9 In the method according to the invention, the dynamic analysis step DYN can calculate at that moment a second score, or index, SC02, translating a confidence index relative to the probability that the finger whose IMG image is being analyzed is a real finger. In Figure 1, and according to a preferred embodiment of the invention, the SC02 second score is calculated after a combination step Linear COMB of the vector M2 measurements was performed. To improve the determination of the second SC02 score, this COMB step can be followed a learning phase from a database 1o learning. Also, as in the case of the static analysis step STAT, a M2 measurement vector processing can be performed using a kernel analysis based on said learning method.
Once determined, the second SC02 score is compared to a second predetermined threshold S2. If the second SC02 score is higher at the second predetermined threshold S2, a margin can be provided, then the confidence index is sufficient and the potential operator can be warned.
If not, that is, if the second SC02 score is less than the second predetermined threshold S2, a margin that can be expected, then the confidence index is insufficient and the potential operator can be warned that it is likely that the finger whose image IMG and a IMG image streams are being analyzed is wrong. The warning of the operator can take the form of an ALT warning message.

According to the preferred embodiment of the method according to the invention, in which the dynamic analysis step DYN is performed only if the first SCO1 score is less than the first predetermined single S1, a FUS fusion of the first SCO1 and second SC02 scores is carried out before compare the result to the second threshold S2.
It is then the result of the FUS fusion that is compared to 3o second predetermined threshold S2. If FUS fusion of the first SCO1 and second scores SC02 is greater than the second predetermined threshold S2, a margin that can be expected, then the confidence index is sufficient and the prospective operator can be notified.
If not, that is, if the FUS fusion of the first SCO1 and SC02 second scores is below the second threshold predetermined, S2, a margin that can be expected, then the confidence index is insufficient and the prospective operator can be warned that he is likelihood that the finger whose IMG image and an IMG image stream are in course of analysis is wrong. The operator's warning can take the 5 form of an ALT warning message.

Moreover, in a particular embodiment of the invention, the IMG image stream can be stored on a computer medium for subsequent analysis, so as not to slow down the overall process lo acquisition of fingerprints.

It should be noted that the present invention also covers a fingerprint acquisition station capable of implementing the method described above. Such an acquisition station comprises a sensor configured to acquire the image of one or more fingers and, optionally, acquiring a stream of images of one or more fingers. The acquisition station according to the invention further comprises a set computer equipped with software implementing the method according to the invention.
In addition, said acquisition station may comprise a first screen presenting a human-machine interface to the operator of the station for the purposes of displaying information or entering information.
The station may also include a second screen presenting a human-machine interface to the subject of which one or several fingers are being acquired, for display purposes essentially information.

To summarize, the invention has the main advantage of proposing a false finger detection method for fingerprint acquisition software digitals with improved performance. For this purpose, the process according to the invention claims the implementation of a static analysis step comprising calculating a GLRL matrix of a finger image.
Optionally, but preferably, the invention proposes in in addition to combining static analysis and dynamic analysis so optimize the ability to detect fake fingers.

Claims

1. False finger detection method for acquisition software Fingerprints comprising a step of acquiring the image (IMG) of a finger, characterized in that it comprises:
.cndot. a static analysis step (STAT) of said image (IMG) of said static analysis (STAT) including the calculation and the analysis of any of the length matrices of grayscale chain, called GLRL matrices for Gray Level Run Length according to the acronym corresponding to said finger image (IMG);
.cndot. a step of constructing a first characteristic vector (M1) of the finger image (IMG) comprising at least partially said GLRL matrix.

2. Method according to claim 1, characterized in that said Static analysis further includes:
.cndot. the analysis of the periodicity of the pores of the skin; and or .cndot. the calculation and analysis of the level co-occurrence matrix of gray, so-called GLCM for Gray Level Cooccurrence Matrix according to the consecrated acronym associated with the image (IMG) of finger.

3. Method according to any one of claims 1 to 2, characterized in that the static analysis step is followed by the implementation of a principal component analysis method, the so-called method ACP.

4. Method according to any one of claims 1 to 3, characterized in that the static analysis step (STAT) is followed by the setting implementation of a supervised learning method from a basic of learning data applied to the first vector characteristic (M1).

5. Method according to claim 4, characterized in that the step static analysis is followed by the implementation of a nuclei (CLASS) applied to the first characteristic vector (M1) of the finger image (IMG) based on said learning method supervised.

6. Method according to claim 5, characterized in that the analysis nuclei (CLASS) further comprises a classification step.

7. Method according to any one of claims 1 to 6, characterized in that it determines, according to the results of the methods static analysis (STAT), a first score (SCO1) corresponding to a confidence index related to the probability that the finger at the origin of the analyzed image is true, respectively false.

8. Process according to claim 7, characterized in that it comprises an alert step (ALT) of the operator in the case where the first score (SCO1) is less than a first predetermined threshold (S1).

9. Process according to any one of Claims 1 to 8, characterized in that it further comprises a step of acquiring a stream finger image (IMG) comprising a plurality of finger images, as well as a dynamic analysis step (DYN) of said image stream (IMG) leading to the construction of a second vector characteristic (M2) of the image flow (IMG).

10. Process according to claim 9, characterized in that the step dynamic analysis (DYN) is followed by a linear combination (COMB) measures constituting the second characteristic vector (M2).

11. Process according to any one of claims 9 to 10, characterized in that the dynamic analysis step (DYN) is adapted to to allow the detection of a phenomenon of perspiration of the finger.

12. Method according to any one of claims 9 to 11, characterized in that the dynamic analysis step (DYN) comprises the implementation of one or more dynamic analysis methods among the following methods:
.cndot. an analysis of the temporal evolution on a dimension of peak lines of images of the image flow (IMG) of the finger .cndot. a wavelet analysis of the image flow (IMG) of the finger.

13. Process according to any one of claims 9 to 12, characterized in that the image stream (IMG) is stored on a computer support for subsequent analysis.

14. Process according to any one of Claims 9 to 13, characterized in that the dynamic analysis step (DYN) is followed the implementation of a second method of learning supervised from a learning database applied to the second characteristic vector (M2).

15. The method of claim 14, characterized in that the step dynamic analysis (DYN) is followed by the implementation of a kernel analysis applied to the second characteristic vector (M2) based on said supervised learning method.

16. Process according to any one of Claims 9 to 15, characterized in that it determines, according to the results of the dynamic analysis methods (DYN), a second score (SCO2) corresponding to a confidence index related to the probability that the finger at the origin of the analyzed image is true.

17. The method of claim 16, characterized in that it comprises an alert step (ALT) of the operator in the event that the second score (SCO2) is less than a second predetermined threshold (S2).

18. Process according to any one of claims 9 to 15, characterized in that the static analysis step (STAT) and the step Dynamic Analysis (DYN) leads respectively to determination of a first (SCO1) and a second (SCO2) scores, and in that said method comprises a melting step (FUS) of said first (SCO1) and second (SCO2) scores in order to determine an improved confidence index related to the probability that the finger at the origin of the analyzed image is true.

19. The method of claim 18, characterized in that it comprises an alert step (ALT) of the operator in case the score is less than a second predetermined threshold (S2).

20. Fingerprint acquisition station comprising:
.cndot. a sensor for acquiring the image (IMG) of one or several fingers;
.cndot. a computer unit comprising a first screen display of a first human-machine interface intended for the operator of the acquisition station and a computer putting implement a software, characterized in that the software implements the method according to one any of claims 1 to 8.

21. Fingerprint acquisition station according to claim 20, further comprising a sensor for acquiring a stream of images (IMG) of one or more fingers, characterized in that the software implements the method according to any of the claims 9 to 19.

22. Acquisition station according to one of claims 20 to 21, characterized in that it further comprises a second interface human-machine for the subject of which said acquisition station acquires the image (IMG) of one or more fingers, said second human-machine interface that can be displayed on the first display screen or on a second display screen.