EP2481011A1 - Procédé de détection de faux doigt pour logiciel d'acquisition d'empreintes digitales - Google Patents

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

Info

Publication number
EP2481011A1
EP2481011A1 EP10747885A EP10747885A EP2481011A1 EP 2481011 A1 EP2481011 A1 EP 2481011A1 EP 10747885 A EP10747885 A EP 10747885A EP 10747885 A EP10747885 A EP 10747885A EP 2481011 A1 EP2481011 A1 EP 2481011A1
Authority
EP
European Patent Office
Prior art keywords
analysis
image
img
finger
dyn
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
EP10747885A
Other languages
German (de)
English (en)
Inventor
Charles Sayac
Valérie LETOURNEL
Philippe Robin
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Thales SA
Original Assignee
Thales SA
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Thales SA filed Critical Thales SA
Publication of EP2481011A1 publication Critical patent/EP2481011A1/fr
Withdrawn legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1382—Detecting the live character of the finger, i.e. distinguishing from a fake or cadaver finger
    • G06V40/1388—Detecting the live character of the finger, i.e. distinguishing from a fake or cadaver finger using image processing
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/40—Spoof detection, e.g. liveness detection
    • G06V40/45—Detection of the body part being alive

Definitions

  • the present invention relates to a new method enabling a fingerprint acquisition software to detect possible "false fingers".
  • the method according to the invention makes it possible to improve the performance of the software for acquiring fingerprints.
  • the acquisition and recognition of fingerprints has become indispensable in the context of the control of the identity of individuals.
  • Current fingerprint acquisition systems include a hardware component and a software component.
  • the hardware component is essentially based on the implementation of a sensor for acquiring an image of the finger whose fingerprint is to be acquired.
  • the software component includes a human-machine interface allowing the acquisition of information, the recording of personal data, the display of information for the operator and the subject.
  • a goal of fingerprint acquisition software is increasingly to detect possible fraud attempts of these systems, through the use of false fingers, such as molded fingers, fingers latex ... etc.
  • false fingers such as molded fingers, fingers latex ... etc.
  • These frauds can be motivated by a desire to hide one's identity so as not to be recognized, to impersonate someone, or to try to create a false identity for example.
  • the invention lies in this context of seeking more effective solutions for detecting false fingers, through a software approach to the problem.
  • the state of the art includes a number of technical solutions for detecting false fingers.
  • several technologies based on a material approach to the question have been developed, such as that described in US Patent 7,415,139; they are most often to determine whether the finger whose image is acquired is alive, through temperature measurements, blood flow, 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 ET AL, "Determination of vitality from a non-invasive biomedical measurement for use in fingerprint scanners", in Pattern Recognition, v 36, No. 2, p 383-96, Feb. 2003, or in S.
  • NIKAM ET 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, Aug. 30-31. 2008, to give an example proposing a wavelet analysis of the acquired image.
  • An object of the invention is to propose an alternative and particularly effective technological solution, by treating the problem of the detection of false fingers, in the context of a fingerprint acquisition software, along two axes: the first axis consists in introducing a new criterion for analyzing a finger image; the second axis, making it possible to further improve performance in the context of a preferred embodiment of the invention, lies in the idea of combining a static image analysis and a dynamic analysis of a stream of images in order to remove a maximum of ambiguities in the context of a false finger detection method.
  • the subject of the invention is a false finger detection method for fingerprint acquisition software comprising a step of acquiring the image of a finger, comprising:
  • a step of static analysis of said finger image comprising the calculation and analysis of any of the gray-level chain length matrices, called GLRL matrices for Gray Level Run Length according to the consecrated English acronym corresponding to said finger image;
  • a step of constructing a first characteristic vector of the finger image comprising at least partially said GLRL matrix.
  • said static analysis further comprises:
  • the static analysis step may be followed by the implementation of a principal component analysis method, called the ACP method.
  • ACP method a principal component analysis method
  • the static analysis step may be followed by the implementation of a supervised learning method from a learning database applied to the first characteristic vector.
  • the static analysis step can be furthermore followed by the implementation of a kernel analysis applied to the first characteristic vector of the finger image based on said supervised learning method.
  • the kernel analysis further comprises a classification step.
  • the method according to the invention can determine, according to the results of the static analysis methods, a first score corresponding to a confidence index linked to the probability that the finger at the origin of the image analyzed is true, respectively false.
  • the method according to the invention may also comprise an operator alerting step in the case where the first score is less than a first predetermined threshold.
  • the method according to the invention may furthermore comprise a step of acquiring a stream of finger images comprising a plurality of images of the finger, as well as a stage of dynamic analysis of said flow of images resulting in to the construction of a second vector characteristic of the image flow.
  • the dynamic analysis step is followed by a linear combination of the measurements constituting the second characteristic vector.
  • the dynamic analysis step is capable of allowing the detection of a sweating phenomenon of the finger.
  • the dynamic analysis step comprises the implementation of one or more dynamic analysis methods among the following methods:
  • the image stream is stored on a computer medium for subsequent analysis.
  • the dynamic analysis step may be followed by the implementation of a second supervised learning method from a learning database applied to the second characteristic vector.
  • the dynamic analysis step may further be followed by the implementation of a kernel analysis applied to the second characteristic vector based on said supervised learning method.
  • 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 image analyzed is true.
  • the method according to the invention may also include an operator alerting step in the case where the second score is less than a second predetermined threshold.
  • the static analysis step and the dynamic analysis step respectively lead to the determination of first and second scores, and in that said method comprises a step of merging said first and second scores into to determine an improved confidence index related to the probability that the finger at the origin of the analyzed image is true.
  • the method according to the invention may also comprise a step of alerting the operator in the case where the score is less than a second predetermined threshold.
  • the invention also resides in a fingerprint acquisition station comprising:
  • An IT assembly comprising a first display screen of a first human-machine interface intended for the operator of the acquisition station and a computer implementing software
  • said fingerprint acquisition station further comprising a sensor for acquiring a stream of images of one or more fingers.
  • said fingerprint acquisition station further comprises a second human-machine interface for the subject of which said acquisition station acquires the image of one or more fingers, said second human-machine interface can be displayed on the first display screen or on a second display screen.
  • Figure 1 the block diagram of the principle of the invention according to its preferred embodiment.
  • Figure 1 shows a block diagram of the false finger detection method according to the invention, according to its preferred embodiment, incorporating certain optional features.
  • the method according to the invention is implemented from the moment when an IMG image of one or more fingers has been acquired by any optical sensor.
  • the method includes a first STAT static analysis step of the IMG finger image.
  • the method according to the invention may comprise, in parallel, a dynamic analysis step DYN of the IMG image.
  • the dynamic analysis step DYN is performed only if the STAT static analysis step makes it possible to determine that it is necessary, or at least recommended, to perform this dynamic analysis step DYN. to improve the quality of the result obtained.
  • the STAT static analysis step results in the construction of a vector characterizing the IMG finger image.
  • the STAT static analysis step comprises, for this purpose, a step of calculating a GLRL matrix, for Gray Level Run Length according to the consecrated acronym, corresponding to the IMG finger image.
  • the calculation of a GLRL matrix for performing the analysis of an image is as such known.
  • F. ALBREGTSEN "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.
  • F. ALBREGTSEN "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.
  • this practice is unknown.
  • the calculation of any GLRL matrix associated with the IMG finger image makes it possible to have a precise characterization of the IMG finger image with a minimum of information.
  • the method according to the invention provides the construction of a vector characteristic of the IMG finger image from a set of M1 measurements from the STAT static analysis step.
  • the STAT static analysis step therefore comprises at least the calculation of a GLRL matrix associated with the IMG finger image.
  • the analysis of the GLRL matrix gives information on the texture of the skin of the finger.
  • the calculation of said GLRL matrix will be combined with other static analysis methods such as:
  • the method according to the invention can comprise, after this STAT static analysis step leading to the construction of a measurement vector M1 characteristic of the IMG finger image, a CLASS processing and classification step of these measurements M1 by a statistical approach, such as a principal component analysis method, called the ACP method, or a known fuzzy logic technique.
  • This step in particular in the case where the STAT static analysis step comprises the analysis of different criteria, preferably corresponds to a so-called "core" analysis comprising a phase based on a supervised learning method based on a learning database, and a classification phase proper.
  • the method according to the invention then makes it possible to calculate a first score, or index, SC01, expressing a confidence index relative to the probability that the finger whose IMG image is being analyzed is a true finger.
  • This SC01 score is compared to a first predetermined threshold S1. If the first score SC01 is greater than the first predetermined threshold S1, a margin can be expected, then the confidence index is sufficient and the prospective operator can be notified.
  • the false finger detection method according to the invention has now come to an end. So optional, it can nevertheless still include a DYN dynamic analysis step, as described below, as verification.
  • the operator warning may take the form of an ALT warning message.
  • This ALT warning or alert can, according to the simplest embodiment, occur without a DYN dynamic analysis step of the IMG image being implemented, even if this is not shown in FIG. 1.
  • said method comprises an additional step of dynamic analysis DYN.
  • this dynamic analysis step DYN can be carried out systematically, for example in parallel with the STAT static analysis step.
  • the dynamic analysis DYN is based on the evolution over time of a plurality of IMG images acquired over a certain duration.
  • the sensor then acquires an IMG image stream. Typically, such a sensor can acquire two IMG images spaced two or three seconds apart.
  • This dynamic analysis step DYN may comprise one or a combination of dynamic analysis methods, from the following methods:
  • the dynamic analysis step DYN results in the construction of a measurement vector M2 characteristic of the IMG image stream
  • the dynamic analysis step DYN can calculate at this time a second score, or index, SC02, representing a confidence index relative to the probability that the finger whose IMG image is being analyzed is a real finger.
  • SC02 index
  • the second SC02 score is calculated after a COMB linear combination step of the vector M2 measurements has been performed.
  • this COMB step may be followed by a learning phase from a learning database.
  • a processing of the M2 measurement vector can be performed using a "kernel" analysis based on said learning method.
  • the second score SCO2 is compared with a second predetermined threshold S2. If the second score SCO2 is greater than the second predetermined threshold S2, a margin can be expected, then the confidence index is sufficient and the prospective operator can be notified.
  • the second SCO2 score is lower than the second predetermined threshold S2
  • a margin can be provided, then the confidence index is insufficient and the prospective operator can be warned that It is likely that the finger whose IMG image and an IMG image stream are being analyzed is wrong.
  • the operator warning may take the form of an ALT warning message.
  • the dynamic analysis step DYN is performed only if the first score SCO1 is less than the first predetermined single S1
  • a FUS fusion of the first SCO1 and SCO2 scores is performed before comparing the result to the second threshold S2.
  • the FUS fusion of the first SCO1 and the second SCO2 score is less than 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 it is likely that the finger IMG image and IMG image stream are in progress analysis is wrong.
  • the operator warning may take the form of an ALT warning message.
  • the IMG image stream can be stored on a computer medium for subsequent analysis, so as not to slow down the overall process of acquiring fingerprints. .
  • 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 perform the acquisition of the image of one or more fingers and, optionally, the acquisition of a stream of images of one or more fingers.
  • the acquisition station according to the invention further comprises a computer unit equipped with software implementing the method according to the invention.
  • said acquisition station may comprise a first screen having a human-machine interface for the operator of the station for the purpose of displaying information or entering information.
  • the station may also include a second screen having a human-machine interface to the subject of which one or more fingers are being acquired, for the purpose of displaying information essentially.
  • the invention has the main advantage of providing a false finger detection method for enhanced performance fingerprint acquisition software.
  • the method according to the invention claims the implementation of a static analysis step comprising calculating a GLRL matrix of a finger image.
  • the invention further proposes to combine a static analysis and a dynamic analysis to optimize the ability to detect false fingers.

Landscapes

  • Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Collating Specific Patterns (AREA)
  • Image Input (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

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 œuvre 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.

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 œuvre 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 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 œuvre 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 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, « Détermination of vitality from a non-invasive biomédical measurement for use in fingerprint scanners », in Pattern Récognition, 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 conférence on Wavelet Analysis and Pattern Récognition (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 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 œuvre 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 œuvre d'une méthode d'analyse en composante principale, dite méthode ACP.
Avantageusement, l'étape d'analyse statique peut être suivie de la mise en œuvre 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 œuvre 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. 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 permettre la détection un phénomène de sudation du doigt.
Avantageusement, l'étape d'analyse dynamique comprend la mise en œuvre 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 œuvre 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 œuvre 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 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 œuvre un logiciel,
le logiciel mettant en œuvre 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. 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 œuvre 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 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 référence. 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 M1 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. 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 M1 caractéristique de l'image de doigt IMG, une étape de traitement et de classification CLASS de ces mesures M1 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, SC01 , 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. Ce score SC01 est comparé à un premier seuil prédéterminé S1 . Si le premier score SC01 est supérieur au premier seuil prédéterminé S1 , 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 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 SC01 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 réalisation le plus simple, survenir sans qu'une étape d'analyse dynamique DYN de l'image IMG ne soit mise en œuvre, même si cela n'est pas représenté sur la figure 1 .
Selon le mode de mise en œuvre préféré du procédé selon l'invention, lorsque le premier score SC01 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 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 œuvre 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 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 SCO2 est comparé à un deuxième seuil prédéterminé S2. Si le deuxième score SCO2 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 SCO2 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 œuvre 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 SCO2 est réalisée avant de comparer le résultat au deuxième seuil S2.
C'est alors le résultat de la fusion FUS qui est comparé au deuxième seuil prédéterminé S2. Si fusion FUS des premier SCO1 et deuxième scores SCO2 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 SCO2 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.
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 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 œuvre 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 œuvre 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 œuvre 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.

Claims

REVENDICATIONS
Procédé de détection de faux doigt pour logiciel d'acquisition d'empreintes digitales comprenant une étape d'acquisition de l'image (IMG) d'un doigt, caractérisé en ce qu'il comporte :
• une étape d'analyse statique (STAT) de ladite image (IMG) de doigt, ladite analyse statique (STAT) 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 l'acronyme anglais consacré, correspondant à ladite image (IMG) de doigt ;
• une étape de construction d'un premier vecteur caractéristique (M1 ) de l'image (IMG) de doigt comprenant au moins partiellement ladite matrice GLRL.
Procédé selon la revendication 1 , caractérisé en ce que 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 (IMG) de doigt.
Procédé selon l'une quelconque des revendications 1 à 2, caractérisé en ce que l'étape d'analyse statique est suivie de la mise en œuvre d'une méthode d'analyse en composante principale, dite méthode ACP.
Procédé selon l'une quelconque des revendications 1 à 3, caractérisé en ce que l'étape d'analyse statique (STAT) est suivie de la mise en œuvre d'une méthode d'apprentissage supervisée à partir d'une base de données d'apprentissage appliquée au premier vecteur caractéristique (M1 ).
5. Procédé selon la revendication 4, caractérisé en ce que l'étape d'analyse statique est suivie de la mise en œuvre d'une analyse à noyaux (CLASS) appliquée au premier vecteur caractéristique (M1 ) de l'image (IMG) de doigt basée sur ladite méthode d'apprentissage supervisée.
6. Procédé selon la revendication 5, caractérisé en ce que l'analyse à noyaux (CLASS) comprend en outre une étape de classification. 7. Procédé selon l'une quelconque des revendications 1 à 6, caractérisé en ce qu'il détermine, en fonction des résultats des méthodes d'analyse statique (STAT), un premier score (SC01 ) correspondant à un indice de confiance liée à la probabilité que le doigt à l'origine de l'image analysée est vrai, respectivement faux.
8. Procédé selon la revendication 7, caractérisé en ce qu'il comprend une étape d'alerte (ALT) de l'opérateur dans le cas où le premier score (SC01 ) est inférieur à un premier seuil prédéterminé (S1 ). 9. Procédé selon l'une quelconque des revendications 1 à 8, caractérisé en ce qu'il comprend par ailleurs une étape d'acquisition d'un flux d'images (IMG) de doigt comprenant une pluralité d'images du doigt, ainsi qu'une étape d'analyse dynamique (DYN) dudit flux d'images (IMG) aboutissant à la construction d'un deuxième vecteur caractéristique (M2) du flux d'images (IMG).
10. Procédé selon la revendication 9, caractérisé en ce que l'étape d'analyse dynamique (DYN) est suivie d'une combinaison linéaire (COMB) des mesures constituant le deuxième vecteur caractéristique (M2).
1 1 . Procédé selon l'une quelconque des revendications 9 à 10, caractérisé en ce que l'étape d'analyse dynamique (DYN) est apte à permettre la détection un phénomène de sudation du doigt.
12. Procédé selon l'une quelconque des revendications 9 à 1 1 , caractérisé en ce que l'étape d'analyse dynamique (DYN) comprend la mise en œuvre 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 (IMG) du doigt ;
• une analyse en ondelettes du flux d'images (IMG) du doigt.
13. Procédé selon l'une quelconque des revendications 9 à 12, caractérisé en ce que le flux d'images (IMG) est stocké sur un support informatique en vue d'une analyse ultérieure.
14. Procédé selon l'une quelconque des revendications 9 à 13, caractérisé en ce que l'étape d'analyse dynamique (DYN) est suivie de la mise en œuvre d'une seconde méthode d'apprentissage supervisée à partir d'une base de données d'apprentissage appliquée au deuxième vecteur caractéristique (M2).
15. Procédé selon la revendication 14, caractérisé en ce que l'étape d'analyse dynamique (DYN) est suivie de la mise en œuvre d'une analyse à noyaux appliquée au deuxième vecteur caractéristique (M2) basée sur ladite méthode d'apprentissage supervisée.
16. Procédé selon l'une quelconque des revendications 9 à 15, caractérisé en ce qu'il détermine, en fonction des résultats des méthodes d'analyse dynamique (DYN), un deuxième score (SC02) correspondant à un indice de confiance liée à la probabilité que le doigt à l'origine de l'image analysée est vrai.
17. Procédé selon la revendication 16, caractérisé en ce qu'il comprend une étape d'alerte (ALT) de l'opérateur dans le cas où le deuxième score (SC02) est inférieur à un deuxième seuil prédéterminé (S2).
18. Procédé selon l'une quelconque des revendications 9 à 15, caractérisé en ce que l'étape d'analyse statique (STAT) et l'étape d'analyse dynamique (DYN) aboutissent respectivement à la détermination d'un premier (SC01 ) et d'un deuxième (SC02) scores, et en ce que ledit procédé comprend une étape de fusion (FUS) desdits premier (SC01 ) et deuxième (SC02) scores en vue de déterminer un indice de confiance amélioré lié à la probabilité que le doigt à l'origine de l'image analysée est vrai.
19. Procédé selon la revendication 18, caractérisé en ce qu'il comprend une étape d'alerte (ALT) de l'opérateur dans le cas où le score est inférieur à un deuxième seuil prédéterminé (S2).
20. Station d'acquisition d'empreintes digitales comprenant :
• un capteur permettant l'acquisition de l'image (IMG) 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 œuvre un logiciel,
caractérisé en ce que le logiciel met en œuvre le procédé selon l'une quelconque des revendications 1 à 8.
21 . Station d'acquisition d'empreintes digitales selon la revendication 20, comprenant en outre un capteur permettant l'acquisition d'un flux d'images (IMG) d'un ou plusieurs doigts, caractérisé en ce que le logiciel met en œuvre le procédé selon l'une quelconque des revendications 9 à 19.
22. Station d'acquisition selon l'une des revendications 20 à 21 , caractérisé en ce qu'elle comporte en outre une seconde interface homme-machine destinée au sujet dont ladite station d'acquisition réalise l'acquisition de l'image (IMG) 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.
EP10747885A 2009-09-22 2010-09-03 Procédé de détection de faux doigt pour logiciel d'acquisition d'empreintes digitales Withdrawn EP2481011A1 (fr)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR0904515A FR2950455B1 (fr) 2009-09-22 2009-09-22 Procede de detection de faux doigt pour logiciel d'acquisition d'empreintes digitales
PCT/EP2010/062937 WO2011036046A1 (fr) 2009-09-22 2010-09-03 Procédé de détection de faux doigt pour logiciel d'acquisition d'empreintes digitales

Publications (1)

Publication Number Publication Date
EP2481011A1 true EP2481011A1 (fr) 2012-08-01

Family

ID=42062487

Family Applications (1)

Application Number Title Priority Date Filing Date
EP10747885A Withdrawn EP2481011A1 (fr) 2009-09-22 2010-09-03 Procédé de détection de faux doigt pour logiciel d'acquisition d'empreintes digitales

Country Status (4)

Country Link
EP (1) EP2481011A1 (fr)
CA (1) CA2774792A1 (fr)
FR (1) FR2950455B1 (fr)
WO (1) WO2011036046A1 (fr)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106888106A (zh) * 2015-12-16 2017-06-23 国家电网公司 智能电网中的it资产大规模侦测系统

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1503330B1 (fr) 2002-05-09 2010-06-02 Sony Corporation Procede pour identifier un modele biologique, detecteur de modele biologique, procede et dispositif pour etablir un certificat biologique
US7505613B2 (en) * 2005-07-12 2009-03-17 Atrua Technologies, Inc. System for and method of securing fingerprint biometric systems against fake-finger spoofing
WO2008108871A2 (fr) * 2006-07-31 2008-09-12 Lumidigm, Inc. Détection spectrale-spatiale d'usurpation d'empreinte digitale
JP4951291B2 (ja) * 2006-08-08 2012-06-13 株式会社日立メディアエレクトロニクス 生体認証装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See references of WO2011036046A1 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106888106A (zh) * 2015-12-16 2017-06-23 国家电网公司 智能电网中的it资产大规模侦测系统

Also Published As

Publication number Publication date
FR2950455A1 (fr) 2011-03-25
CA2774792A1 (fr) 2011-03-31
FR2950455B1 (fr) 2013-10-25
WO2011036046A1 (fr) 2011-03-31

Similar Documents

Publication Publication Date Title
EP3640843B1 (fr) Procédé d'extraction de caractéristiques d'une empreinte digitale représentée par une image d'entrée
EP3608834A1 (fr) Procede d'analyse d'une empreinte
EP3552146B1 (fr) Détection de nerfs dans une série d'images échographiques
FR3018934A1 (fr) Procede d'enrolement de donnees dans une base pour la protection desdites donnees
EP2751739B1 (fr) Detection de fraude pour systeme de controle d'acces de type biometrique
WO2010066563A1 (fr) Dispositif a architecture pipeline de flot de donnees pour la reconnaissance et la localisation d'objets dans une image par balayage de fenetres de detection
EP4099200B1 (fr) Procede et dispositif d'identification et/ou d'authentification biometrique
CA3000153A1 (fr) Procede d'analyse d'un document structure susceptible d'etre deforme
WO2020002810A1 (fr) Détection de nerfs dans une série d'images échographiques par la détermination de régions d'intérêts définies par la détection d'artères
EP1308890A1 (fr) Station d'imagerie médicale à fonction d'extraction de trajetoire au sein d'un objet ramifié
EP3139307B1 (fr) Procede de caracterisation d'un materiau par analyse de tavelures
CA2960247A1 (fr) Procede d'amelioration d'images applicable aux images d'empreintes digitales
EP3608836A1 (fr) Procede pour obtenir une image d'empreinte digitale
FR2979727A1 (fr) Identification par reconnaissance d'iris
EP2481011A1 (fr) Procédé de détection de faux doigt pour logiciel d'acquisition d'empreintes digitales
EP2652674A1 (fr) Procede de comparaison d'images d'iris par selection intelligente de zones texturees
FR3114892A1 (fr) Procédé d’évaluation du risque de ré-identification de données anonymisées
EP3948654A1 (fr) Procédé, programme d'ordinateur et système pour l'identification d'une instance d'objet dans une scène tridimensionnelle
FR3150622A3 (fr) Procédé de traitement d’une image d’épreuve, dispositif informatique et programme d’ordinateur associés.
WO2008104208A1 (fr) Procede pour identifier despoints symboliques sur une image d'un visage d'une personne
EP4280542A1 (fr) Procede et dispositif d'identification biometrique
EP2856391B1 (fr) Procédé de détection d'ombres portées sur une image initiale
WO2012107696A1 (fr) Procédés, dispositif et programmes d'ordinateur pour la reconnaissance de formes, en temps réel, à l'aide d'un appareil comprenant des ressources limitées
FR2896605A1 (fr) Procede et systeme d'identification et de poursuite automatique d'un objet dans un film pour la videosurveillance et le controle d'acces
EP2901366A1 (fr) Procédé de détection de la réalité de réseaux veineux à des fins d'identification d'individus et procédé de reconnaissance biométrique

Legal Events

Date Code Title Description
PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

17P Request for examination filed

Effective date: 20120316

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC MK MT NL NO PL PT RO SE SI SK SM TR

DAX Request for extension of the european patent (deleted)
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE APPLICATION IS DEEMED TO BE WITHDRAWN

18D Application deemed to be withdrawn

Effective date: 20170401