Approche Multimodale basée sur l’apprentissage profond pour l’identification biométrique

L’identification des personnes par leurs caractéristiques morphologiques (empreintes digitales, la main, le visage, l’iris, la rétine…), est toujours un centre d’intérêt de plusieurs importantes applications biométriques de sécurité et de contrôle, surtout que ces informations ne peuvent pas ni être modifiées ou d’être supprimées. Malgré l’avancement des techniques biométriques existantes, on se retrouve face à de nouvelles exigences et besoin administratives et industrielles, ce qui nécessite de nouvelles solutions efficaces. Au cours des dernières années, l’avancement dans le domaine d’apprentissage automatique, et en particulier les réseaux de neurones convolutifs (CNN), font considérablement progresser la vision par ordinateur et la reconnaissance des formes, ils ont montré une forte capacité d’extraction des caractéristiques à partir des images. L’objectif de cette thèse est d’étudier différentes techniques biométriques utilisées pour l’indentification des personnes, et de proposer de nouvelles solutions basées sur l’apprentissage profond (Deep Learning) qui facilitent la prise, l’extraction, l’utilisation et le contrôle d’informations biométriques. La thèse permettra de développer un système efficace et précis, utilisable pour l’indentification des personnes.