Reconnaissance Biométrique Multimodale des Personnes

Dans notre recherche, nous avons proposé une approche d'authentification biométrique multimodale utilisant des signaux de démarche et d'électrocardiogramme (ECG), ce qui peut réduire les inconvénients de l'approche biométrique unimodale et améliorer les performances du système d'authentification.En phase d'acquisition, les ensembles de données sont collectés dans trois bases de données différentes, ECG-ID, base de données sur les arythmies MIT-BIH et le référentiel d'apprentissage automatique UCI (Gait). Dans la phase d'extraction de caractéristiques des deux signaux (ECG et démarche), elle est réalisée à l'aide d'un modèle binaire 1D-LBP. Les caractéristiques sont obtenues en fusionnant deux modalités en une seule. Dans l'approche de classification, quatre classificateurs sont développés pour classer les sujets. K plus proche voisin (KNN), reposant sur la distance euclidienne, PNN (réseau de neurones probabilistes), RBF (fonction de base radiale) et machine à vecteurs de support (SVM), reposant sur le principe "un contre tous" (OAA).

Autorentext

Docteur en Informatique, jeune chercheur en intelligence artificielle, traitement de signal et biométrie, diplômé de l'Université des Sciences et Technologies d'Oran USTO-MB, Algérie.

Klappentext

Dans notre recherche, nous avons proposé une approche d'authentification biométrique multimodale utilisant des signaux de démarche et d'électrocardiogramme (ECG), ce qui peut réduire les inconvénients de l'approche biométrique unimodale et améliorer les performances du système d'authentification.En phase d'acquisition, les ensembles de données sont collectés dans trois bases de données différentes, ECG-ID, base de données sur les arythmies MIT-BIH et le référentiel d'apprentissage automatique UCI (Gait). Dans la phase d'extraction de caractéristiques des deux signaux (ECG et démarche), elle est réalisée à l'aide d'un modèle binaire 1D-LBP. Les caractéristiques sont obtenues en fusionnant deux modalités en une seule. Dans l'approche de classification, quatre classificateurs sont développés pour classer les sujets. K plus proche voisin (KNN), reposant sur la distance euclidienne, PNN (réseau de neurones probabilistes), RBF (fonction de base radiale) et machine à vecteurs de support (SVM), reposant sur le principe "un contre tous" (OAA).