Reconnaissance d'empreintes digitales utilisant l'approche multimodale
| dc.contributor.author | Ferrat, Mawloud | |
| dc.contributor.author | Rapporteur: Meliouh, Amel | |
| dc.contributor.author | Rapporteur: ASSAS, Ouarda | |
| dc.date.accessioned | 2023-05-30T09:32:32Z | |
| dc.date.available | 2023-05-30T09:32:32Z | |
| dc.date.issued | 2016-06-10 | |
| dc.description.abstract | La biométrie multimodale, qui consiste à combiner plusieurs systèmes biométriques, est de plus ets plus étudiée. En effet elle permet de réduire certaines limitations des systèmes biométriques, comme l'impossibilité d'acquérir les données de certaines personnes ou la fraude intentionnelle, tout en améliorant les performances de reconnaissance. Ces avantages apportés par la multimodalité aux systémes biométriques 'mocomodaux sont obtenus en fusionnant plusieurs systèmes himétriques. Dans ce cadre notre travail de reconnaissance d'empreintes digitales se base sur l'analyse globale afin d'utiliser les moments invariants de Hu comme entrées à une méthode de reconnaissance basée sur les méthodes d'apprentissage automatique (RNA. KNN. SVM), et les différents scénarios de fusion entre ses classifieurs, et d'autre par le scénario de fusion multimodale (Empreinte digitale, iris). Le taux de reconnaissance pour la fasion multi-classifieurs est 70%, et ceux de fusion multimodale est 95%. | en_US |
| dc.identifier.uri | http://dspace.univ-msila.dz:8080//xmlui/handle/123456789/38967 | |
| dc.language.iso | fr | en_US |
| dc.publisher | University of M'sila | en_US |
| dc.subject | biométrie, multimodale, emprente, moments invariants de Hu, RNA, KNN, fion, multi- classifieurs, monomodaux | en_US |
| dc.title | Reconnaissance d'empreintes digitales utilisant l'approche multimodale | en_US |
| dc.type | Thesis | en_US |