La biométrie repose sur les mesures et calculs corporels liés aux caractéristiques humaines. L'authentification biométrique (ou authentification réaliste) est utilisée en informatique comme méthode d'identification et de contrôle d'accès. Elle sert également à identifier les individus au sein de groupes sous surveillance.

Les identifiants biométriques sont les caractéristiques distinctives et mesurables utilisées pour identifier et décrire les individus. Ils sont souvent classés comme des caractéristiques physiologiques liées à la morphologie corporelle. On peut citer, entre autres, les empreintes digitales, les veines de la paume, la reconnaissance faciale, l'ADN, la géométrie de la main, la reconnaissance de l'iris, la rétine et l'odorat.

La technologie d'identification biométrique fait appel à l'informatique, à l'optique et à l'acoustique, ainsi qu'à d'autres sciences physiques, aux sciences biologiques, aux principes des biocapteurs et de la biostatistique, aux technologies de sécurité, à l'intelligence artificielle et à de nombreuses autres sciences fondamentales et technologies d'application innovantes. Elle constitue une solution technique multidisciplinaire complète.

Ces dernières années, grâce au développement de l'intelligence artificielle, la technologie d'identification biométrique a gagné en maturité. Actuellement, la reconnaissance faciale est la technologie biométrique la plus représentative.

Reconnaissance faciale

Le processus de reconnaissance faciale comprend la collecte des données, la détection, l'extraction des caractéristiques et la mise en correspondance des visages. Il utilise diverses technologies d'apprentissage automatique telles que l'algorithme AdaBoos, les réseaux de neurones convolutifs et les machines à vecteurs de support.

Le processus de reconnaissance faciale

Actuellement, les difficultés traditionnelles de la reconnaissance faciale, telles que la rotation, l'occlusion et la similarité du visage, ont été considérablement améliorées, ce qui accroît significativement sa précision. Chaque mode (visage 2D, visage 3D, visage multispectral) présente des spécificités d'acquisition, de sécurité des données et de respect de la vie privée. L'intégration de l'apprentissage profond et du traitement du Big Data permet à l'algorithme de reconnaissance faciale 3D de pallier les défauts de la projection 2D et d'identifier rapidement l'identité d'une personne, constituant ainsi une avancée majeure pour les applications de la reconnaissance faciale bidimensionnelle.

Parallèlement, la technologie de détection biométrique est actuellement utilisée comme technologie clé pour améliorer la sécurité de la reconnaissance faciale. Elle permet de lutter efficacement contre la contrefaçon, notamment par l'utilisation de photos, de vidéos, de modèles 3D et de masques prothétiques, et de déterminer de manière indépendante l'identité des utilisateurs. Avec le développement rapide de la reconnaissance faciale, de nombreuses applications innovantes, telles que les objets connectés, la finance en ligne et le paiement par reconnaissance faciale, connaissent une popularité croissante, simplifiant et accélérant le quotidien et le travail.

Reconnaissance des empreintes palmaires

La reconnaissance d'empreintes palmaires est une technologie biométrique émergente qui utilise l'empreinte de la paume de la main comme caractéristique cible et collecte des informations biologiques grâce à l'imagerie multispectrale. Cette technologie innovante combine plusieurs modalités et caractéristiques cibles, notamment le spectre cutané, l'empreinte palmaire et le réseau veineux, afin de fournir simultanément une information plus riche et d'améliorer la distinction des caractéristiques cibles.

Cette année, la technologie de reconnaissance palmaire d'Amazon, nom de code Orville, a entamé ses tests. Le scanner acquiert d'abord une série d'images originales en infrarouge polarisé, en se concentrant sur les caractéristiques externes de la paume, telles que les lignes et les plis. Lors de l'acquisition d'une seconde série d'images polarisées, il se concentre sur la structure et les caractéristiques internes de la paume, comme les veines, les os, les tissus mous, etc. Les images brutes sont ensuite traitées afin de produire des images de mains. Ces images sont nettes, bien éclairées et montrent la paume dans une orientation et une position spécifiques, avec l'indication qu'il s'agit de la main gauche ou droite.

Actuellement, la technologie de reconnaissance d'empreintes palmaires d'Amazon permet de vérifier l'identité et de finaliser un paiement en seulement 300 millisecondes, sans que l'utilisateur ait besoin de présenter sa main devant le scanner : un simple mouvement de la main suffit. Le taux d'échec de cette technologie est d'environ 0,0001 %. De plus, la reconnaissance d'empreintes palmaires repose sur une double vérification : une première étape pour recueillir les caractéristiques externes, puis une seconde pour recueillir les caractéristiques internes de l'organisation. Comparée à d'autres technologies biométriques, elle offre une sécurité accrue.

Outre les caractéristiques biométriques mentionnées ci-dessus, la technologie de reconnaissance de l'iris se répand également. Son taux de fausses reconnaissances est extrêmement faible (1/1 000 000). Elle exploite principalement les propriétés d'invariance et de variation de l'iris au cours de la vie pour identifier les individus.

Actuellement, le consensus au sein de l'industrie est que la reconnaissance monomodale présente des limites en termes de performance et de sécurité. La fusion multimodale constitue une avancée majeure pour la reconnaissance faciale, voire la reconnaissance biométrique. Grâce à l'approche multifactorielle, elle améliore non seulement la précision de la reconnaissance, mais aussi, dans une certaine mesure, l'adaptabilité aux différents contextes et la protection de la vie privée. Comparée aux algorithmes monomodaux traditionnels, elle permet d'atteindre un taux de fausses reconnaissances minimal (de l'ordre de 1 sur 10 millions), ce qui représente l'axe principal du développement de l'identification biométrique.

système biométrique multimodal

Les systèmes biométriques multimodaux utilisent plusieurs capteurs ou données biométriques pour pallier les limitations des systèmes unimodaux. Par exemple, la reconnaissance de l'iris peut être altérée par le vieillissement de l'iris, et la reconnaissance électronique des empreintes digitales peut être compromise par des empreintes usées ou effacées. Si les systèmes biométriques unimodaux sont limités par l'intégrité de leur identifiant, il est peu probable que plusieurs systèmes unimodaux présentent les mêmes limitations. Les systèmes biométriques multimodaux peuvent obtenir des ensembles d'informations à partir d'un même marqueur (par exemple, plusieurs images de l'iris ou des scans du même doigt) ou des informations provenant de différentes données biométriques (nécessitant des scans d'empreintes digitales et, grâce à la reconnaissance vocale, un code d'accès vocal).

Les systèmes biométriques multimodaux peuvent fusionner ces systèmes unimodaux de manière séquentielle, simultanée, une combinaison de ces modes ou en série, ce qui fait référence respectivement aux modes d'intégration séquentiel, parallèle, hiérarchique et sériel.

CHANCCTVa développé une série delentilles biométriquesPour la reconnaissance faciale, la reconnaissance d'empreintes palmaires, ainsi que l'identification des empreintes digitales et de l'iris, l'objectif CH3659A, par exemple, est un objectif 4K à faible distorsion conçu pour les capteurs 1/1,8". Entièrement en verre et compact, il ne mesure que 11,95 mm (TTL). Il capture un champ de vision horizontal de 44 degrés et est idéal pour la reconnaissance d'empreintes palmaires.