Approche d'apprentissage profond pour les systèmes de reconnaissance

La biométrie s'impose comme l'une des solutions les plus fiables pour l'identification des individus dans les systèmes de sécurité modernes. Contrairement aux mots de passe, elle exploite des caractéristiques physiologiques propres à chaque personne, offrant un niveau de sécurité accru. Cet ouvrage porte sur deux modalités prometteuses: les veines des doigts et les empreintes palmaires. Stables et difficiles à falsifier, elles restent sensibles aux variations d'éclairage et à la qualité des images capturées. Une approche combinant apprentissage profond et apprentissage automatique est proposée. Les caractéristiques sont extraites via des réseaux convolutifs pré-entraînés (VGG16, VGG19, MobileNetV2), puis affinées par \textit{fine-tuning}. Des classifieurs SVM, KNN et Random Forest sont ensuite appliqués, avec une comparaison entre approches mono-instance et multi-instances. MobileNetV2 offre les meilleures performances en précision et en efficacité. L'approche multi-instances renforce la robustesse du système, tandis que le SVM se distingue par sa précision de reconnaissance.