1

SOMMAIRE

soMMAIRE ................................................................................................................................ 2
CHAPITRE I : REVU DE LITTERATTURE DES SYSTEME DE DETECTION D’INTRU
PAR BIOMETRIE ..................................................................................................................... 9
1.1 SYSTEMES DE SECURITE BIOMETRIQUE ............................................................. 9
1.1.1 Définitions et exemples............................................................................................ 9
1.1.2 Modalités morphologiques..................................................................................... 10
[Link] Le visage ............................................................................................................ 10
[Link] Empreintes digitales ........................................................................................... 11
[Link] Empreinte de la face palmaire de la main .......................................................... 11
[Link] Réseau vasculaire ............................................................................................... 12
[Link] Géométrie de la main ......................................................................................... 13
[Link] Rétine/Iris ........................................................................................................... 14
[Link] Oreilles ............................................................................................................... 15
1.1.3 Modalités Biologiques ........................................................................................... 15
[Link] ADN ................................................................................................................... 15
[Link] Electrocardiogramme ......................................................................................... 16
1.1.4 Modalités comportementales ................................................................................. 16
[Link] La signature ........................................................................................................ 17
[Link] Dynamique de frappe au clavier......................................................................... 17
[Link] La voix................................................................................................................ 17
[Link] La démarche ....................................................................................................... 18
1.2 Les systèmes existants ................................................................................................... 21
1.2.1 Les systèmes grands publiques .............................................................................. 21
1.2.2 Les systèmes industriels ......................................................................................... 23
1.2.3 Approche multimodale........................................................................................... 25
[Link] Principe............................................................................................................... 25
[Link] Fusion des données biométriques ....................................................................... 25
[Link] Avant classification ............................................................................................ 26
[Link] Apres classification ............................................................................................ 27
1.2.4 Synthèse et solutions proposées ............................................................................. 29
REFERENCES ......................................................................................................................... 55

2
3
 LISTE DES FIGURES

Figure1- Exemple de traitement pour la reconnaissance de visage ......................................... 10

Figure2- Exemple de reconnaissance d’empreintes digitales .................................................. 11
Figure3- Exemple d’empreinte de la face de la main............................................................... 12
Figure4- Exemple de mesure de réseaux vasculaire ................................................................ 13
Figure5- Exemples d’acquisition de la géométrie de la main .................................................. 14
Figure6- Exemple de rétine et d’un Iris ................................................................................... 14
Figure7- Exemple de mesure pout la reconnaissance de l’oreille ............................................ 15
Figure8- Exemple d’empreinte d’ADN.................................................................................... 16
Figure9- Exemple d’électrocardiogramme de 03 personnes .................................................... 16
Figure10- Exemple de mesures de la signature ........................................................................ 17
Figure11- Illustration des mesures de frappe au clavier .......................................................... 17
Figure12- Illustration des signaux vocaux ............................................................................... 18
Figure13- Schéma des mesures de la démarche ....................................................................... 18
Figure14- Exemples de dispositifs biométriques intègres aux smartphones (Sony – empreintes,
Apple – FaceId, Samsung - Scanner d’Iris) ............................................................................. 22
Figure15- Camera intelligentes intérieure et extérieure Netatmo ............................................ 23
Figure16- Exemples de systèmes biométriques pour les professionnels ................................. 24
Figure17- Sources d’informations dans un système de ludion biométrique ............................ 26
Figure18- Schéma de répartition des différents niveaux de fusion biométrique...................... 29

4
 LISTE DES TABLEAUX

Tableau1- Comparaison des modalités biométriques les plus connues (*** représente les
meilleurs performances) ........................................................................................................... 19

5
6
7
INTRODUCTION GENERAL

8
 CHAPITRE I : REVU DE LITTERATTURE DES SYSTEME DE DETECTION
D’INTRU PAR BIOMETRIE

• SYSTEMES DE SECURITE BIOMETRIQUE

1.1.1 Définitions et exemples

La biométrie consiste à définir l’identité d’une personne à l’aide de ses caractéristiques

biométriques, que l’on appelle modalités, et que l’on classe parmi trois catégories : biologiques,
morphologiques et comportementales. Inconsciemment, nous avons recours à la biométrie via
nos capteurs sensoriels pour nous distinguer les uns des autres en reconnaissant le visage, la
démarche, l’odeur ou encore la voix de nos proches. Les machines ne peuvent exploiter ces
caractéristiques directement et, pour effectuer ces mesures à notre place, il est donc nécessaire
de les détecter et de les formater de manière stable et distincte, à partir des échantillons fournis
par le capteur utilisé. N’ayant pas de système permettant d’automatiser le processus, les
premières études biométriques effectuées par l’Homme consistaient soit, pour les plus
primitives, à mesurer les membres du sujet (circonférence de la tête, longueur des parties du
corps, des pieds, du nez, etc.), soit à distinguer des points caractéristiques des empreintes
digitales après les avoir posées sur un support avec de l’encre. Surtout nécessaires en
criminologie, les empreintes digitales démontrent rapidement leur potentiel en matière de
distinction des humains, du fait de leurs nombreuses particularités presque uniques pour chaque
personne, et par leur faculté à "marquer" les objets touchés. En effet, il faut distinguer la
biométrie dite "avec traces" de la biométrie dite "sans traces". Les empreintes digitales étant de
la première catégorie il n’est pas toujours nécessaire d’avoir recours à des capteurs sophistiqués
pour en effectuer l’acquisition. Désormais, grâce aux avancées technologiques, un échantillon
d’une modalité biométrique peut être comparé automatiquement et rapidement à plusieurs
autres échantillons de cette même modalité, c’est ce que l’on appelle la "reconnaissance
biométrique" (ou identification : 1 pour N). On la distingue de la "vérification biométrique" (ou
authentification : 1 pour 1) qui consiste à comparer un échantillon à un autre et de confirmer ou
non la correspondance. Dans le domaine de sécurité, la biométrie permet de protéger
physiquement l’accès à un lieu, ou bien virtuellement l’accès à des données. Au travers d’une
authentification ou une identification, cette technologie garantit un niveau de sécurité supérieur
tout en s’affranchissant des risques d’oublis et de pertes liés à l’utilisation de mots de passe ou
de clés physiques. Afin d’illustrer ces termes, nous pouvons prendre comme exemple le
passeport biométrique, garant de l’identité d’une personne accédant à un pays grâce au visage
et aux empreintes digitales de chaque doigt. Désormais implantée dans le secteur du grand
public, la biométrie se retrouve également dans nos smartphones pour protéger l’accès aux
données personnelles en utilisant les empreintes digitales comme protection, le visage ou même
l’iris. Les acquisitions sont majoritairement effectuées par le biais de la vision, mais d’autres
types de capteurs peuvent être utilisés selon les besoins. De nos jours on répertorie de
nombreuses modalités biométriques, les plus connues étant la mesure du visage, de l’iris, des
empreintes digitales, de la voix, de l’ADN, etc. De nouvelles, plus originales et moins triviales,
continuent d’émerger dans la littérature telles que la géométrie de l’oreille [1], le motif des
lèvres [2]et des ongles [3], la thermographie [4] Choras, M. Image feature extraction methods

9
for ear biometrics–a survey ou encore l’aspect du tracé du rythme cardiaque [5], etc. Les
points suivants présentent, à titre d’illustration, un certain nombre des modalités existantes
parmi les trois catégories nommées précédemment [6], [7], à savoir les caractéristiques
morphologiques, comportementales et biologiques.

1.1.2 Modalités morphologiques

[Link] Le visage

Figure1- Exemple de traitement pour la reconnaissance de visage[8]

La mesure de cette modalité est non intrusive (pas de contact physique) et bien acceptée du
grand public du fait de sa similarité avec le processus humain de reconnaissance des personnes.
Cette technique, considérée comme mature à l’heure actuelle, présente l’avantage
de pouvoir utiliser les systèmes de vidéosurveillance existant si l’algorithme ne nécessite
pas de mesures particulières. En effet, pour la plupart des traitements, une caméra standard
suffit. Cependant, le système est alors soumis à certaines limitations telles que les
variations de luminosité, les variations du visage (vieillissement, barbe, lunettes, expressions
faciales, etc), l’angle de mesure ou contourné dans certains cas par l’usage d’un
simple masque ou d’une photo. L’utilisation d’information 3D [9] (stéréovision, lumière
structurée, etc) permet d’outrepasser la majorité de ces problèmes mais nécessite alors une
implantation particulière et donc un coût supérieur de déploiement. Afin de réduire la
complexité des calculs et donc d’accélérer le traitement, une majorité des méthodes travaille
avec des images en niveau de gris (1 canal). Les approches les plus populaires sont basées soit
sur la localisation des points caractéristiques du visage (yeux, sourcils, nez, bouche, menton,
etc.) et leur relation spatiale, soit sur l’analyse de l’aspect général d’une image représentant une
combinaison linéaire d’un certain nombre de visages normés. D’autres informations
complémentaires peuvent être estimées, comme le genre du sujet, son âge et la teinte de la peau,
ou, en exploitant l’information thermique dans des longueurs d’onde plus lointaines.

10
[Link] Empreintes digitales

Figure2- Exemple de reconnaissance d’empreintes digitales[10]

Très largement utilisée, cette modalité est une des plus anciennes utilisées et une des
plus connues du grand public. La quantité d’informations disponibles est importante,
mais seuls quelques points caractéristiques suffisent à discriminer une empreinte avec une
grande fiabilité. La taille du modèle est donc réduite, nécessitant peu d’espace de stockage
et permettant une reconnaissance rapide. Les empreintes digitales ont l’avantage d’être
présentes sur chaque doigt de la main, ce qui en fait d’autant de motifs différents pour
caractériser une personne. Les empreintes digitales ne changent pas de manière naturelle,
ce qui garantit la pérennité des mesures dans le temps et réduit les risques de faux
négatifs entre deux acquisitions. En revanche, des impuretés externes, des brûlures, des
cicatrices, d’autres dommages ou des empreintes inexistantes peuvent être un obstacle à
la reconnaissance. Les empreintes digitales peuvent également être usées ou altérées avec
le temps selon le métier des sujets. La nécessité d’un contact physique avec le système
d’acquisition pose problème sur la question de l’hygiène et peut-être un frein à l’usage
pour certaines personnes.

[Link] Empreinte de la face palmaire de la main

11
 Figure3- Exemple d’empreinte de la face de la main [11]

Cette technique possède de nombreux points communs avec les empreintes digitales,
tant au niveau de l’acquisition que de l’extraction des points caractéristiques (de nature
similaire). Les motifs de surface d’un simple doigt fournissent déjà une grande quantité
d’informations, mais cette information n’est qu’un échantillon partiel des données disponibles
sur la main. La paume est constituée de diverses régions qui peuvent être scannées,
stockées et traitées indépendamment selon les besoins : l’extrémité des doigts (empreintes
digitales), la zone de jonction entre le creux de la main et les articulations des doigts, le
creux de la main, la zone à la base du pouce ("éminence thénar"), la région contrôlant
l’auriculaire ("éminence hypothénar") et le sillon distal du poignet.

[Link] Réseau vasculaire

La mesure du réseau vasculaire s’effectue dans des longueurs d’ondes particulières du domaine
proche infrarouge ([750 nm - 1000 nm]), pour lesquelles la lumière pénètre les tissus
à faible profondeur pour atteindre les veines où le sang l’absorbe. Ces longueurs d’ondes,
proches de la plage du visible, peuvent être captées par certains capteurs CMOS de qualité
disposant d’un rendement quantique important, dépassant le domaine visible.

12
 Figure4- Exemple de mesure de réseaux vasculaire[12]

Cette acquisition peut s’effectuer sur l’intérieur du bras, le dos de la main, ou l’intérieur
d’un doigt. Le motif représenté par les veines est unique et permet de d’identifier une
personne en détectant les bifurcations, les jonctions et la forme générale. Mais cette
technique est encore peu connue du grand public. La mesure peut principalement être
perturbée par la chaleur environnante et la température du corps.

[Link] Géométrie de la main

Contrairement à d’autres modalités, la mesure de la géométrie de la main n’est pas

perturbée par la chaleur, l’humidité ou les impuretés de la peau et peut donc être effectuée
dans n’importe quel environnement. L’acquisition ne nécessite pas d’effort particulier
pour l’utilisateur, hormis souvent un positionnement particulier de la main autour de
"marqueurs" dans le but de conserver la même position entre les mesures. Malgré tout,
cette modalité est peu précise et présente un fort risque de similitude entre deux personnes

13
 Figure5- Exemples d’acquisition de la géométrie de la main

[Link] Rétine/Iris

Ces deux modalités sont mesurées au niveau des yeux. L’iris est présente sur la face antérieure
du globe oculaire et s’apparente à un "diaphragme" contrôlant l’intensité de lumière captée,
tandis que la rétine se trouve sur la face interne et est l’organe sensible de la vision.

Figure6- Exemple de rétine et d’un Iris[13]

La mesure de la rétine s’effectue par l’acquisition du réseau vasculaire de la membrane

épirétinienne. Cette technique de biométrie figure parmi les plus fiables en sécurité du fait
de la stabilité de la rétine dans le temps, de la très forte unicité du motif rétinien et de la
difficulté de falsification de ce dernier. En contrepartie, elle n’est que peu attrayante pour
l’utilisateur de par les contraintes d’acquisition nécessitant un positionnement immobile
et proche de la caméra. Les principales sources de perturbations intrinsèques au sujet sont
liées à des maladies telles qu’un glaucome, du diabète ou encore une cataracte.
De la même manière que pour la rétine, un des avantages de la mesure de l’iris [14]est
la grande unicité du motif. Hormis dans le cas de maladies telles que du diabète, l’iris
demeure inchangée dans le temps. Elle présente l’avantage de posséder des caractéristiques
14
extrêmement différentes d’une personne à l’autre. Le port de lunettes ou de lentilles de
contact n’affecte pas la mesure tandis que la lumière ambiante amène des perturbations
visibles. Les principales difficultés sont donc liées à l’éclairage, la distance du sujet au
système et par conséquent la qualité de l’acquisition.

[Link] Oreilles

Contrairement à ce qu’on pourrait penser, car plutôt méconnue du grand public, les premiers
travaux sur la mesure de l’oreille comme trait biométrique pour la reconnaissance de
personne sont relativement anciens et datent de la fin du 19ème siècle. L’influence de facteurs
aléatoires dans la constitution de la forme de l’oreille peut être observée en comparant
les oreilles gauche et droite d’une même personne : bien que présentant des similarités,
elles ne sont pas symétriques. Comme pour le visage, cette mesure s’effectue à distance
mais peut facilement être perturbée par la présence des cheveux ou de boucles d’oreilles.

Figure7- Exemple de mesure pout la reconnaissance de l’oreille[15]

1.1.3 Modalités Biologiques

[Link] ADN

15
 Figure8- Exemple d’empreinte d’ADN[16]

Présent dans toutes les cellules, l’Acide Désoxyribonucléique (ADN) est une macromolécule
biologique contenant toute l’information génétique permettant le développement,
le fonctionnement et la reproduction des êtres vivants. L’ADN extrait d’un quelconque
échantillon biologique issu d’une personne (sang, salive, fragment de peau ou de poil,
etc.) peut être utilisé pour déterminer son empreinte génétique. Le plus souvent utilisée
en médecine légale, cette méthode isole et compare les séquences de segments d’ADN de
différents individus, avec un risque de similitude entre deux personnes de moins d’un pour
cent milliards. Très coûteuse en temps de traitement et en matériel, cette méthode n’est
pas temps réel et peu commode dans le prélèvement des échantillons.

[Link] Electrocardiogramme

Les mesures biométriques conventionnelles souffrent d’un risque de falsification via une
reproduction de la modalité (masque pour le visage, empreintes digitales en silicone). Les
mesures des signaux bioélectriques du corps comptent parmi des plus difficiles à contourner.
L’électrocardiogramme (ECG) en fait partie, traduisant un changement du potentiel
électrique des cellules cardiaques et possédant des caractéristiques uniques. Le motif de
l’acquisition biométrique de l’ECG correspond à la dépolarisation et la repolarisation des
battements de cœur. Les caractéristiques mesurées sur ces signaux représentent l’intervalle
entre les extremums, leur amplitude, la pente et la largeur des pics.

Figure9- Exemple d’électrocardiogramme de 03 personnes[17]

1.1.4 Modalités comportementales

16
 [Link] La signature

Il est question de mesurer la manière dont une personne signe à l’aide d’un stylet et
d’une tablette graphique. En plus de l’aspect général de la signature, les caractéristiques
mesurées incluent les pauses, les variations de rythme, la pression, la direction des traits et
la vitesse. Cette signature change dans le temps et est influencée par la condition physique
du sujet et le système d’écriture utilisé.

Figure10- Exemple de mesures de la signature[18]

[Link] Dynamique de frappe au clavier

Les caractéristiques mesurées sont le temps de vol (temps entre deux frappes différentes),
le temps de pression (temps entre une pression et le relâchement d’une même touche), la
durée complète d’une séquence, la fréquence des erreurs, l’utilisation du pavé numérique,
la force des frappes (pour les claviers équipés) et la façon d’utiliser les majuscules. Les
mesures sont perturbées par l’état émotionnel du sujet, sa posture, le type de clavier, etc.

Figure11- Illustration des mesures de frappe au clavier

[Link] La voix

17
Le son de notre voix est directement influencé par des facteurs physiques comme le nez,
la bouche, les cordes vocales, ou par l’état émotionnel, la langue natale, les conditions
médicales, et d’autres paramètres. La qualité de l’enregistrement dépend du capteur ou de
l’environnement (écho, bruit, etc.). Il est possible d’isoler ces perturbations en utilisant
plusieurs capteurs tout autour du sujet.

Figure12- Illustration des signaux vocaux

[Link] La démarche

Figure13- Schéma des mesures de la démarche

Les systèmes de reconnaissance de la démarche nécessitent une séquence vidéo du sujet

marchant, de profil ou de face, sur une certaine distance, issue d’une caméra 2D, d’une
caméra 3D ou d’un ensemble de caméras sous différents angles. Sur chaque image, la
silhouette humaine est détectée ainsi que les attributs spatiotemporels des extrémités et
articulations du corps (tête, épaules, coudes, mains, hanches, genoux et pieds). Ainsi, par
corrélation entre les mesures consécutives, cette modalité se base sur les estimations du
balancier des bras, le rythme de la marche, le rebond, la longueur des pas, la distance entre
la tête et les pieds ou encore la distance maximale entre les pieds droit et gauche. Les
facteurs intrinsèques au sujet pouvant introduire un biais dans la mesure sont la prise de
poids, une grossesse, l’état psychologique du sujet lors de la mesure, etc. Les chaussures,
vêtements ou la surface de marche affectent également le procédé.

18
1.1.3 Comparaison des modalités biométriques

On distingue sept particularités [19], [20]pour chaque attribut biométrique permettant de les
comparer les unes aux autres et ainsi déterminer la plus appropriées à une situation donnée :
1. L’universalité : détermine si la modalité existe et si elle est présente quel que soit
l’individu.
2. L’unicité : définit la probabilité de ne pas trouver de similitudes entre les mesures d’une
même modalité sur des personnes différentes.
3. La pérennité : indique si la caractéristique reste inchangée sur une période donnée.
4. La collectabilité : détermine le degré de facilité de l’acquisition, de la mesure et de
l’exploitation de la modalité,
5. La performance : caractérise la robustesse, la fiabilité et la vitesse de la mesure.
6. L’acceptabilité : indique si la modalité est acceptée sans objection par l’utilisateur.
7. Le contournement : représente la difficulté de contourner le système, par usurpation
d’identité ou d’autres techniques de fraude.

Tableau1- Comparaison des modalités biométriques les plus connues (*** représente les
meilleurs performances)[21]

Modalités Univ Unic Peren Collec Perf Accept Cont

Visage *** * ** *** * *** *
Empreinte *** *** *** ** *** ** ***
digital
Paume de ** *** *** ** *** ** ***
main
Réseau ** ** ** ** ** ** ***
vasculaire
Géométrie ** ** ** *** ** ** **
de la main
Rétine *** *** ** * *** * ***
Iris *** *** *** ** *** * ***
Oreille ** ** *** ** ** *** **
Démarche ** * * *** * *** *
Signature * * * *** * *** *

19
 Frappe au * * * ** * ** **
clavier
Voix ** * * ** * *** *
ADN *** *** *** * *** * *

Les points précédents nous démontrent que certaines modalités, considérées seules, peuvent
être peu performantes, que ce soit par une faible unicité, une falsification aisée ou des
contraintes trop importantes. Une première approche permettant de réduire le nombre de faux
positifs se base sur des capteurs complémentaires afin de contrôler les bonnes conditions
d’acquisition (pas de falsification), comme par exemple en mesurant sans contact le rythme
cardiaque [22], [23] sur le visage du sujet avant de l’authentifier. Une seconde approche
pouvant améliorer les performances consiste en l’utilisation d’un système "multi-biométrique",
pouvant prendre les formes suivantes (ou une combinaison de celles-ci) :

• Multi-capteurs : Une seule modalité est utilisée ici, mais mesurée par le biais de
différents capteurs. Par exemple, pour acquérir la modalité sous différents angles
simultanément, ou à différentes échelles, etc.
• Multi-algorithmes : La même mesure est traitée via différents algorithmes, permettant,
via une simple acquisition, d’extraire des informations différentes. Cette approche est
"économique" en coût matériel mais implique plus de complexité dans les calculs.
• Multi-exemples : Pour les modalités présentes à différents endroits du corps, plusieurs
instances sont mesurées sur chacun d’eux. Comme par exemple l’acquisition de
différentes empreintes digitales au lieu d’une, ou l’utilisation de l’iris ou de la rétine de
chaque œil.
• Multi-échantillons : Plusieurs échantillons d’une même modalité sont mesurés par un
seul capteur, en changeant la position autour du sujet, ou faisant varier l’éclairage par
exemple.
• Multimodalités : Différentes modalités sont combinées, via une fusion de décision sur
chacune ou de par une fusion des caractéristiques extraites. Cette technique requiert des
ressources algorithmiques et matérielles supplémentaires.

20
 • LES SYSTEMES EXISTANTS

Les systèmes de sécurité "classiques" présentent un défaut commun qui est de ne pas authentifier une
personne mais plutôt un objet ou une connaissance qu’elle serait la seule à posséder (badge, code, etc).
Les technologies biométriques apportent donc confort, simplicité ainsi qu’un haut niveau de sécurité
aux utilisateurs, tout en présentant l’avantage de pouvoir être couplés aux systèmes "classiques"
existants. En effet, que ce soit pour sécuriser un accès physique (un bâtiment, une pièce, un coffre-fort,
etc) ou un accès logique (des données informatiques), la biométrie a déjà fait ses preuves et son
utilisation est en constante progression. De nombreux systèmes se développent sur le marché, destinés
au grand public ou au secteur privé (en entreprise avec une gestion horaire des accès), et proposent aussi
bien des solutions unimodales que des solutions multimodales, que ce soit par le biais de différents
terminaux d’acquisition ou par un unique terminal multi capteurs.

1.2.1 Les systèmes grands publiques

La biométrie est déjà bien acceptée du grand public de par son intégration dans les smartphones
[24],[25],[26] et les ordinateurs portables, pour sécuriser l’accès "physique" aux données
personnelles, avec la démocratisation du déverrouillage par empreintes digitales, par le visage,
par l’iris ou encore la voix. Les implémentations biométriques sur téléphones portables,
illustrées par les exemples suivants, sont des méthodes hors ligne, dont les calculs sont
strictement limités à la plateforme cible. Ces plateformes mettent en œuvre plusieurs dispositifs
pour différentes modalités. Cependant, contrairement aux systèmes réellement multimodaux,
une seule modalité est nécessaire pour déverrouiller le terminal. Étant essentiellement destinés
à une seule personne et donc pour une authentification 1 pour 1, ces dispositifs peuvent
enregistrer plusieurs "profils" et donc effectuer une identification 1 pour N. Ces dispositifs sont
des sécurités additionnelles pour ces types appareils, dont la fonction première n’est pas la
biométrie. Dans une optique de rapidité et de fiabilité supérieures, ils permettent de remplacer
"temporairement" les traditionnels mots de passe, codes de déverrouillage ou les schémas, qui
restent tout de même nécessaires en cas d’échec de la procédure biométrique. Ces systèmes
biométriques doivent donc s’interfacer au smartphone et faire face à certaines contraintes :
puissance nécessaire et taille d’intégration si l’on considère l’utilisation des capteurs
supplémentaires. La biométrie est déjà bien acceptée du grand public de par son intégration
dans les smartphones [24],[25],[26] et les ordinateurs portables, pour sécuriser l’accès
"physique" aux données personnelles, avec la démocratisation du déverrouillage par empreintes
digitales, par le visage, par l’iris ou encore la voix. Les implémentations biométriques sur
téléphones portables, illustrées par les exemples suivants, sont des méthodes hors ligne, dont

21
les calculs sont strictement limités à la plateforme cible. Ces plateformes mettent en œuvre
plusieurs dispositifs pour différentes modalités. Cependant, contrairement aux systèmes
réellement multimodaux, une seule modalité est nécessaire pour déverrouiller le terminal. Étant
essentiellement destinés à une seule personne et donc pour une authentification 1 pour 1, ces
dispositifs peuvent enregistrer plusieurs "profils" et donc effectuer une identification 1 pour N.
Ces dispositifs sont des sécurités additionnelles pour ces types appareils, dont la fonction
première n’est pas la biométrie. Dans une optique de rapidité et de fiabilité supérieures, ils
permettent de remplacer "temporairement" les traditionnels mots de passe, codes de
déverrouillage ou les schémas, qui restent tout de même nécessaires en cas d’échec de la
procédure biométrique. Ces systèmes biométriques doivent donc s’interfacer au smartphone et
faire face à certaines contraintes : puissance nécessaire et taille d’intégration si l’on considère
l’utilisation des capteurs supplémentaires.

Figure14- Exemples de dispositifs biométriques intègres aux smartphones (Sony –

empreintes, Apple – FaceId, Samsung - Scanner d’Iris)

Il y a donc un vaste panel de dispositifs biométriques dédiés au grand public embarqué dans
nos smartphones. Les terminaux portables intégrant plusieurs solutions pour différentes
modalités, le choix revient à l’utilisateur de considérer la méthode qui lui semble la plus
adéquate. En effet, pour le grand public, avec une moyenne de 58 déverrouillages du téléphone
par jour en 2014 [27],un compromis doit être fait entre contraintes d’utilisation, sécurité et
vitesse d’exécution. De ce fait, c’est cette dernière condition qui est la plus considérée dans ce
choix pour un tel usage journalier. Ainsi, avec un déverrouillage instantané, ce sont les
empreintes digitales qui demeurent une solution préférable aux autres modalités [28]. En
comparaison, l’exemple précédent du FaceID est plus sécurisé, mais nécessite une contrainte
supplémentaire quant à la position du sujet par rapport à la caméra, et le temps de déverrouillage
peut atteindre 1,5 secondes. L’intégration de capteurs particuliers augmente également les coûts
de productions et de maintenance. Les systèmes biométriques pour le grand public ne sont pas
limités aux cas très répandu des smartphones, et des systèmes pour la maison leurs sont
également proposés. Nous pouvons prendre pour exemple deux dispositifs de l’entreprise
française Netatmo présentés figure 15. Conçus en tant qu’objets connectés pour la surveillance

22
de la maison, ils disposent de fonctions de communications avec une gestion d’évènements afin
d’avertir les propriétaires sur leur smartphone. La caméra destinée à un usage intérieur, effectue
une reconnaissance de visages et notifie de la présence des membres de la famille ou de
personnes inconnues. La caméra à usage extérieur, n’effectue pas de reconnaissance
biométrique mais est capable de capter la présence d’une voiture, de personnes ou d’animaux.

Figure15- Camera intelligentes intérieure et extérieure Netatmo

1.2.2 Les systèmes industriels

Dans le cas des systèmes destinés aux installations professionnelles, le compromis

précédemment cité est toujours applicable, néanmoins c’est la sécurité qui est mise en avant,
plus que les contraintes d’utilisation et la vitesse qui sont tout de même des facteurs pris en
compte. Ici, ces systèmes sont fixes et sont le plus souvent utilisés pour sécuriser l’accès à une
zone restreinte. Ils peuvent considérer une seule modalité ou plusieurs (multimodal) et prendre
les différentes formes citées ou une combinaison de ces formes, à savoir multicapteurs, multi-
algorithmes, multi-exemples, multi-échantillons et multimodalité. Contrairement aux
smartphones, les systèmes multimodaux nécessitent la mesure de chacune d’elles pour valider
l’accès, l’utilisateur n’a donc plus de choix à envisager quant à la mesure à effectuer. Ces
systèmes dédiés aux professionnels peuvent intégrer les données biométriques directement dans
la mémoire du système, ou bien elles peuvent être stockées sur un serveur afin qu’un même
modèle puisse alimenter plusieurs dispositifs (un bâtiment utilisant un même système pour
diffé- rentes zones). Ainsi, une identification peut être effectuée au même titre qu’une
authentification. Dans la majeure partie des cas où ces systèmes nécessitent une carte
personnelle sans contact, celle-ci transmet simplement l’identifiant de son propriétaire qui est
alors utilisé pour gérer un agenda d’accès et/ou effectuer une authentification en ne comparant
la mesure biométrique qu’au modèle correspondant à cet identifiant dans la base de données.
Certaines modalités, comme les empreintes digitales, fournissent des caractéristiques

23
biométriques très légères, qui peuvent alors être stockées sur une carte sans contact, laquelle ne
bénéficiant que d’une très faible capacité de stockage. Ces dispositifs étant entièrement dédiés
à la sécurisation d’accès, leur conception est orientée pour une intégration optimale de la
modalité utilisée. Ainsi, contrairement aux smartphones, la forme, la taille et la partie
calculatoire peuvent être adaptées en fonction des besoins. La figure 16 présente en exemple
quelques systèmes de sécurité d’accès biométrique, destinés aux professionnels, parmi les modalités les
plus utilisées à savoir le visage et les empreintes digitales, ainsi que la fusion des empreintes digitales
et du réseau vasculaire du doigt.

Figure16- Exemples de systèmes biométriques pour les professionnels [26,18]

Les systèmes "FaceStation 2" [29] et "BioStation 2" [30], figure 16, font partie des
solutions biométriques Suprema, supportant l’authentification ainsi que la reconnaissance de personnes.
Ces deux systèmes disposent d’une interface utilisateur permettant de communiquer des instructions et
de signaler un dysfonctionnement, ainsi que d’un lecteur intégré de cartes sans contact. Cette carte
permet d’obtenir l’identifiant de son possesseur et de procéder par la suite à une authentification, les
modèles biométriques des usagers étant stockés au sein du système (jusqu’à 30000 utilisateurs pour le
visage et 1 million pour les empreintes digitales) ou sur un serveur. Les systèmes "3D face reader" [31]
et "Wave Tower", figures 16, font partie des solutions biométrique IDEMIA. De la même manière que
le FaceID, le système "3D face reader" permet une acquisition en 3 dimensions du visage grâce la
projection de 40000 points via un projecteur à lumière infrarouge structurée. Ce système peut contenir
jusqu’à trois mille profils en mode identification (reconnaissance) et cent mille profils en mode
authentification via l’usage d’une carte sans contact transmettant un identifiant. Le système "Wave
Tower" relève les empreintes digitales du sujet. Sans contact, le système est capable d’acquérir les

24
empreintes digitales de quatre doigts de la main en les faisant simplement survoler le lecteur. Les
caractéristiques des empreintes digitales étant plus "légères" que celles du visage, ce système peut
contenir quarante mille profils en mode identification et un million en mode authentification toujours
via l’usage d’un badge sans contact.

1.2.3 Approche multimodale

[Link] Principe

Les systèmes de sécurité biométrique à modalité unique, bien qu’ayant été considérablement améliorés
ces dernières années de par des algorithmes plus performants et des capteurs plus précis, souffrent de
certains problèmes de fiabilité notamment liés aux critères de contournement et d’unicité, souvent trop
faibles selon les modalités. Par conséquent, les systèmes biométriques multimodaux sont au cœur des
solutions les plus performantes en matière de sécurité, permettant de combiner plusieurs modalités (le
plus souvent deux) acquises simultanément avec un ou plusieurs dispositifs de mesure [32]. Le système
est ainsi capable d’effectuer un contrôle de sécurité sur un nouveau jeu de caractéristiques émanant de
la fusion des attributs de ces modalités. Il est également possible de compléter ce contrôle en traitant
indépendamment en parallèle les caractéristiques de chacune des modalités mesurées. Un système
multimodal est donc en mesure de compenser les lacunes des systèmes uni-modaux, en proposant une
solution plus difficilement falsifiable et plus robuste aux similitudes entre les individus ainsi qu’aux
données d’acquisition bruitées. En effet, il est indéniable qu’un usurpateur aura plus de mal à copier
plusieurs modalités d’une même personne. Il est également peu probable que plusieurs modalités soient
similaires entre deux personnes. Cette fusion peut s’effectuer à différents niveaux des chaînes de
traitement et de décision.

[Link] Fusion des données biométriques

Comme présenté dans la section 1.1.1, la biométrie n’est pas restreinte à la mesure d’une modalité par
un capteur, mais peut résulter de la fusion d’informations provenant de sources variées, comme le
montre la figure 17, sous les formes suivantes d’acquisition : multi-capteurs, multialgorithmes, multi-
exemples, multi-échantillons. Cette liste est valable que ce soit pour des systèmes uni-modaux ou
systèmes multimodaux [33]. Chacune des modalités traitées par les systèmes multimodaux peut être
vue comme une unique modalité et les informations utilisées peuvent provenir des sources citées
précédemment. L’étude menée par Suneet Narula Garg [Link] [34] confirme l’apport non négligeable de
la fusion multimodale face à une unique modalité, augmentant significativement les performances
d’authentification en comparaison des performances de chacune des modalités mesurées
indépendamment les unes des autres [35]

25
 Figure17- Sources d’informations dans un système de ludion biométrique [33]

La fusion biométrique intervient dans la combinaison d’informations biométriques d’une ou plusieurs

modalités afin de renforcer les atouts et réduire les lacunes de ces modalités, induits de ces informations.
On distingue différents types de fusions biométriques, répartis à différents niveaux de la chaîne du
système [36] (comprenant l’acquisition de l’information, son traitement, l’extraction de caractéristiques
puis la classification de laquelle découle une décision), que l’on peut séparer en deux grandes familles
: avant la classification et après la classification [8]. Les différents niveaux de fusion sont résumés par
la figure 17.

[Link] Avant classification

Avant la classification (matching), la combinaison des informations peut avoir lieu soit au
niveau
capteur, soit au niveau des caractéristiques.

• Fusion au niveau capteur (Sensor level) : La fusion au niveau capteur s’effectue à partir
des données brutes issues d’un ou plusieurs capteurs. Les données doivent par conséquent
être compatibles entre elles (de même type) et donc provenir de capteurs similaires si
plusieurs sont utilisés. On peut illustrer cette fusion par l’acquisition du signal de la voix
par deux capteurs (microphones) ou plus, situés à différents endroits dans l’espace. Dans le
cas de l’image, il est nécessaire que les informations à fusionner soient de la même
dimension.
• Fusion au niveau caractéristiques (Feature level) : À ce niveau de la chaîne de traitement,
les différentes instances d’une même modalité biométrique, ou les différentes modalités,

26
 ont été acquises par un ou plusieurs capteurs. De l’extraction de caractéristiques résulte,
pour chacune des mesures, un vecteur décrivant ces caractéristiques et la fusion au niveau
caractéristiques consiste à combiner ces vecteurs. Des vecteurs de caractéristiques
homogènes (plusieurs mesures d’une même modalité) permettent de construire un unique
vecteur à partir de leur somme pondérée. Des vecteurs hétérogènes (mesures de différentes
modalités) permettent également de construire un unique vecteur mais en concaténant ces
vecteurs individuels. Ainsi, le vecteur résultant est très riche en informations. Cependant,
ce type de fusion peut entraîner la création d’un vecteur de très grande dimension et
nécessiter une puissance de calcul importante.

[Link] Apres classification

Après la classification, l’intégration de multiples informations biométriques peut intervenir au

travers de deux catégories : la sélection dynamique de classifieurs et la fusion de classifieurs.

• Sélection dynamique de classifieurs (Dynamic classifier selection) : La sélection

dynamique de classifieurs, aussi connue sous le nom de l’approche "winnertake-all",
nécessite de considérer un partitionnement des données d’entrée. Ces partitions peuvent être
définies par l’ensemble des décisions individuelles de chaque classifieur, ou par les
caractéristiques des échantillons d’entrée. Pour chaque partition, le classifieur fournissant
les résultats optimaux sur des données d’apprentissage ou de validation est sélectionné. Pour
la classification, un échantillon inconnu est affecté à une partition et c’est la décision du
classifieur, associé à cette partition, le plus à même de donner une décision correcte, qui est
utilisée pour la décision finale. Pour résumer, la sélection dynamique de classificateurs tente
de prédire quel classificateur est le plus susceptible de fournir un résultat correct pour un
échantillon donné.
• Fusion de classifieurs (Classifier fusion) : La fusion de classifieurs utilise des classifieurs
individuels en parallèle et leurs sorties sont combinées de manière à obtenir un "consensus
de groupe". Pour cette seconde catégorie on distingue trois niveaux de fusion, à savoir la
fusion au niveau décisionnel, la fusion au niveau du rang et la fusion au niveau du score.
• Fusion au niveau des scores (Score level) : La fusion au niveau des scores utilise les
résultats de classification des différents classifieurs utilisés (pour une même modalité ou
pour plusieurs différentes). Ici ce sont les scores associés aux classes prédites qui sont
combinés puis transmis au module de décision. Par conséquent, un processus de

27
 normalisation est nécessaire. Différentes techniques existent [37], on peut citer "MinMax",
"Z-Score", "Double Sigmoïde", "Estimateurs tanh", "Estimateurs biweight" et d’autres. Ce
niveau de décision peut être scindé en deux catégories, à savoir combinaison et
classification. La première approche consiste à obtenir un scalaire issu de la combinaison
des scores normalisés des différents classifieurs. La seconde considère les scores comme de
nouvelles caractéristiques d’entrées pour un nouveau problème de classification à deux
classes : accepté et refusé. La fusion au niveau score est considérée comme la plus simple
à mettre en œuvre et conserve l’information la plus riche à propos des données d’entrée
après classification. De ce fait, elle est la plus utilisée dans la littérature.
• Fusion au niveau du rang (Rank level) : Lorsqu’un système utilise plusieurs classifieurs
et que leur sortie dispose de plusieurs classes, il est possible de les trier dans l’ordre
décroissant selon leur score de confiance associé à la prédiction, permettant ainsi d’effectuer
une fusion au niveau du rang de la prédiction. Pour ce type de fusion, on peut distinguer
trois techniques permettant la combinaison de ces rangs [38]: "Highest Rank Method",
"Borda Count Method" et "Régression logistique". Cette première méthode utilise les scores
des classes de chaque classifieur, triées comme spécifié précédemment. À chaque classe est
ensuite attribué un unique score correspondant au score du meilleur rang (rang 1 en ordre
décroissant) de cette classe parmi les prédictions des classifieurs. Ainsi, on établit un
classement général entre les classes, leur rang étant déterminé par le meilleur score attribué
à chacune, et la décision finale est prise selon les rangs combinés. La seconde méthode
calcule, pour chaque classe, un rang général combinant la prédiction de chaque classifieur.
Ce rang général est issu de la somme du rang de la classe en question en sortie de chaque
classifieur. Pour un problème à deux classes, on peut la considérer comme équivalente à un
vote à la majorité. Cette méthode ne nécessite aucun apprentissage supplémentaire,
cependant, elle ne fait aucune distinction entre les potentielles aptitudes des classifieurs,
chacun étant considéré de manière équivalente dans le calcul. La troisième technique est
une généralisation de la méthode précédente ("Borda Count"). Une somme pondérée des
rangs individuels est calculée et ces poids sont déterminés par régression logistique.
• Fusion au niveau décisionnel (Decision level) : Ici, chaque modalité est traitée de manière
indépendante par le ou les classifieurs dédiés. Contrairement aux niveaux précédents, le
score et le rang ne sont pas considérés. Seule la décision de chaque classifieur (la classe
correspondant au meilleur score) est prise en compte et la décision finale est définie en se
basant sur la fusion de la classe en sortie de chaque classifieur. Ces décisions peuvent être
consolidées par des méthodes telles que le "vote à la majorité" , le "Behavior Knowledge
28
 Space" , le "Weighted voting" [39] et d’autres. Ce niveau de fusion est donc le moins riche
en informations et se trouve par conséquent être le moins "puissant" et le plus limité.

Figure18- Schéma de répartition des différents niveaux de fusion biométrique[34]

1.2.4 Synthèse et solutions proposées

L’évaluation des performances des systèmes biométriques fait dans le tableau…, permet de
conclure que les meilleures performances d’authentification sont obtenues par différentes
combinaisons, deux a deux entre l’iris, la paume de main et les empreintes digitales, issus d’une
fusion des caractéristiques [40], au niveau des score [41] ou de la décision [42]. Nous décidons
en fonction de la disponibilité des capteurs de faire une étude portant sur la double sécurisation
biométrique avec la détection faciale couplée à une reconnaisse d’empreinte digital. Il s’agira
ainsi d’un système multimodal, basé sur l’acquisition de ces modalités, donc la première
considérée est le visage. Elle est une des plus accepté du public, mature et parmi les plus simple
à mettre en place. Avec une mesure sans contact et une reconnaissance en temps réel, elle ne
nécessite pas de capteurs sophistiqués. En effet, restreinte a une mesure en deux dimensions,
une simple camera type « webcam » suffit pour acquérir l’image de visage su sujet. En revange,
la modalité du visage en 2 dimensions (2D) présente de haut risque de taux de contournement,
sa falsification étant aisée de par la facilitée d’acquisition de cette modalité à l’insu du sujet et
de son utilisation par le biais d’une simple image. Une première solution permettant de
s’affranchir de ces faiblesses réside dans l’utilisation de caractéristiques en trois dimensions du
29
visage, de par diverses acquisitions sous différents angles par plusieurs capteurs ou une
acquisition en trois dimensions avec un projecteur dimensions avec un projecteur infrarouge à
lumière structurée. Cependant, cette solution requiert une infrastructure conséquente et des
besoins calculatoires élevés. Nous avons donc choisi de considérer de nouvelles modalités, sur
une zone différente, afin de compléter la mesure du visage. Les empreintes digitales semblent,
à nos yeux, représenter une alternative intéressante à l’utilisation de nouveaux capteurs pour le
visage. Comme présentés précédemment, les avantages de l’apport de plusieurs modalités dans
un même système de sécurité biométrique ne sont plus à démontrer. Ainsi, l’apport d’une
modalité déjà commune à de nombreux systèmes et fournissant un haut niveau de sécurité, à
savoir les empreintes digitales. Nous proposons donc une mise en œuvre ces deux modalités.
Celles-ci seront traitées indépendant, puis fusionnés à la mesure du visage afin d’accroitre le
niveau de sécurité. Nous aurons ainsi la possibilité comme le mentionne notre thème de faire
l’analyse des données qui serons manipulées dans les système biométriques pour nous
permettre de faire la détection d’intrus utile pour les système de sécurité.

30
 CHAPITRE 2 : MODELISATION ET OUTIL DE CONCEPTION D’UN SYSTEME
DE DETECTION D’INSTRUSION PAR BIOMETRIE FACIAL ET DIGITAL

2.1. LE MACHINE LEARNING

Comme décrit par la figure 2.1, l’apprentissage automatique (Machine Learning) fait partie de
l’intelligence artificielle et permet, avec l’aide des machines, d’effectuer des calculs afin de
résoudre un problème complexe. La particularité du Machine Learning, est que les méthodes
utilisées permettent à la machine d’apprendre à réaliser une tâche en fonction de nombreuses
données d’entrée. Ainsi, l’algorithme ne se contente pas d’appliquer une consigne définie par
son concepteur, mais s’adapte aux données qui lui sont transmise afin d’apprendre comment
répondre à la problématique qui lui est fournie. L’apprentissage profond (Deep Learning), que
nous traitons également dans ce manuscrit, est quant à lui un sous ensemble du Machine
Learning. Le Deep Learning met en œuvre, sous forme de couches, un enchaînement de
traitements algorithmiques propres au Machine Learning afin de répondre à un problème
complexe découpé en plusieurs tâches, chaque couche utilisant la sortie de la couche précédente
comme données d’entrée.

Figure 2.1 Relation entre les ensembles de l’« Intelligence Artificielle ». « Apprentissage
automatique et Apprentissage profond »

De manière générale, un algorithme d’apprentissage automatique utilise un certain nombre

de données d’entrées (pouvant être nécessairement très important pour de Deep Learning),
représentant des données liées au problème à résoudre. Cet apprentissage dépend de la manière
dont sont transmises ces données à l’algorithme de traitement. Il existe donc différentes
manières de procéder, et on distingue trois grands groupes d’apprentissage : l’apprentissage
supervisée (supervised learning), l’apprentissage non supervisée (unsupervised learning), et
l’apprentissage par renforcement (reinforcement learning).

31
 • Apprentissage supervisé : Dans le cas de l’apprentissage supervisé, les données
d’apprentissage fournies à l’algorithme contiennent également les solutions associées,
que l’on appelle des "étiquettes" ou des "labels". Toutes ces informations sont fournies
par un opérateur humain. L’objectif de l’algorithme est alors trouver les relations ( f)
entre les données d’entrée (X) et la sortie (Y). Ainsi, la relation entre les données
d’entrées et la sortie est définie par Y = f(X). L’apprentissage permet donc d’approximer
cette fonction afin d’être capable, après l’apprentissage, de prédire une sortie appropriée
pour une nouvelle entrée correspondant aux données d’apprentissage (sans label cette
fois-ci).
• Apprentissage non-supervisé : Ici, contrairement à l’apprentissage supervisé, aucune
donnée d’entrée ne porte de label. Avec l’apprentissage non-supervisé, on laisse
l’algorithme découvrir les relations entre les données d’entrée et leur structure. Le
système cherche donc à découvrir et apprendre tout ce qu’il est capable de détecter
(relations et différences) à partir de ces informations d’entrée et la sortie dépend donc de
ce que l’algorithme a su décrire.
• Apprentissage par renforcement : L’apprentissage par renforcement tire son nom du fait
que l’apprentissage est amélioré à chaque itération du processus par un retour
d’expérience. Les performances de l’algorithme sont maximisées à mesure qu’il prend des
décisions à partir de ses données d’apprentissage. L’algorithme est plongé au sein d’un
environnement, et prend ses décisions en fonction de son état courant. Après chaque étape
d’apprentissage, l’environnement retourne une récompense, qui peut être positive ou
négative, en fonction du résultat de l’étape précédente. Ainsi, au travers d’expériences
itérées, l’algorithme cherche un comportement décisionnel optimal, afin qu’il maximise la
somme des récompenses au cours du temps.

On peut également citer l’apprentissage semi-supervisé (semi-supervised learning).

Cependant, ce n’est pas un groupe à part entière, du fait qu’il dérive à la fois de l’apprentissage
supervisé et non supervisé. Certaines données portent une étiquette mais la majorité demeure
non annotées. L’acquisition de données annotées pour l’apprentissage requiert des compétences
humaines ainsi que du temps, tandis que le coût associé à l’acquisition de données non annotées
est très court en comparaison. Ainsi, les algorithmes d’apprentissages semi-supervisés
cumulent les avantages des deux méthodes, permettant, avec la faible quantité de données
annotées, d’orienter l’apprentissage, puis, avec les données non annotées, de découvrir une plus
large quantité d’informations relationnelles entre les données. Dans le cadre de l’apprentissage
automatique, on peut établir plusieurs groupes de problématiques, auxquels les types
d’apprentissages peuvent répondre. On retrouve principalement les problématiques de
"classification", de "régression", d’"associations de règles" et de "clustering", que nous
explicitons ci-après. Certains algorithmes se prêtent mieux à un type d’apprentissage particulier
et à certaines problématiques mais ils n’y sont pas limités. Dans certains cas, afin d’utiliser un
algorithme supervisé pour la classification de données non annotées, il est possible d’utiliser en
complément un algorithme non supervisé dans le but de séparer les données de manière

32
 automatique. Le choix de l’algorithme dépend alors de nombreux facteurs tels que la quantité
de données, leur qualité et leur nature, la puissance de calcul disponible ainsi que les temps de
calculs acceptables selon l’application, etc. La classification a pour objectif d’assigner des
données à des catégories définies au préalable. Lors de l’apprentissage, les relations entre les
données et leurs catégories (ou classes) sont déterminées et apprises. Ainsi, la classification
permet d’obtenir, pour un nouvel échantillon, une prédiction d’appartenance à une classe
connue, telle que "malade"/"sain" et "rouge"/"bleu"/.../"vert". Dans le cas d’un problème à deux
classes on parle de classification binaire ou binomiale, et dans le cas à plus de deux classes, on
parle de classification à classes multiples ou multi classes. La régression a pour but de prédire
la valeur d’une certaine quantité à l’évolution continue, dépendant de certaines caractéristiques.
Pour la suite de ce travail, nous allons nous intéresser à l’apprentissage supervisé dans le
cadre de la classification d’images. Du fait de notre problématique, à savoir détecter les
intrusions, nous nous focaliserons sur une étude de classification binaire. Avant de considérer
une quelconque application à la biométrie, nous allons établir les généralités propres au
traitement d’image et communes à toutes les applications de ce domaine. Comme le montre la
figure 3.2, la chaine de traitement générale (commune aux algorithmes de classification
d’images) comporte plusieurs étapes clés telles que la détection et l’isolation de zone d’intérêt
(Region of Interest - ROI), des prétraitements afin d’améliorer l’image dans le sens voulu suivi
d’une potentielle normalisation, l’extraction de caractéristiques ainsi que leur sélection, puis la
classification effectuant soit un apprentissage d’un modèle, soit une prédiction à partir du
modèle appris. Cette prédiction donne lieu à une décision qui, à partir de multiples résultats
moyennés sur une base de données d’images, fourni un certain nombre d’informations servant
à évaluer les performances du modèle.

Chaine de Région d'intérêt

Classification
Prétraitements Caractéristiques Décision
traitement (ROI)
Test
Evaluation du modèle
Pour la - Isolation
classification
Apprentissage -Prédiction de classe
-Amélioration -Extraction
d'images -Classe prédite
-Détection d'image
-Paramètres -score de prédiction

Figure 2.2 Chaine des séparateurs de classification d’images communes à la majorité des
applications

2.1.1 MACHINE LEARNING “CLASSIQUE”

Comme décrit précédemment, le Machine Learning est une sous-famille de l’intelligence

artificielle. Ce que nous considérons comme Machine Learning "classique", ou "traditionnel",
correspond à cette famille à laquelle on exclut la sous-famille du Deep Learning. Ainsi, le
Machine Learning classique correspond aux algorithmes et aux méthodes désormais matures
de l’état de l’art et ayant d’ores et déjà fait leurs preuves sur de nombreuses problématiques.

[Link] Extraction et traitement des caractéristiques

L’extraction de caractéristiques est une étape cruciale de la chaîne de traitement de la
classification d’images, et les méthodes utilisées dans la littérature peuvent être regroupées
selon deux catégories principales, comme le montre la figure 2.3, à savoir les méthodes globales
33
et les méthodes locales. Les méthodes globales sont indépendantes de l’application (du type
d’élément présent dans l’image) et se focalisent sur des caractéristiques telles que les textures,
la couleur ou encore les formes. On peut considérer trois niveaux d’abstraction pour ces
caractéristiques : le niveau pixel (couleur, coordonnées dans l’image, etc.), le niveau local
(caractéristiques issues de subdivision de l’image, de segmentation, ou autre) et le niveau global
(caractéristiques issues de l’image entière ou d’une seule région de l’image). En comparaison,
les méthodes locales sont dépendantes de l’application et représentent souvent une synthèse de
caractéristiques bas-niveau. Chacune de ces deux catégories peuvent être sous divisées selon le
type de techniques.

- Niveau pixel Extraction des caractéristiques

Caractéristiques
- Niveau local spécifiques du domaine

-Niveau global

Méthode globale Méthode globale

Techniques basées sur

Techniques Techniques non Techniques basées sur
l'apprentissages des
linéaires linéaires l'apprentissage locale
points d'intérêts

Figure 2.3 Catégories de méthodes d’extractions de caractéristiques dans l’image

[Link] Classification
L’extraction de caractéristiques fournit donc un vecteur composé d’éléments représentant ces
caractéristiques. L’étape suivante de la chaîne est la classification. Son but est de calculer le
degré similitude entre 2 vecteurs (caractéristiques cible et caractéristique mesurée) ou entre 1
vecteur (caractéristique mesurée) et un ensemble de vecteurs (formant une classe). Cette
comparaison peut être effectuée de différentes façons, plus ou moins efficaces selon la
complexité des données (dimensions des vecteurs, variance interclasse, séparation des classes,
etc.).
[Link] Calculs de distances
De manière générale, la façon la plus triviale de comparer deux vecteurs d’une même
caractéristique (et donc de même dimension) est de vérifier leur degré de similitude. En
statistique, cette similitude est exprimée comme étant la distance séparant ces deux vecteurs
dans leur espace. De la même manière que pour mesurer la distance entre deux points (norme),
le calcul de distance entre deux vecteurs mesure la distance entre chaque élément "i" de ces
vecteurs. Soient deux vecteurs "x" (caractéristiques cibles) et "y" (caractéristiques mesurées) de
34
"n" éléments, appartenant à un espace vectoriel normé E, tels que 𝒙 ⃗ (𝒙𝟏, … ; 𝒙𝒊, … , 𝒙𝒏) et
⃗ (𝒚𝟏, … 𝒚𝒊, … , 𝒚𝒏) sont tous deux éléments de Rn. La distance entre ces vecteurs, notée 𝒅(𝒙
𝒚 ⃗ ,𝒚
⃗
), est une mesure entre chacune de leur composante "i" deux à deux (1 < i < n) et peut se définir
de plusieurs manières :

• Distance de Minkowski (p-distance ou Lp) : Généralisation du calcul de distance entre deux

vecteurs à l’ordre "p".

𝐩 𝐧
𝐝(! 𝐱⃗; ! 𝐲 ) = √∑ |𝐱𝐢 − 𝐲𝐢|𝐩
𝐢=𝟏

• Distance de Tchebychev (∞-distance ou L∞) : C’est la distance, entre deux vecteurs, donnée
par la différence maximale entre leurs coordonnées. Elle est équivalente à la distance de
Minkowski d’ordre infini (p = 1).

⃗ ) = 𝒍𝒊𝒎 √∑𝒏𝒊=𝟏|𝒙𝒊 − 𝒚𝒊|𝒑 = 𝒔𝒖𝒑𝟏≤𝒊≤𝒏 |𝒙𝒊 − 𝒚𝒊|

𝒑
⃗ ,𝒚
𝒅(𝒙
𝒑→∞

• Distance Euclidienne (2-distance ou L2) : La distance Euclidienne est la plus courte distance
entre deux vecteurs, également appelée distance à vol d’oiseau. Elle dérive de la distance de
Minkowski à l’ordre 2 (p = 2).

𝒚 ) = √∑ (𝒙𝒊
⃗ , ⃗⃗⃗
𝒅(𝒙 − 𝒚𝒊)𝟐
𝒊=𝟏

• Distance de Manhatan (1-distance ou L1) : ll représente la distance parcourue entre deux

points ou vecteurs sur une "grille" pouvant s’apparenter aux rues d’une ville et est donc appelée
"taxi-distance". Elle dérive de la distance de Minkowski à l’ordre 1 (p = 1).

⃗ ) = ∑ |𝒙𝒊
⃗ ,𝒚
𝒅(𝒙 − 𝒚𝒊|
𝒊=𝟏

• Distance de Mahalanobis : Elle diffère de la distance euclidienne par le fait qu’elle prend en
compte la variance et la corrélation de la série de données. Ainsi, à la différence de la distance
euclidienne où toutes les composantes des vecteurs sont traitées indépendamment et de la même
façon, la distance de Mahalanobis accorde un poids moins IMPORTANT aux composantes les plus
dispersées.

35
 𝐝(𝐱⃗, 𝐲 ) = √ 𝐪(𝐱⃗ − ⃗⃗ )𝐓 𝚺 −𝟏 (𝐱⃗
𝐲 − 𝐲)

Où 𝚺 est l’inverse de la matrice de covariance entre les vecteurs 𝐱⃗ et 𝐲.

−𝟏

[Link] Méthodes statistiques

Selon Taiwo Oladipupo Ayodele , les méthodes supervisées du Machine Learning appliquées
à un problème de classification peuvent principalement se résumer au travers des ensembles de
types suivants : les classifieurs linéaires, les classifieurs quadratiques, les regroupements par
Kmoyennes, le boosting, les arbres de décision, les réseaux de neurones et les réseaux
bayesiens, etc. Parmi les classifieurs linéaires, on retrouve entre autres la régression logique,
les perceptrons, les machines à vecteurs supports (Support Vector Machines - SVM) ou encore
les classifieurs bayesiens naïfs. Les arbres de décisions aléatoires, si plusieurs sont utilisés
simultanément et initialisés à partir de différentes caractéristiques, forment les forêts aléatoires
(Random Forest - RF).

Figure 2.4 – Exemples de répartitions de deux classes de données dans un plan 2D - (a)
représente des données linéairement séparables ; (b) représente des données non
linéairement séparables pouvant tout de même être séparées par une droite en tolérant des
erreurs ; (c) et (d) représentent des données non linéairement séparables

36
A. Séparateurs A Vastes Marges (Svm - Support Vector Machine)
Les Séparateurs à Vastes Marges, encore appelés Machines à Vecteurs Supports (SVM),
cherchent à séparer au mieux des ensembles de données appartenant à des classes. Cette
séparation, comme illustrée par la figure 2.5a, est effectuée par un hyperplan (ou une droite
dans un plan en deux dimensions). Celui-ci est généré, ou supporté, par certains vecteurs
appartenant aux classes à séparer, que l’on appelle alors vecteurs supports. Pour chaque classe,
un hyperplan "support" passe par ces vecteurs supports et l’hyperplan séparateur est situé à
égale distance de chacun d’eux. Cette distance est appelée "la marge". Il existe une infinité de
lignes ou d’hyperplans séparant des données linéairement séparables, hors le but est d’effectuer
une classification et donc d’être capable de prédire, avec une erreur minimale, l’appartenance
d’une nouvelle donnée à telle ou telle classe. Ainsi, l’objectif des SVM est de trouver
l’hyperplan maximisant la marge, séparant au mieux les classes et minimisant l’erreur. Comme
le montre la figure 2.5b, plusieurs hyperplans sont générés à partir de divers vecteurs supports,
et l’hyperplan fournissant la marge maximale est alors retenu. Ici, nous illustrons rapidement
les différents types de séparateurs fournis par les SVM, selon la répartition des données.

B. Séparateurs Linéaires - Cas Linéairement Séparable :

a. Principe de la marge des SVM b. Recherche d’un hyperplan maximisant la marge

Figure 2.5 Séparations de classes par les SVM dans le cas de données linéairement
séparables

Considérons un ensemble de N données de dimensions n (c’est à dire N vecteurs chacun de n

éléments) nommées ⃗𝑥⃗ 𝑖, où i ∈ [1; N]. Ces données sont réparties selon deux classes nommées 𝑦𝑖 telles
que yi ∈ {+1, −1} et sont représentés par le couple (𝑥𝑖, 𝑦𝑖). Soient le vecteur 𝑤
⃗⃗ représentant la normale
de l’hyperplan séparateur, tel que 𝑤 ⃗⃗ = (𝑤1, … , 𝑤𝑛), et 𝑏 la constante de biais (ordonnée à l’origine).
L’hyperplan H séparant ces données, et les hyperplans supports H1 et H2 vérifient l’équation suivante :

𝑓 (𝑥
⃗⃗ 𝑖) = 𝑦𝑖(𝑤
⃗⃗ . ⃗⃗⃗
𝑥𝑖 + 𝑏) ≥ 1

Cette équation signifie que tous les points d’une même classe sont du même côté de l’hyperplan,
le signe de f (xi) donnant la classe associée du vecteur xi. Ces hyperplans ont alors pour équation

𝐻1 ∶ ! ⃗⃗⃗⃗
𝑤. ⃗⃗𝑥𝑖 + 𝑏 = 1
{ 𝐻 ∶ !𝑤 ⃗⃗ . ⃗⃗𝑥𝑖 + 𝑏 = 0
𝐻2 ∶ ! 𝑤
⃗⃗ . ⃗⃗𝑥𝑖 + 𝑏 = −1:

37
 La distance entre un vecteur 𝑥 et l’hyperplan H, ainsi que la marge M, sont définis par :

𝑓 (𝑥 ) 2
𝑑(𝑥 , 𝐻) = 𝑀 =
‖𝑤
⃗⃗ ‖ ‖𝑤
⃗⃗ ‖

Déterminer l’hyperplan optimal équivaut à maximiser la marge M, ce qui revient donc à

minimiser jj!wjj. C’est un problème d’optimisation quadratique, appelé formulation primale,
qui peut être résolu grâce à la méthode de Lagrange. Cette méthode permet de sélectionner les
vecteurs supports, lesquels déterminent le vecteur de poids optimal 𝑤 ⃗⃗ o et le biais optimal
associé, bo. En minimisant la fonction de coût Φ, l’équation de l’hyperplan optimal Hopt est alors
défini par :

⃗⃗ ‖2
‖𝑤
𝛷 = 𝐻𝑜𝑝𝑡 ∶ 𝑤
⃗⃗⃗⃗𝑜. 𝑥 + 𝑏𝑜
2
C. Séparateurs Linéaires - Cas Non Linéairement Séparable :

Figure 2.6 – Séparation de classes par les SVM dans le cas de données non linéairement
séparables

Dans des cas où, tel qu’illustré par la figure 2.4b, les données ne sont pas linéairement
séparables dû à du bruit comme dans la plupart des problèmes réels, la notion de marge souple
est introduite. Ainsi, aux formules précédentes s’ajoute un ensemble de variables d’ajustement,
"i" (marge d’erreur), contrôlées par un paramètre de régularisation, "C", lequel étant une
constante pondérant cette erreur. La formulation de l’équation [ref] d’un hyperplan, et la
fonction "Φ" à minimiser pour trouver l’hyperplan optimal deviennent :

𝑙
⃗⃗⃗⃗⃗⃗⃗⃗
‖𝑤‖2
𝑀𝑖𝑛𝑖𝑚𝑖𝑠𝑒𝑟 𝛷 = + 𝐶 ∑ ∊𝑖
{ 2
𝑖
𝑇𝑒𝑙 𝑞𝑢𝑒 𝒇(𝒙𝒊) = 𝒚𝒊 (𝒘 ⃗ 𝒊 + 𝒃) ≥ 𝟏 − ∊𝒊
⃗⃗⃗ . 𝒙

Le paramètre i défini la localisation de la donnée "i" par rapport à la marge, tel que le montre
la figure 2.6. Une valeur à zéro établi que l’observation est du bon côté de la marge ou sur la

38
marge, une valeur supérieure à zéro indique que l’observation est du mauvais côté et une valeur
supérieure à un défini une donnée du mauvais côté de l’hyperplan. Le paramètre C contrôle le
compromis entre la largeur de marge et les erreurs de classification. Par conséquent, plus C sera
petit, moins les erreurs seront prises en compte et plus la marge sera large. Plus C sera grand,
plus les erreurs de classification seront considérées comme importante et plus la marge sera
restreinte.

D. Séparateurs Non Linéaires :

Dans la majorité des cas en application réelle, tel qu’illustré par la figure 2.4c, le problème de
répartition de données est plus complexe et la frontière ne peut être linéaire. Pour répondre à
une telle problématique, une fonction noyau non linéaire, "𝐾 (𝑥, 𝑦)", est introduite, permettant
de représenter les données dans un nouvel espace où il est possible de les séparer par un
hyperplan, tel que l’illustre la figure 2.7. Cette fonction noyau "K" est appliquée aux données
et est utilisée dans le problème d’optimisation quadratique pour déterminer les nouveaux
vecteurs supports. La fonction noyau 𝐾 (𝑥, 𝑦) peut prendre différentes formes, et le choix de
cette forme est généralement effectué de manière empirique selon l’application. Chacune de
ces formes introduit de nouveau paramètres, (γ, θ, q), qui sont eux aussi à optimiser lors de
l’apprentissage. Les trois principaux noyaux utilisés dans la littérature sont :

• Fonction de base radiale gaussienne (gaussian Radial Basis Function - RBF) :

2
𝐾(𝑥, 𝑦) = 𝑒 (𝛾‖𝑥−𝑦‖ )

• Noyau Polynomial (d’ordre "q") :

𝐾(𝑥, 𝑦) = [𝛾(𝑥. 𝑦) + 𝜃]𝑞

• Noyau Sigmoïde ou tangente hyperbolique :

𝐾(𝑥 , 𝑦) = 𝑡𝑎𝑛ℎ[𝛾(𝑥 , 𝑦) − 𝜃]

Figure 2.7 Noyau appliqué aux SVM dans le cas de données non linéairement séparables

39
 2.2. LE DEEP LEARNING

Comme précisé au début de ce chapitre, le Deep Learning, ou apprentissage profond,

(également connu sous le nom de deep structured learning, hierarchical learning ou deep
Machine Learning) est une branche du Machine Learning. Ce sous-ensemble du deep Machine
Learning repose sur le principe des réseaux de neurones artificiels (Artificial Neural Network -
ANN), utilisés cependant à une échelle beaucoup plus importante, reposant sur le fait qu’une
augmentation du nombre de couches et de neurones d’un ANN augmente les performances de
classification. Théorisé à l’origine en 1986 [ref], le concept du Deep Learning n’est devenu
populaire que récemment, exigeant un très grand nombre de données annotées et une grande
puissance de calculs.

2.2.1 Artificial Neural Network - Ann :

Un réseau de neurones artificiels est un réseau composé de neurones artificiels interconnectés,

où chaque neurone représente une unité de traitement d’information, comme le montre la figure
2.8. Ces neurones traitent et propagent l’information aux autres d’une manière similaire aux
neurones du cerveau humain. Chacun reçoit un ensemble d’informations auxquelles il applique
une certaine opération avant de transmettre le résultat aux neurones suivant. Les neurones sont
rassemblés en couches formant des niveaux hiérarchiques. Les neurones recevant l’information
"brute" ou originale font partie de la couche appelée couche d’entrée et, de la même façon, les
neurones fournissant les données de sortie du réseau font partie de la couche appelée couche de
sortie. Tous les autres neurones, au travers desquels l’information se propage de l’entrée à la
sortie, font partie des couches cachées. Sur chaque lien entre les neurones, l’information
transmise est pondérée. Ainsi, un neurone reçoit un certain nombre de données de la couche
précédente et utilise une fonction de transfert, sommant ces données pondérées, avant de traiter
l’information. Le résultat est ensuite transmis à une fonction non linéaire, appelée "fonction
d’activation", laquelle utilise une constante de seuil (aussi appelée "biais") afin d’éviter de
transmettre une information nulle aux neurones de la couche suivante. Lors de l’apprentissage,
les poids sont ajustés en fonction des performances du réseau.

Figure 2.8 Principe d’un réseau de neurones artificiels

2.2.2 Réseaux de neurones profonds (Deep Neural Network - DNN) :

40
Les réseaux de neurones, comme présenté précédemment, comportent un nombre limité de
neurones et disposent par conséquent de capacités limitées face aux problèmes de la littérature
de plus en plus complexes. Afin de répondre à ces problèmes, les structures du Machine
Learning doivent évoluer afin de proposer des modèles d’apprentissage plus complexes,
capables de traiter des informations fournies par des milliers voir des millions de données. Une
solution consiste à concevoir des réseaux de neurones disposant d’un plus grand nombre de
couches cachées (ainsi qu’un plus grand nombre de neurones par couche), comme le montre la
figure 2.9, que l’on appelle alors des réseaux de neurones profond. Cette augmentation des
capacités et de la complexité du réseau augmente par conséquent la quantité de poids des
neurones et la quantité d’informations propagées, conduisant nécessairement à une
augmentation du nombre de calculs et donc des besoins en ressources informatiques.

Figure 2.9 Deep Learning Neural Network

Il existe de nombreux types de réseaux de neurones et réseaux profonds suivant leur

architecture. Les plus populaires dans la conception des réseaux de neurones profond étant :
• Perceptrons multicouches :

Ce sont les réseaux les plus basiques parmi les réseaux "feedforward". Ils utilisent généralement
des fonctions d’activations non linéaires. Ils peuvent être utilisés comme une partie d’un plus
grand réseau de neurones profond.
• Réseaux de neurones récurrents (Recurrent Neural Networks - RNN) :

Les RNN sont aussi catégorisés comme des réseaux "feedforward", cependant ils possèdent des
boucles de connexions récurrentes, propageant le résultat d’un neurone au précédent ou à lui-
même. Ainsi, le réseau conserve en "mémoire" tout ou partie des informations précédentes et
est donc capable de les utiliser afin d’affiner les résultats suivants. Ces réseaux sont surtout
utilisés à des fins prédictives comme reconnaissance de texte ou en traduction.
• Réseaux de neurones convolutifs (Convoluted Neural Network - CNN) :

Les CNN sont similaires aux réseaux de neurones profonds ordinaires mais leur architecture est
spécifique au traitement d’images. En effet, l’information de l’image est traitée en différents

41
points par une convolution avec plusieurs filtres pour chaque couche. La récente popularité du
Deep Learning est due à ces réseaux, permettant entre autres les dernières avancées en matière
de conduite autonome, d’analyse complexe d’images, etc.

2.2.3 Réseaux neuronaux de convolutions ´ (CNN)

Dédiés à l’analyse d’images, les réseaux neuronaux de convolutions (CNN) embarquent toute
la chaîne de traitements décrite par la figure 2.2. Contrairement au Machine Learning classique
et comme présenté par la figure 2.10, ces CNN peuvent être considérés comme une boite noire
utilisant un ensemble d’images d’apprentissage de même dimension pour ajuster les nombreux
paramètres du réseau et ainsi se spécialiser à une certaine tâche. Nous nous proposons ici de
présenter rapidement les éléments constituant un CNN.
Image normalisée

caractéristiques
Vecteurs
-Classe

Extraction des
Images Prétraitement Classification Prédiction classifieur
caractéristiques

-Classe

Images CNN Prédiction CNN

Figure 2.10 – Différence entre CNN et Machine Learning Traditionnel pour l’analyse
d’images

La figure 2.11 présente une schématisation de l’interaction entre les diverses couches
du réseau avec une image d’entrée en couleur sur trois canaux. Un CNN est divisé en plusieurs
couches, chacune composée d’autres couches représentant des tâches fondamentales du réseau.
La partie réalisant l’extraction des caractéristiques d’une image est composées de couches
appelées "couches cachées", et la partie classification est appelée couche de classification ou
couche dense. Une couche cachée comporte une ou plusieurs couches de convolutions,
associées à une fonction d’activation, et une couche de sous échantillonnage ("pooling"). La
fonction d’activation non linéaire, de la même manière que pour les simples ANN, permet de
rectifier les valeurs des données par une normalisation. De nombreuses fonctions existent, les
plus utilisées dans la littérature étant la fonction ReLU (Rectified Linear Unit), la fonction
Sigmoïde ou la fonction tangente hyperbolique. La couche de sous échantillonnage, comme son
nom l’indique, permet de réduire la quantité de données en sortie de la couche de convolution.
Différents types sous échantillonnage existent, tels que le moyennage local ou le maximum
local. La couche de classification se divise en deux couches. Une première, la couche de
vectorisation combine les caractéristiques locales détectées par les couches précédentes,
s’affranchissant alors de leur structure spatiale. Une seconde couche, la couche entièrement
connectée, permet une classification des caractéristiques générées par le réseau, qui ont alors
été transformées en un vecteur de données. Une dernière fonction d’activation, souvent de type
"SoftMax", permet de normaliser les scores associés à chaque classe.

42
 Figure 2.11Fonctionnement des couches d’un réseau CNN

Chaque couche cachée "i" est constituée de Ki filtres de convolutions (dont les noyaux sont de
même taille pour une couche), produisant alors Ki nouvelles images (appelées "feature maps")
de dimension WCi:HCi inférieure à la dimension de l’image d’entrée Wi-1:Hi-1. Une fonction
d’activation s’applique ensuite à ces "feature maps", qui sont par la suite sous échantillonnées,
produisant Ki images sous échantillonnées, de dimensions WPi:HPi. Un certain nombre de
couches cachées s’enchainent jusqu’à la couche de classification. Les informations extraites
avant classification, d’abord abstraites (contours), forment des caractéristiques haut niveau
(représentant mieux l’image) au fur et à mesure de la progression de l’information au travers
des couches. Un réseau comporte différents paramètres définissant son architecture et leur
nombre détermine la taille de stockage du réseau. Ces paramètres représentent les poids des
noyaux de chaque convolution et de la couche de classification, ainsi que les biais associés.
Lors de l’apprentissage, il est possible de modifier des hyperparamètres, déterminant quant à
eux le comportement du réseau sans modifier son architecture (tels que des critères d’arrêts ou
la précision de l’ajustement des paramètres). Pour une meilleure compréhension des
interactions entre les couches, C. Olah [ref] propose une visualisation poussée de la progression
(ou propagation) d’une image au travers du réseau GoogLeNet. Lors de l’apprentissage, les
paramètres du réseau sont initialisés aléatoirement et les images d’apprentissage sont propagées
dans le réseau. Avec les étiquettes de données associées, les performances de classification sont
évaluées par le calcul d’une fonction de perte (ou fonction de coût). Cette fonction mesure
l’erreur de classification et donc l’écart entre la probabilité de la prédiction et la vérité de terrain.
Les poids et les biais du réseau sont ensuite ajustés par un algorithme d’optimisation itératif,
appelé descente de gradient, de telle sorte qu’une nouvelle évaluation produise un déplacement
de l’erreur vers un minimum local ou global du gradient de cette fonction de coût (figure 2.12a).
Le pas de ce déplacement à chaque itération est appelé "learning rate". Ce pas est un
hyperparamètre pouvant être réglé afin d’influencer la convergence de l’apprentissage. Tel que
le décrit la figure 2.12b, un grand pas permet de couvrir une plus grande région du gradient
mais des pentes vers un minimum, pouvant être très brèves, peuvent être manquées. Un petit
learning rate est plus précis et permet de capter plus facilement les variations de pente, mais
induit un coût important en temps de calcul, fortement lié à la quantité de paramètres à ajuster.
Un compromis est donc indispensable.

43
 b. Effet du Learning Rate
a. Illustration 3D de la descente de
•
gradient

Figure 2.12 – Optimisation par descente de gradient

Il existe plusieurs types de descente de gradient, se différenciant principalement dans la quantité

de données qu’ils utilisent (appelée "batch"). Les trois principaux étant les suivants :
• Le batch gradient descent : l’erreur est calculée pour chaque images de l’ensemble
d’apprentissage (m images) et le réseau n’est optimisé qu’après (batch=m).
• La descente de gradient stochastique : Les paramètres sont ajustés pour chaque image
d’apprentissage (batch=1),
• Le mini batch gradient descent : les données d’apprentissage sont divisées en groupes de n
images, et l’optimisation intervient après le calcul de l’erreur de ces images (batch = n). La taille
du mini batch pour le mini batch gradient descent peut être ajustée en tant que paramètre
d’apprentissage du réseau, au même titre que le Learning Rate. La quantité de fois où la totalité
des images d’apprentissage sont présentées au réseau correspond au nombre d’étapes
d’apprentissage (ou "d’epoch"), et le nombre d’itérations correspond au nombre de batch
nécessaires pour compléter une epoch.

2.2.4 Transfert Learning

En général, peu de personnes entraînent un CNN entièrement (apprentissage à partir d’un réseau
vierge, c’est à dire un réseau dont les poids n’ont pas été définis) du fait de la difficulté d’obtenir
le grand nombre d’images annotées nécessaire à ce type de réseaux. Il est plus commun de
trouver une exploitation des CNN à partir du Transfer Learning. Le Transfer Learning est une
technique d’apprentissage, surtout utilisée en Deep Learning, permettant d’entraîner un réseau
à une certaine tâche à partir d’un modèle déjà entraîné sur une tâche similaire (e.g réseau
original, m classes : classification D’ANIMAUX ; nouveau réseau n classes : classification de
races de chats ; avec n pouvant être différent de m). Les connaissances de ce réseau pré-entraîné
sont transférées au nouveau problème afin d’assister l’apprentissage à partir de nouvelles
images, et certaines étapes du réseau sont alors affinées ("Fine-Tuning"). Cette forme
d’apprentissage présente l’avantage de nécessiter moins de données (milliers au lieu de

44
millions) et permet un apprentissage beaucoup plus rapide, passant de centaines ou milliers
d’heures de calculs à quelques heures voire quelques minutes. Comme l’apprentissage d’un
CNN peut prendre plusieurs semaines, même avec la puissance de calcul de plusieurs GPU
(Graphics Processing Unit), il est courant que les grandes structures de recherche rendent
disponibles certains de leurs réseaux sur le net. Ces réseaux sont majoritairement entraînés sur
les images du challenge ImageNet avec 1000 classes en reconnaissance d’objets. Un CNN pré-
entraîné peut être exploité de différentes façons par le Transfer Learning en fonction de la taille
du nouveau jeu de données d’entrée et de la similarité des nouvelles images avec celles utilisées
lors de l’apprentissage original. Les trois principales formes d’apprentissage par transfert de
connaissances sont les suivantes :

• Fine-tuning total : Dans ce cas de figure, la dernière couche entièrement connectée

(couche de classification) est remplacée par un classifieur adapté au nouveau problème.
Toutes les couches du réseau sont ensuite réentraînées sur les nouvelles images. Cette
stratégie est utilisée lorsque la nouvelle collection d’images est grande. Comme les poids
sont initialisés avec les valeurs du réseau pré-entrainé puis affinés, ce nouvel apprentissage est
plus rapide.

• Fine-tuning partiel : De la même manière que précédemment, la dernière couche entièrement

connectée est remplacée par un nouveau classifieur mais seules certaines couches de l’extraction
de caractéristiques sont réentraînées, les poids des premières couches étant maintenues à leurs
valeurs. Les premières couches d’un réseau étant en effet capables d’extraire des
caractéristiques abstraites, ou génériques (contours, couleurs, etc.) de l’ancien jeu d’images
d’apprentissage, et les dernières couches produisant progressivement des caractéristiques plus
spécifiques aux classes des données originales, ce sont les poids de ces dernières qui sont
ajustés. Cette stratégie est utilisée lorsque la nouvelle collection d’images est plus petite et
différente.

• Extraction de caractéristiques : Le dernier cas de figure consiste à se servir des couches

extrayant les caractéristiques du réseau pré-entraîné afin de représenter les nouvelles images
d’un nouveau problème. Ainsi, la dernière couche entièrement connectée est réinitialisée ou
retirée pour être remplacée par un nouveau classifieur, et les paramètres des autres couches sont
fixés. Le nouveau classifieur va alors être entraîné à partir des vecteurs de caractéristiques
extraites par les autres couches du réseau pré-entraîné. Cette stratégie est utilisée lorsque la
nouvelle collection d’images est petite et présente des similitudes aux images originales

45
 2.3. OUTILS DE MODELISATION

2.3.1 Intérêt du projet

Comme décrit dans la session 1.2.4 du chapitre premier, l’objectif est de faire la détection
d’intrusion dans les systèmes. Pour ce faire, nous allons mettre sur pied un système biométrique
multimodale (reconnaissance faciale et empreinte digital) qui nous permettra de faire la
détection d’intrusion. Ce même système devra au préalable analyser des données (acquisition,
calcul, comparaison…) et ressortir des résultats en fonctions de celle-ci. Son outil de
modélisation se fera avec l’analyse fonctionnelle technique. Un second système fera l’objet de
notre étude et sera considéré comme barrière contre les intrusions. Ce dernier permettra de
détecter de façon automatiques tous les intrus d’un système et stoker leur identifiant dans une
base de donner pouvant être utiliser a des fins de sécurité. Nous allons modéliser se système
avec un diagramme de classe, un diagramme de cas d’utilisation et un diagramme de séquence.

2.3.2 Analyse fonctionnelle technique (système 1)

[Link] Diagramme FAST
Le diagramme FAST (Function Analysis System Technique) est un diagramme d'analyse
fonctionnelle des systèmes techniques. Il a pour méthode d'ordonner les fonctions et les
composer logiquement pour aboutir aux solutions techniques de réalisation, appelées aussi
solutions constructives parce qu'elles aboutissent à la construction du système. En partant d'une
fonction principale ou de contrainte, le diagramme FAST présente les fonctions techniques
associées dans une organisation logique répondant aux 3 questions suivantes :
Pourquoi cette fonction doit-elle être assurée ?
Comment cette fonction doit-elle être assurée ?
Quand cette fonction doit-elle être assurée ?
Ainsi on présente de diagramme FAST de notre système comme suite :
Transmettre le flux
Camera
vidéo

Acquérir

Lecteur d'empreinte
Transmettre l'empreinte
digital

Identifier les paramètres du

visage et de l'empreinte Afficher Ecran
digital

Traiter Processeur

Fonctions principales Fonctions Techniques Solutions technologiques

46
 Figure 2.13 diagramme FAST

[Link] Diagramme SADT

Dans l'analyse fonctionnelle interne, on décrit le point de vue du concepteur en charge de fournir
le produit devant répondre au besoin de l'utilisateur. Lors de cette phase de conception, les
fonctions vont être obtenues à l'aide de fonctions techniques. Pour ce faire, on utilise une
analyse descendante ; Il s'agit d'une démarche qui utilise des outils graphiques. Elle part de la
fonction globale et décortique un système pour en sortir les différentes fonctions élémentaires.
Elle part donc du général pour aboutir au particulie , et comme seconde technique utilisee nous
avons le diagramme ascendant SADT (Structured Analysis and Design technic) qui est la
technique de modélisation avec analyse structurée. Elle prend les principes diagramme FAST,
mais utilise des règles précises ce qui la rend plus complexe. Le diagramme est alors un
ensemble d'actigrammes ou diagrammes d'activité. Nous présentons celui de notre système
comme suite : Click Bouton
Login Position doigt
Energie

Personne
Identifier les paramètres du
identifier
Personne visage et de l’empreinte digital
non
identifier
A-0

Ordinateur

Figure 2.14 Actigramme A-0 SADT

A-0 présente ici les fonctions principales du premier système développé. Il s’agira d’un système
qui peut être adaptée dans une entreprise pour identification du personnel. A l’entrée nous avons
une personne non identifier et la sortie le système nous dira si la personne est au préalable
reconnu ou pas. Tout cela sera implémenter sous forme d’un programme traiter dans le
processeur d’un ordinateur. Avec des entrées secondaires comme l’Energie électrique, qui
permet d’alimenter tous les éléments matériels tel que la caméra (acquisition d’image A1), le
lecteur d’empreinte digitale (capture et identification de l’empreinte digital A2) et enfin le
processeur (A3) de l’ordinateur
Energie
qui va traiter les informations et donner les informations
concernant l’identification.
Position doigt Click Bouton Login

Flux vidéo
Faire
l'acquisition
d'images A1

Camera id empreinte
Capturer l'image
de l'empreinte
du doigt A2
Informations
FingerPrint Traiter les
Perte d’Energie
Personne non
informations
identifier
A3

processeur
Personne identifier 47
A0
 Figure 2.15 ACtigramme A0 SADT

L’organigramme du programme fonctionnant dans le processeur (l’actigramme A3) est décrit

tel que suit :

Start

create_main_frame()

add_button()

Add_buttom()

login_btn.is_push? NO

Check_fp_id()

return fp
YES

Capture_img()

return fcr

fp ==ok?

access_not_auth NO &

frc==ok ?

YES

acces_ok

End

Figure 2.16 Organigramme système 1

48
Et de façon graphique on obtient :

Welcom
<username>

Accept

Finger_Id

Webcam yes
unknow
user,Please
Login user indb? registerer new
no Accept

Mcu

(ESP_32)

FingerPrint

Finger_Id

Picture DataBase

Accept {
User
Try again .name,

.picture
name,Date_time
Admin

[Link]

Figure 2.17 Schéma fonctionnel système 1

2.3.3 Diagramme de classe

2.3.4 Diagramme de cas d’utilisation
2.3.5 Diagramme de sequence

49
Nous util

#Face_recongnition algorithm

importnumpy

importcv2

importfaceRecognition

person in
Picture webcam db? yes

Unknow
no

Figure 2.18 Schéma fonctionnel système 2

2.4. Outils de développements

2.3.6 Matlab
Matlab est une plateforme de calcul numérique et de programmation utilisée par les ingénieurs
et scientifiques pour l’analyse des données, développement d’algorithmes et la création des
modèles, le cloud computing, les calculs parallèles... Il associe un environnement de bureau,
conçu pour l'analyse par itération et les processus de conception avec un langage de
programmation permettant d'exprimer directement les mathématiques sous forme de tableaux
et de matrices. Matlab possède des toolbox qui sont des boîtes à outils constituées d’ensemble
de fonctions construites sur son environnement informatique technique. Elle permet de
développer des fonctions dans des domaines techniques particulier comme la mécanique, la
robotique, l’intelligence artificielle, les télécommunications ou encore le traitement de signal…
Dans notre cas nous utiliserons la boite à outils Deep Learning Toolbox, qui permet d’écrire

50
des algorithmes et utiliser des fonctionnalités de Deep Learning. Elle va donc nous permettre
de d’entrainer nos modèles d’intelligence artificielle pour la reconnaissance faciale.

Figure 2.19 Matlab

[Link] GoogleNet[43]
Il s’agit d’un package de support Deep Learning Toolbox de Matlab. GoogLeNet est un réseau
neuronal convolutif de 22 couches, pouvant charger une version pré-entraînée du réseau formé
sur les ensembles de données ImageNet [44] ou Places365[45]. Le réseau formé sur ImageNet
classe les images en 1000 catégories d'objets, telles que le clavier, la souris, le crayon et de
nombreux animaux. Le réseau formé sur Places365 est similaire au réseau formé sur ImageNet,
mais classe les images en 365 catégories de lieux différentes, telles que terrain, parc, piste et
hall. Ces réseaux ont appris différentes représentations de caractéristiques pour une large
gamme d'images. Les réseaux pré-entraînés ont tous deux une taille d'entrée d'image de 224 par
224.

Figure 2.20 Exemple d’architecture GoogleNet[46]

[Link] Python
Python est un langage de programmation interprété, multi-paradigme et multiplateformes. Il
favorise la programmation impérative structurée, fonctionnelle et orientée objet. Il est doté
d'un typage dynamique fort, d'une gestion automatique de la mémoire par ramasse-miettes
et d'un système de gestion d'exceptions ; il est ainsi similaire à Perl, Ruby, Scheme, Smalltalk
et Tcl.
Le langage Python est placé sous une licence libre proche de la licence BSD et fonctionne
sur la plupart des plates-formes informatiques, des smartphones aux ordinateurs centraux,
de Windows à Unix avec notamment GNU/Linux en passant par macOS, ou encore Android,
iOS, et peut aussi être traduit en Java ou .NET. Il est conçu pour optimiser la productivité
des programmeurs en offrant des outils de haut niveau et une syntaxe simple à utiliser.
Il est également apprécié par certains pédagogues qui y trouvent un langage où la syntaxe,

51
clairement séparée des mécanismes de bas niveau, permet une initiation aisée aux concepts
de base de la programmation

Figure 2.21 python

[Link] Face recognition

Permet de reconnaître et manipuler les visages depuis Python ou depuis la ligne de commande.
Construit à l'aide de la reconnaissance faciale de pointe de dlib a base d’un apprentissage en
profondeur. Le modèle a une précision de 99,38% sur la Labellisé Faces in the Wild de
benchmark. Cela fournit également un outil de ligne de commande simple face_recognition
qui permet de faire la reconnaissance faciale sur un dossier d'images depuis la ligne de
commande !
[Link] OpenCV

OpenCV (Open Source Computer Vision Library [47]) est une bibliothèque open source sous
licence BSD qui comprend plusieurs centaines d'algorithmes de vision par ordinateur. Le
document décrit la soi-disant API OpenCV 2.x, qui est essentiellement une API C++, par
opposition à l'API OpenCV 1.x basée sur C (l'API C est obsolète et non testée avec le
compilateur "C" depuis les versions OpenCV 2.4)

OpenCV a une structure modulaire, ce qui signifie que le package comprend plusieurs
bibliothèques partagées ou statiques. Les modules suivants sont disponibles : traitement
d’image, analyse vidéo, interface graphique haut niveau, E/S vidéo, traitement d’image,
étalonnage d’images et construction 3D, détection d’objets…

Figure 2.22 OpenCV

[Link] Tkinter

Tk/Tcl fait partie intégrante de Python. Il fournit une boîte à outils de fenêtrage robuste et
indépendante de la plate-forme, qui est disponible pour les programmeurs Python utilisant
le tkinter package et son extension, les modules [Link] et les [Link].
52
Le tkinter package est une fine couche orientée objet au-dessus de Tcl/Tk. Pour utiliser tkinter,
on n’a pas besoin d'écrire du code Tcl, mais nous devons consulter la documentation Tk, et
occasionnellement la documentation Tcl. tkinter est un ensemble de wrappers qui implémentent
les widgets Tk en tant que classes Python. tkinter a pour principales vertus le fait qu'il soit rapide
et qu'il est généralement fourni avec Python. Bien que sa documentation standard soit faible,
de bons outils sont disponibles tel que : des références, des tutoriels, un livre et autres. tkinter
est également célèbre pour son apparence et sa convivialité obsolètes, qui ont été
considérablement améliorées dans Tk 8.5.

[Link] Edraw
Edraw Max est un logiciel de création de diagrammes techniques 2D qui aide à créer des
organigrammes, des cartes mentales , des diagrammes de réseau, des plans d'étage , des
diagrammes de flux de travail , des graphiques commerciaux et des diagrammes
d'ingénierie. La version actuelle, Edraw Max 11.5.0 est sortie en novembre 2021.

Figure 2.23 Edraw-max

53
CHAPITRE 3 : RESULTATS ET DISCUSSION

54
 REFERENCES

[1] M. Choras, « Image Feature Extraction Methods for Ear Biometrics–A Survey », in 6th
International Conference on Computer Information Systems and Industrial Management
Applications (CISIM’07), juin 2007, p. 261‑265. doi: 10.1109/CISIM.2007.40.
[2] D. Chowdhury, R. Kumari, S. Bakshi, M. Sahoo, et A. Das, « Lip as Biometric and
Beyond: A Survey », Multimed. Tools Appl., vol. 81, janv. 2022, doi: 10.1007/s11042-021-
11613-5.
[3] S. Garg, A. Kumar, et M. Hanmandlu, « Biometric authentication using finger nail
surface », in 2012 12th International Conference on Intelligent Systems Design and
Applications (ISDA), nov. 2012, p. 497‑502. doi: 10.1109/ISDA.2012.6416588.
[4] S. Wu, W. Lin, et S. Xie, « Skin heat transfer model of facial thermograms and its
application in face recognition », Pattern Recognit., vol. 41, no 8, p. 2718, 2008.
[5] K. N. Plataniotis, D. Hatzinakos, et J. K. M. Lee, « ECG Biometric Recognition Without
Fiducial Detection », 2006 Biom. Symp. Spec. Sess. Res. Biom. Consort. Conf., p. 1‑6, sept.
2006, doi: 10.1109/BCC.2006.4341628.
[6] M. Sagayam, J. Edwin, S. Christopher, G. Reddy, R. Bestak, et L. Hun, « Survey on the
Classification of Intelligence-Based Biometric Techniques », in Lecture Notes in
Computational Vision and Biomechanics, 2018, p. 111‑132. doi: 10.1007/978-3-319-61316-
1_6.
[7] A. K. Jain, A. Ross, et S. Prabhakar, « An introduction to biometric recognition », IEEE
Trans. Circuits Syst. Video Technol., vol. 14, no 1, p. 4‑20, janv. 2004, doi:
10.1109/TCSVT.2003.818349.
[8] N. Morizet, « Reconnaissance Biométrique par Fusion Multimodale du Visage et de
l’Iris ».
[9] I. Kakadiaris et H. Roy, « Unconstrained Face Recognition ».
[10] « University of York ». [Link] (consulté le 16 février 2023).
[11] « Visa: Most People Back Biometric Payments | Silicon UK Tech News ».
[Link]
(consulté le 16 février 2023).
[12] « Injecting in the Hands | Black Poppy’s Junk Mail ».
[Link] (consulté le 18
février 2023).
[13] J. Trader, « Iris Recognition vs. Retina Scanning - What are the Differences? », M2SYS
Blog On Biometric Technology, 11 juin 2012. [Link]
resources/iris-recognition-vs-retina-scanning-what-are-the-differences/ (consulté le 18 février
2023).
[14] M. Abbasi, « Improving identification performance in iris recognition systems through
combined feature extraction based on binary genetics », SN Appl. Sci., vol. 1, no 7, p. 730, juin
2019, doi: 10.1007/s42452-019-0777-9.
[15] « (PDF) Biométrie de l’oreille : une enquête sur les méthodes de détection, d’extraction
de caractéristiques et de reconnaissance ».
[Link]
_feature_extraction_and_recognition_methods (consulté le 18 février 2023).
[16] « What is a DNA fingerprint? », @yourgenome · Science website.
[Link] (consulté le 18 février 2023).
[17] M. Pelc, Y. Khoma, et V. Khoma, « ECG Signal as Robust and Reliable Biometric

55
Marker: Datasets and Algorithms Comparison », Sensors, vol. 19, no 10, Art. no 10, janv. 2019,
doi: 10.3390/s19102350.
[18] « Behavioral Modalities ».
[Link] (consulté le 18 février 2023).
[19] « (PDF) Reconnaissance biométrique : problèmes de sécurité et de confidentialité ».
[Link]
vacy_Concerns (consulté le 16 février 2023).
[20] « Survey of biometric recognition systems and their applications | Request PDF ».
[Link]
ms_and_their_applications (consulté le 16 février 2023).
[21] R. Bhatia, « Biometrics and Face Recognition Techniques », 2013. Consulté le: 18
février 2023. [En ligne]. Disponible sur: [Link]
and-Face-Recognition-Techniques-Bhatia/22f86495990b322092ace6c18c7b61dff47bcbfe
[22] Y. Liu, A. Jourabloo, et X. Liu, « Learning Deep Models for Face Anti-Spoofing:
Binary or Auxiliary Supervision ». arXiv, 29 mars 2018. doi: 10.48550/arXiv.1803.11097.
[23] S. Bobbia, R. Macwan, Y. Benezeth, A. Mansouri, et J. Dubois, « Unsupervised skin
tissue segmentation for remote photoplethysmography », Pattern Recognit. Lett., vol. 124, p.
82‑90, juin 2019, doi: 10.1016/[Link].2017.10.017.
[24] « I Feel Like I’m Taking Selfies All Day! | Proceedings of the 33rd Annual ACM
Conference on Human Factors in Computing Systems ».
[Link] (consulté le 16 février 2023).
[25] « “Authentification des utilisateurs sur les téléphones mobiles - Une enquête sur les
attitudes a” par Nathan Clarke et Steven Furnell ». [Link]
(consulté le 16 février 2023).
[26] « (PDF) Surveying the Development of Biometric User Authentication on Mobile
Phones », ResearchGate, doi: 10.1109/COMST.2014.2386915.
[27] R. BHAGAVATULA, B. UR, K. IACOVINO, S. M. KYWE, L. F. CRANOR, et M.
SAVVIDES, « Biometric authentication on iPhone and Android: Usability, perceptions, and
influences on adoption », USEC ’15 Workshop Usable Secur. 8 Febr. 2015 San Diego CA
Proc., p. 1‑10, févr. 2015, doi: 10.14722/usec.2015.23003.
[28] « Mobile Device Usage Characteristics | Proceedings of the 12th International
Conference on Advances in Mobile Computing and Multimedia », ACM Other conferences.
[Link] (consulté le 16 février 2023).
[29] « [SUPREMA-AHL-FS2-EN-REV10] ».
[30] « Fingerprint Access Control and Time & Attendance Terminal - BioStation 2 |
Suprema ». [Link]
[Link] (consulté le 16 février 2023).
[31] « 08-Morpho-3D-Face-Reader-by-IDEMIA_EN.pdf ». Consulté le: 16 février 2023.
[En ligne]. Disponible sur: [Link]
Morpho-3D-Face-Reader-by-IDEMIA_EN.pdf
[32] « [Link] ». Consulté le: 16 février 2023. [En ligne]. Disponible sur:
[Link]
[33] A. Lumini et L. Nanni, « Overview of the combination of biometric matchers », Inf.
Fusion, vol. 33, mai 2016, doi: 10.1016/[Link].2016.05.003.
[34] « (PDF) A Survey on Different Levels of Fusion in Multimodal Biometrics ».
[Link]
sion_in_Multimodal_Biometrics (consulté le 16 février 2023).
[35] A. Ross et A. Jain, « Information fusion in biometrics », Pattern Recognit. Lett., vol.
24, no 13, p. 2115‑2125, sept. 2003, doi: 10.1016/S0167-8655(03)00079-5.
[36] « Identification de personnes par fusion de différentes modalités biométriques ».

56
[Link]
&citation_for_view=P3S3QwUAAAAJ:Tyk-4Ss8FVUC (consulté le 16 février 2023).
[37] « [PDF] MULTIMODAL BIOMETRIC SYSTEMS OVERVIEW | Semantic Scholar ».
[Link]
OVERVIEW-Lupu-Pop/96aeda9f968d3f666cc5c3ea673e5d5797e12d37 (consulté le 16
février 2023).
[38] « (PDF) Un comparateur d’empreintes digitales hybride ».
[Link]
(consulté le 16 février 2023).
[39] « Methods of combining multiple classifiers and their applications to handwriting
recognition ». [Link] (consulté le 16 février 2023).
[40] « Multimodal Biometrics using Feature Fusion | Journal of Computer Science | Science
Publications ». [Link] (consulté le 18 février 2023).
[41] « Fusion of Iris & Fingerprint Biometric for Security Purpose | Semantic Scholar ».
[Link]
Security-Lahane-Ganorkar/525fa1c0102ee9ddeb3bcb2d3e25a2c4b31a48ca (consulté le 18
février 2023).
[42] « (PDF) Multimodal Biometric System Fusion Using Fingerprint and Face with Fuzzy
Logic ».
[Link]
_Using_Fingerprint_and_Face_with_Fuzzy_Logic (consulté le 18 février 2023).
[43] « ImageNet ». [Link] (consulté le 13 avril 2023).
[44] B. Zhou, A. Khosla, A. Lapedriza, A. Torralba, et A. Oliva, « Places: An Image
Database for Deep Scene Understanding ». arXiv, 6 octobre 2016. doi:
10.48550/arXiv.1610.02055.

57