FR2996331A1 - Procede de detection de la realite de reseaux veineux a des fins d'identification d'individus - Google Patents

Procede de detection de la realite de reseaux veineux a des fins d'identification d'individus Download PDF

Info

Publication number
FR2996331A1
FR2996331A1 FR1259239A FR1259239A FR2996331A1 FR 2996331 A1 FR2996331 A1 FR 2996331A1 FR 1259239 A FR1259239 A FR 1259239A FR 1259239 A FR1259239 A FR 1259239A FR 2996331 A1 FR2996331 A1 FR 2996331A1
Authority
FR
France
Prior art keywords
image
human body
venous network
pixels
directional
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
FR1259239A
Other languages
English (en)
Other versions
FR2996331B1 (fr
Inventor
William Ketchantang
Sylvaine Picard
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Idemia Identity & Security France Fr
Original Assignee
Morpho SA
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Morpho SA filed Critical Morpho SA
Priority to FR1259239A priority Critical patent/FR2996331B1/fr
Priority to BR112015006933-9A priority patent/BR112015006933B1/pt
Priority to PCT/EP2013/070272 priority patent/WO2014049149A1/fr
Priority to US14/431,547 priority patent/US9460335B2/en
Priority to EP13766573.3A priority patent/EP2901366A1/fr
Priority to JP2015533615A priority patent/JP6181763B2/ja
Publication of FR2996331A1 publication Critical patent/FR2996331A1/fr
Application granted granted Critical
Publication of FR2996331B1 publication Critical patent/FR2996331B1/fr
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1382—Detecting the live character of the finger, i.e. distinguishing from a fake or cadaver finger
    • G06V40/1388—Detecting the live character of the finger, i.e. distinguishing from a fake or cadaver finger using image processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
    • G06K7/12—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using a selected wavelength, e.g. to sense red marks and ignore blue marks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/20—Cameras or camera modules comprising electronic image sensors; Control thereof for generating image signals from infrared radiation only
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/30—Transforming light or analogous information into electric information
    • H04N5/33—Transforming infrared radiation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/14—Vascular patterns

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • Electromagnetism (AREA)
  • General Health & Medical Sciences (AREA)
  • Toxicology (AREA)
  • Artificial Intelligence (AREA)
  • Collating Specific Patterns (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

Procédé de détection d'un réseau veineux dans une partie de corps humain, comprenant les étapes de : - capturer une image infrarouge de ladite partie de corps humain pour faire ressortir un réseau veineux de ladite partie de corps humain, - effectuer une analyse de contraste de l'image infrarouge pour déterminer des caractéristiques de contraste de l'image infrarouge, - déterminer si la partie de corps humain est réelle à partir des caractéristiques de contraste déterminées dans l'image infrarouge et de caractéristiques de contraste déterminées à partir de parties de corps humain de référence.

Description

La présente invention concerne un procédé de détection d'un réseau veineux sur une partie du corps d'un individu aux fins d'identifier ledit individu. Les procédés automatiques de reconnaissance biométriques sont de plus en plus utilisés pour l'identification des individus par exemple dans le cadre du contrôle aux frontières, du contrôle d'accès à des zones sécurisées tels que les aires d'embarquement des aéroports ou autres, ou du contrôles d'accès à des données. Un procédé de reconnaissance biométrique comprend généralement les étapes suivantes : - capturer des caractéristiques biométriques sur la partie de corps d'un individu, - comparer les caractéristiques biométriques à des caractéristiques biométriques mémorisées, - déterminer à partir de la comparaison si l'individu est reconnu ou pas. Un procédé de reconnaissance biométrique est mis 20 en oeuvre au moyen d'un système automatisé de reconnaissance biométrique comportant des moyens de capture des caractéristiques biométriques, des moyens de stockage de des moyens 25 biométriques mémorisées. de capture capturées aux caractéristiques biométriques Les moyens de capture sont souvent des moyens d'image. Les moyens de stockage sont par caractéristiques biométriques mémorisées et de comparaison des caractéristiques exemple une mémoire (circuit intégré, code-barres ou autre) qui est incorporée à un passeport pour stocker des 30 caractéristiques biométriques du détenteur du passeport ou une mémoire d'une unité informatique contenant une base de données associant les caractéristiques biométriques d'individus à des données d'identification de ces individus. Les moyens de comparaison sont des unités informatiques incorporant des moyens de calcul pour exécuter des algorithmes de traitement et comparaison des caractéristiques biométriques. Les caractéristiques biométriques de la main et plus particulièrement des doigts des individus sont très souvent utilisées pour la mise en oeuvre de ces procédés. Il est ainsi connu d'effectuer une reconnaissance biométrique à partir des empreintes digitales ou des réseaux veineux des doigts. Dans ce dernier cas, les moyens de capture sont constitués d'un capteur d'image. Dans le cadre d'un procédé automatique de reconnaissance biométrique, il n'y a pas d'opérateur pour surveiller la capture de sorte qu'il est possible pour un fraudeur de tenter de tromper le système en présentant 15 aux moyens de capture une représentation de caractéristiques biométriques d'une personne enrôlée, c'est-à-dire d'une personne dûment caractéristiques biométriques ont permettre sa 20 représentation identifiée dont les été mémorisées pour le système. Cette doigt reconnaissance par peut prendre la forme d'un faux pourvu de caractéristiques biométriques ou une simple image d'un réseau veineux. Les systèmes automatisés de reconnaissance biométrique sont donc pourvus de moyens de détection de 25 fraude à cette fin. Ces moyens, généralement de type hardware, visent par exemple à détecter la fraude en : - détectant une variation du flux sanguin dans le réseau veineux en fonction d'une pression du doigt sur le capteur ; ou 30 - analysant par interférométrie une onde diffusée par le doigt ; ou bien encore - étudiant les différences d'absorption par le doigt de deux faisceaux lumineux de longueurs d'onde différentes. 35 Ces systèmes demandent une architecture technique adaptée qui les rend relativement coûteux. Un but de l'invention est de proposer un moyen simple permettant une détection de fraude. A cet effet, on prévoit, selon l'invention, un procédé de détection d'un réseau veineux dans une partie de corps humain vivant, comprenant les étapes suivantes : - capturer une image infrarouge de ladite partie de corps humain pour faire ressortir un réseau veineux de ladite partie de corps humain, - effectuer une analyse de contraste de l'image infrarouge pour déterminer des caractéristiques de contraste de l'image infrarouge, - déterminer si l'image infrarouge a été capturée sur une partie de corps humain réelle à partir des caractéristiques de contraste déterminées dans l'image infrarouge et de caractéristiques de contraste déterminées à partir de parties de corps humain de référence. Il apparaît en effet qu'il est très difficile de réaliser une représentation artificielle d'un réseau veineux dont une image infrarouge présenterait lors d'une analyse de contraste les mêmes caractéristiques qu'une image de réseau veineux capturée directement sur une partie de corps humain vivant. L'analyse de contraste de l'image infrarouge du réseau veineux permet ainsi une détection des fraudes. La détection de fraudes est en outre efficace avec des images infrarouges capturées dans une seule longueur d'onde ou plage de longueurs d'ondes. Selon un mode de mise en oeuvre particulier, le procédé comporte une phase de configuration et une phase de détection. La phase de configuration comprend les étapes de : - capturer des images infrarouges de parties de corps humain et de représentations de réseau veineux ; - isoler dans chaque image des blocs de pixels et effectuer une analyse de contraste pour déterminer pour chaque bloc un gradient directionnel pour au moins deux résolutions de l'image ; - déterminer des énergies moyennes des gradients directionnels ; - déterminer par apprentissage des seuils d'énergie moyenne pour discriminer une image de réseau veineux capturée directement sur une partie de corps humain d'une image de réseau veineux capturée sur une représentation d'un réseau veineux. La phase de détection comprend les étapes de : - capturer au moins une image infrarouge d'un réseau veineux ; isoler dans l'image des blocs de pixels et effectuer une analyse de contraste pour déterminer pour chaque bloc un gradient directionnel pour au moins deux résolutions de l'image ; - déterminer des énergies moyennes des gradients directionnels ; - comparer ces énergies moyennes aux seuils pour vérifier que l'image de réseau veineux a été capturée directement sur une partie de corps humain. Ce mode de mise en oeuvre est particulièrement efficace. D'autres caractéristiques et avantages de l'invention ressortiront à la lecture de la description qui suit d'un mode de mise en oeuvre particulier non limitatif de l'invention.
Il sera fait référence à la figure unique annexée représentant schématiquement un système pour la mise en oeuvre du procédé de l'invention. En référence aux figures, l'invention concerne un procédé de détection d'un réseau veineux dans une partie de corps humain, ici la main et plus particulièrement un doigt 1 de la main. Le procédé est mis en oeuvre au moyen d'un système automatisé comprenant un dispositif de détection 10, connu en lui-même, comportant un illuminateur infrarouge 11 et un capteur d'image infrarouge 12 qui sont disposés en regard d'une aire de positionnement du doigt 1 de l'utilisateur. L'aire de positionnement se trouve à la fois dans le faisceau de l'illuminateur infrarouge 11 et dans le champ du capteur d'image infrarouge 12. L'aire de positionnement peut être matérialisée par une vitre contre laquelle le doigt 1 peut être appliqué et derrière laquelle sont montés l'illuminateur infrarouge 11 et le capteur d'image infrarouge 12, ou l'aire de positionnement peut être matérialisée par des guides permettant à l'utilisateur de placer son doigt 1 dans le faisceau de l'illuminateur infrarouge 11 et dans le champ du capteur d'image infrarouge 12. La fréquence infrarouge est choisie car elle est fortement absorbée par l'hémoglobine et faiblement absorbée par les tissus environnant le réseau veineux dans une partie de corps humain : le réseau veineux ressort donc par rapport aux tissus qui l'entoure. L'illuminateur infrarouge 11 et le capteur d'image infrarouge 12 sont reliés à une unité informatique de traitement 20 connue en elle-même. L'unité informatique de traitement 20 comprend une mémoire 21 contenant une base de données de caractéristiques biométriques, un programme de gestion du fonctionnement du système, un programme de traitement des images capturées pour en extraire des caractéristiques biométriques et un programme de comparaison des caractéristiques biométriques extraites aux caractéristiques biométriques de la base de données. Dans le mode de mise en oeuvre ici décrit, ces différents programmes sont des portions d'un programme unique agencé pour mettre en oeuvre le procédé de l'invention. L'unité informatique de traitement 20 comprend également une unité de calcul 22 agencée pour exécuter le programme en question et commander l'ensemble du système.
L'unité informatique de traitement 20 comprend également une console d'entrée/sortie permettant à un opérateur d'intervenir sur le système. Le procédé de l'invention comprend les étapes de : - capturer une image infrarouge du doigt 1 placé par l'utilisateur dans l'aire de capture pour faire ressortir un réseau veineux dudit doigt, - effectuer une analyse de contraste de l'image infrarouge pour déterminer des caractéristiques de contraste de l'image infrarouge, - déterminer si l'image infrarouge a été capturée sur un doigt réel à partir des caractéristiques de contraste déterminées dans l'image infrarouge et de caractéristiques de contraste déterminées à partir de doigts de référence. Dans le mode de mise en oeuvre ici décrit, le procédé de l'invention comporte une phase de configuration et une phase de détection. La phase de configuration comprend les étapes de : - capturer des images infrarouges de parties de corps humain et de représentations de réseau veineux ; - isoler dans chaque image des blocs de pixels et effectuer une analyse de contraste pour déterminer pour chaque bloc un gradient directionnel pour au moins deux résolutions de l'image ; - déterminer des énergies moyennes des gradients directionnels ; - déterminer par apprentissage des seuils d'énergie moyenne pour discriminer une image de réseau veineux capturée directement sur une partie de corps humain d'une image de réseau veineux capturée sur une représentation d'un réseau veineux. Il est donc nécessaire dans cette phase de configuration de disposer de représentations de réseau veineux telles que celles qui pourraient être utilisées par un fraudeur. Ces représentations peuvent avoir la forme d'images planes, d'images enroulées sur un support cylindrique, de reproductions artificielles d'un doigt humain_ La phase de détection comprend les étapes de : - capturer au moins une image infrarouge d'un réseau veineux ; isoler dans l'image des blocs de pixels et effectuer une analyse de contraste pour déterminer pour chaque bloc un gradient directionnel pour au moins deux résolutions de l'image ; - déterminer des énergies moyennes des gradients directionnels ; - comparer ces énergies moyennes aux seuils pour vérifier que l'image de réseau veineux a été capturée directement sur une partie de corps humain. Dans les deux phases, la détermination des gradients directionnels comprend les étapes de : - isoler dans chaque image des blocs d'un premier nombre de pixels et effectuer une analyse de contraste dans chacun des blocs pour déterminer un gradient directionnel dans chaque bloc du premier nombre de pixels ; isoler dans chaque image des blocs d'un deuxième nombre de pixels supérieur au premier nombre de pixels ; - effectuer une analyse de contraste dans chacun des blocs pour déterminer un gradient directionnel dans chaque bloc du deuxième nombre de pixels.
On comprend que, dans la direction de la veine, le gradient est plus faible que dans une direction transversale à la direction de la veine. Il existe des veines de différentes épaisseurs et de contrastes variables par rapport aux tissus qui les entourent. L'analyse de contraste permet de conserver cette information. Dans une image infrarouge de réseau veineux capturée sur un doigt réel, le doigt n'est pas uniforme en ce sens que l'image comporte des zones plus sombres. Au centre du doigt, la jonction inter-phalanges diffusant plus dans l'infrarouge permet d'accentuer la luminosité, et donc d'accentuer le contraste entre ces zones et le reste du doigt. L'analyse de contraste permet d'obtenir des informations à la fois sur le motif du réseau veineux et sur la non-uniformité de l'image. La réalisation d'une analyse de contraste dans deux résolutions différentes permet d'augmenter le nombre d'informations obtenues à la fois sur le réseau veineux et sur la non-uniformité de la diffusion de la lumière dans le doigt réel. Plus ce nombre d'informations est élevé et plus sera fiable la discrimination entre l'image d'un réseau veineux réel et l'image d'une représentation d'un réseau veineux. Le deuxième nombre de pixels (celui des plus gros blocs) est de préférence égal au carré du premier nombre de pixels (celui des plus petits blocs). Le premier nombre de pixels est avantageusement égal à 9 (bien adapté pour la détection des veines de fort contraste) et le deuxième nombre de pixels est avantageusement égal à 81 (bien adapté pour la détection des veines larges et de faible contraste). De préférence, les blocs se superposent pour couvrir toutes les images. Ainsi, chaque bloc est décalé d'un pixel par rapport à ses voisins.
Les gradients directionnels sont déterminés selon au minimum quatre directions (0°, 900, 180°, 270°) par une des méthodes suivantes : - soustraction des niveaux de gris des pixels ; ou - filtrage de type SOBEL ; ou - filtrage de type CANNY DERICHE. La soustraction des niveaux de gris des pixels est le moyen le plus simple de déterminer un gradient directionnel.
La comparaison est de préférence réalisée en déterminant dans un premier temps des vecteurs à partir des énergies moyennes des gradients directionnels. Lors de la phase de configuration, on pourra utiliser par exemple une machine d'apprentissage de type SVM (Support Vector Machine) pour déterminer une surface de séparation des vecteurs d'énergie moyenne correspondant aux images de réseau veineux capturées directement sur des doigts humains et des vecteurs d'énergie moyenne des images de réseau veineux capturées sur des représentations de réseau veineux. La surface de séparation est représentative des valeurs de seuil permettant de discriminer des images de réseau veineux capturées directement sur des doigts humains et des images de réseau veineux capturées sur des représentations de réseau veineux. Lors de la phase de détection, les vecteurs d'énergie moyenne de l'image capturée sont projetés sur la surface de séparation de manière à déterminer en fonction d'un signe de la projection si l'image a été capturée directement sur un doigt humain ou sur une représentation de réseau veineux. Bien entendu, l'invention n'est pas limitée aux modes de réalisation décrits mais englobe toute variante entrant dans le champ de l'invention telle que définie par les revendications.
En particulier, la détermination des gradients directionnels peut être réalisée différemment de la manière décrite ci-dessus. Le nombre de pixels des blocs peut être différent et par exemple être pair (dans ce cas la détermination des gradients directionnels nécessitera de réaliser de manière connue en elle-même une interpolation). Les gradients directionnels peuvent n'être calculés que pour une seule résolution de l'image.

Claims (9)

  1. REVENDICATIONS1. Procédé de détection d'un réseau veineux dans une partie de corps humain, comprenant les étapes de : - capturer une image infrarouge de ladite partie de corps humain pour faire ressortir un réseau veineux de ladite partie de corps humain, - effectuer une analyse de contraste de l'image infrarouge pour déterminer des caractéristiques de contraste de l'image infrarouge, - déterminer si la partie de corps humain est réelle à partir des caractéristiques de contraste déterminées dans l'image infrarouge et de caractéristiques de contraste déterminées à partir de parties de corps humain de référence.
  2. 2. Procédé selon la revendication 1, comportant une phase de configuration et une phase de détection, la phase de configuration comprenant les étapes de : - capturer des images infrarouges de parties de corps humain et de représentations de réseau veineux ; - isoler dans chaque image des blocs de pixels et effectuer une analyse de contraste pour déterminer pour chaque bloc un gradient directionnel ; - déterminer des énergies moyennes des gradients directionnels ; - déterminer par apprentissage des seuils d'énergie moyenne pour discriminer une image de réseau veineux capturée directement sur une partie de corps humain d'une image de réseau veineux capturée sur une représentation d'un réseau veineux ; la phase de détection comprenant les étapes de : - capturer au moins une image infrarouge d'un réseau veineux ; - isoler dans l'image des blocs de pixels et effectuer une analyse de contraste pour déterminer pourchaque bloc un gradient directionnel ; - déterminer des énergies moyennes des gradients directionnels ; - comparer ces énergies moyennes aux seuils pour vérifier que l'image de réseau veineux a été capturée directement sur une partie de corps humain.
  3. 3. Procédé selon la revendication 2, dans lequel les gradients directionnels sont déterminés pour au moins deux résolutions de l'image.
  4. 4. Procédé selon la revendication 2, comprenant les étapes de : - isoler dans chaque image des blocs d'un premier nombre de pixels et effectuer une analyse de contraste dans chacun des blocs pour déterminer un gradient directionnel dans chaque bloc du premier nombre de pixels ; - isoler dans chaque image des blocs d'un deuxième nombre de pixels supérieur au premier nombre de pixels ; - effectuer une analyse de contraste dans chacun des blocs pour déterminer un gradient directionnel dans chaque bloc du deuxième nombre de pixels.
  5. 5. Procédé selon la revendication 4, dans lequel le deuxième nombre de pixels est égal au carré du premier nombre de pixels.
  6. 6. Procédé selon la revendication 5, dans lequel le premier nombre de pixels est égal à 9.
  7. 7. Procédé selon la revendication 2, dans lequel les blocs se superposent pour couvrir toutes les images.
  8. 8. Procédé selon la revendication 2, dans lequel : - des vecteurs sont déterminés à partir des énergies moyennes de gradients directionnels ; - lors de la phase de configuration, une machine d'apprentissage de type SVM est utilisée pour déterminerune surface de séparation des vecteurs d'énergie moyenne de gradients directionnels correspondant aux images de réseau veineux capturées directement sur une partie de corps humain et des vecteurs d'énergie moyenne de gradients directionnels des images de réseau veineux capturées sur des représentations de réseau veineux ; - lors de la phase de détection, les vecteurs d'énergie moyenne de l'image capturée sont projetés sur la surface de séparation de manière à déterminer en fonction d'un signe de la projection si l'image a été capturée directement sur une partie de corps humain ou sur une représentation de réseau veineux.
  9. 9. Procédé selon la revendication 2, dans lequel les gradients directionnels sont déterminés par : - soustraction des niveaux de gris des pixels ; ou - filtrage de type SOBEL ; ou - filtrage de type CANNY-DERICHE.
FR1259239A 2012-09-28 2012-09-28 Procede de detection de la realite de reseaux veineux a des fins d'identification d'individus Active FR2996331B1 (fr)

Priority Applications (6)

Application Number Priority Date Filing Date Title
FR1259239A FR2996331B1 (fr) 2012-09-28 2012-09-28 Procede de detection de la realite de reseaux veineux a des fins d'identification d'individus
BR112015006933-9A BR112015006933B1 (pt) 2012-09-28 2013-09-27 Método para detecção de uma rede venosa em uma porção de um corpo humano e método de reconhecimento biométrico
PCT/EP2013/070272 WO2014049149A1 (fr) 2012-09-28 2013-09-27 Procede de detection de la realite de reseaux veineux a des fins d'identification d'individus et procede de reconnaissance biometrique
US14/431,547 US9460335B2 (en) 2012-09-28 2013-09-27 Method for detecting the reality of venous networks for the purposes of identifying individuals, and biometric recognition method
EP13766573.3A EP2901366A1 (fr) 2012-09-28 2013-09-27 Procédé de détection de la réalité de réseaux veineux à des fins d'identification d'individus et procédé de reconnaissance biométrique
JP2015533615A JP6181763B2 (ja) 2012-09-28 2013-09-27 個人の識別を目的とする静脈網の真偽を検出するための方法、及び、バイオメトリック認証方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
FR1259239A FR2996331B1 (fr) 2012-09-28 2012-09-28 Procede de detection de la realite de reseaux veineux a des fins d'identification d'individus

Publications (2)

Publication Number Publication Date
FR2996331A1 true FR2996331A1 (fr) 2014-04-04
FR2996331B1 FR2996331B1 (fr) 2015-12-18

Family

ID=47878147

Family Applications (1)

Application Number Title Priority Date Filing Date
FR1259239A Active FR2996331B1 (fr) 2012-09-28 2012-09-28 Procede de detection de la realite de reseaux veineux a des fins d'identification d'individus

Country Status (6)

Country Link
US (1) US9460335B2 (fr)
EP (1) EP2901366A1 (fr)
JP (1) JP6181763B2 (fr)
BR (1) BR112015006933B1 (fr)
FR (1) FR2996331B1 (fr)
WO (1) WO2014049149A1 (fr)

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4468896B2 (ja) * 2004-01-13 2010-05-26 富士通株式会社 生体情報による認証装置
JP4487805B2 (ja) * 2004-11-16 2010-06-23 セイコーエプソン株式会社 画像評価方法、画像評価装置、及び印刷装置
JP2009511094A (ja) * 2005-09-01 2009-03-19 ルミダイム インコーポレイテッド バイオメトリックセンサ
JP4952026B2 (ja) * 2006-03-31 2012-06-13 株式会社日立製作所 生体情報認証装置および認証方法
KR101451376B1 (ko) * 2006-07-31 2014-10-16 루미다임 인크. 공간 스펙트럼 지문 스푸프 검출
EP2054852B1 (fr) * 2006-08-21 2010-06-23 STI Medical Systems, LLC Analyse assistée par ordinateur utilisant une vidéo issue d'endoscopes
FR2913788B1 (fr) * 2007-03-14 2009-07-03 Sagem Defense Securite Procede et installation d'identification d'un individu par capture optique d'une image d'une empreinte corporelle
JP4985773B2 (ja) * 2007-07-09 2012-07-25 富士通株式会社 利用者認証装置、利用者認証方法および利用者認証プログラム
WO2009012364A1 (fr) * 2007-07-19 2009-01-22 Nikon Corporation Dispositif et procédé permettant d'estimer si une image est floue
FR2927713B1 (fr) * 2008-02-14 2011-08-26 Sagem Securite Dispositif d'acquisition d'empreintes digitales a la volee.
JP2009211313A (ja) * 2008-03-03 2009-09-17 Fujitsu Ltd 画像処理装置、画像処理方法および画像処理プログラム
US8229178B2 (en) * 2008-08-19 2012-07-24 The Hong Kong Polytechnic University Method and apparatus for personal identification using palmprint and palm vein
JP5361530B2 (ja) * 2009-05-20 2013-12-04 キヤノン株式会社 画像認識装置、撮像装置及び画像認識方法
JP5451540B2 (ja) * 2009-10-16 2014-03-26 日立オムロンターミナルソリューションズ株式会社 生体認証装置および生体認証方法
US8509495B2 (en) * 2011-04-15 2013-08-13 Xerox Corporation Subcutaneous vein pattern detection via multi-spectral IR imaging in an identity verification system
EP2688050A1 (fr) * 2012-07-18 2014-01-22 Gemalto SA Méthode d'authentification d'un utilisateur de carte à puce sans contact

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
"Advanced Biometric Technologies", 9 August 2011, INTECH, ISBN: 978-9-53-307487-0, article GOH KAH ONG MICHAEL ET AL: "A Contactless Biometric System Using Palm Print and Palm Vein Features", XP055071308, DOI: 10.5772/19337 *
FAN K-C ET AL: "Biometric Verification Using Thermal Images of Palm-Dorsa Vein Patterns", IEEE TRANSACTIONS ON CIRCUITS AND SYSTEMS FOR VIDEO TECHNOLOGY, IEEE SERVICE CENTER, PISCATAWAY, NJ, US, vol. 14, no. 2, 1 February 2004 (2004-02-01), pages 199 - 213, XP011108230, ISSN: 1051-8215, DOI: 10.1109/TCSVT.2003.821975 *
LIN ET AL: "Palmprint verification using hierarchical decomposition", PATTERN RECOGNITION, ELSEVIER, GB, vol. 38, no. 12, 1 December 2005 (2005-12-01), pages 2639 - 2652, XP005081204, ISSN: 0031-3203, DOI: 10.1016/J.PATCOG.2005.04.001 *
MIN-KI KIM: "Palmprint Verification Using Multi-scale Gradient Orientation Maps", JOURNAL OF THE OPTICAL SOCIETY OF KOREA, vol. 15, no. 1, 25 March 2011 (2011-03-25), pages 15 - 21, XP055071309, ISSN: 1226-4776, DOI: 10.3807/JOSK.2011.15.1.015 *
MISTANI ET AL: "Multispectral Palmprint Recognition Using a Hybrid Feature", ARXIV, 27 December 2011 (2011-12-27), pages 1 - 7, XP055071332, Retrieved from the Internet <URL:http://arxiv.org/pdf/1112.5997v1.pdf> [retrieved on 20130715] *
XIANGQIAN WU ET AL: "Fuzzy directional element energy feature (FDEEF) based palmprint identification", PATTERN RECOGNITION, 2002. PROCEEDINGS. 16TH INTERNATIONAL CONFERENCE ON QUEBEC CITY, QUE., CANADA 11-15 AUG. 2002, LOS ALAMITOS, CA, USA,IEEE COMPUT. SOC, US, vol. 1, 11 August 2002 (2002-08-11), pages 95 - 98, XP010613283, ISBN: 978-0-7695-1695-0, DOI: 10.1109/ICPR.2002.1044621 *

Also Published As

Publication number Publication date
BR112015006933B1 (pt) 2021-11-30
US9460335B2 (en) 2016-10-04
FR2996331B1 (fr) 2015-12-18
JP2016500860A (ja) 2016-01-14
EP2901366A1 (fr) 2015-08-05
US20150261993A1 (en) 2015-09-17
BR112015006933A2 (pt) 2017-07-04
JP6181763B2 (ja) 2017-08-16
WO2014049149A1 (fr) 2014-04-03

Similar Documents

Publication Publication Date Title
EP2902943B1 (fr) Procédé de validation de l&#39;utilisation d&#39;un vrai doigt comme support d&#39;une empreinte digitale
EP3608834A1 (fr) Procede d&#39;analyse d&#39;une empreinte
EP2901370B1 (fr) Procédé de détection d&#39;un vrai visage
FR2901898A1 (fr) Procede d&#39;identification et dispositif d&#39;acquisition pour la mise en oeuvre dudit procede
EP1291809A1 (fr) Procédé de comparaison d&#39;empreintes digitales
CA3000153A1 (fr) Procede d&#39;analyse d&#39;un document structure susceptible d&#39;etre deforme
FR3053500A1 (fr) Procede de detection de fraude d&#39;un systeme de reconnaissance d&#39;iris
Zhang et al. Face spoofing video detection using spatio-temporal statistical binary pattern
Saied et al. A novel approach for improving dynamic biometric authentication and verification of human using eye blinking movement
Tan et al. Liveness detection using an intensity based approach in fingerprint scanner
EP3264329A1 (fr) Procede et dispositif de detection de fraude par examen a deux focales distinctes lors d&#39;une reconnaissance automatique d&#39;un visage
EP3888000A1 (fr) Dispositif et procede d&#39;authentification d&#39;un individu
WO2006070099A2 (fr) Procede d&#39;identification d&#39;un individu a partir de caracteristiques de l&#39;individu, avec detection de fraude.
FR2996331A1 (fr) Procede de detection de la realite de reseaux veineux a des fins d&#39;identification d&#39;individus
Alharbi et al. Spoofing Face Detection Using Novel Edge-Net Autoencoder for Security.
Sharifi Score-level-based face anti-spoofing system using handcrafted and deep learned characteristics
EP3567521B1 (fr) Procédé de reconnaissance biométrique à partir des iris
EP3320481B1 (fr) Procédé de vérification de la véracité d&#39;un doigt
Sharıfı Face anti-spoofing scheme using handcraft based and deep learning methods
FR3080938A1 (fr) Identification a haut debit de passagers dans la surveillance de portail
FR2582831A1 (fr) Procede d&#39;identification d&#39;une empreinte digitale, dispositif pour la mise en oeuvre de ce procede et utilisation de ce procede
Liu Multi-modality quality assessment for unconstrained biometric samples
KR20030050617A (ko) 에지/컬러정보를 이용한 얼굴 피부색 영역 추출시스템 및그 방법
EP1365350A1 (fr) Extraction de minuties d&#39;une image d&#39;empreinte digitale
WO2021209412A1 (fr) Procede de detection d&#39;attaque par presentation pour des empreintes digitales

Legal Events

Date Code Title Description
PLFP Fee payment

Year of fee payment: 4

PLFP Fee payment

Year of fee payment: 5

PLFP Fee payment

Year of fee payment: 6

PLFP Fee payment

Year of fee payment: 7

PLFP Fee payment

Year of fee payment: 8

PLFP Fee payment

Year of fee payment: 9

PLFP Fee payment

Year of fee payment: 10

PLFP Fee payment

Year of fee payment: 11

CA Change of address

Effective date: 20230220

CD Change of name or company name

Owner name: IDEMIA IDENTITY & SECURITY FRANCE, FR

Effective date: 20230220

PLFP Fee payment

Year of fee payment: 12