L'identification multi-biométriques par la fusion au niveau des scores‏

Abstract

Utilisation de techniques de pointe pour la fusion biométrique multimodale La biométrie est l'identification automatique d'une personne sur la base de caractéristiques physiologiques ou comportementales telles que les empreintes digitales, le visage, la voix, etc. Cependant, les systèmes biométriques unimodaux présentent certains inconvénients, tels que la non-universalité et la susceptibilité à la falsification. Pour résoudre ces problèmes, les données de plusieurs sources biométriques sont combinées, et ces systèmes sont appelés systèmes biométriques multimodaux. Dans cet article, nous proposons d'utiliser l'algorithme Firefly (FA) comme stratégie évolutive pour combiner les modalités faciales et vocales au niveau du score. Expérimentalement, les deux stratégies proposées sont évaluées sur des scores disponibles publiquement (XM2VTS, TIMIT, le NIST et BANCA) et sous trois situations de qualité de données, à savoir, des données propres, variées, et dégradées.

Using Advanced Techniques for Multimodal Biometric Fusion Biometrics is the automatic identification of a person based on physiological or behavioral characteristics such as fingerprints, face, voice, etc. However, unimodal biometric systems have some drawbacks, such as non-universality and susceptibility to tampering. To solve these problems, data from multiple biometric sources are combined, and these systems are called multimodal biometric systems. In this paper, we propose to use the Firefly Algorithm (FA) as an evolutionary strategy to combine facial and speech modalities at the score level. The Min-Max normalization technique is used to convert individual scores into a single interval before combining them.