Évaluation sur la création automatique de classes de signatures manuscrites pour l’authentification en ligne

Show full item record

Files in this item

PDF 03•Ragot-Fortune(2009003).pdf 646.3Kb

Pour citer ce document :
URI: http://hdl.handle.net/2042/32608
Title: Évaluation sur la création automatique de classes de signatures manuscrites pour l’authentification en ligne
Author: RAGOT, Nicolas; FORTUNE, Julie; M’BONGO, Paul; VINCENT, Nicole; CARDOT, Hubert
Abstract: Dans ce papier, nous avons cherché à évaluer l’intérêt de la création de classes de signatures manuscrites pour un système d’authentification en ligne. Notre objectif est d’étudier : comment créer automatiquement des classes de signatures (ou styles de signature) ; comment prendre en compte ces classes pendant l’authentification afin de spécialiser le système lors de l’enrôlement d’un utilisateur ; quelles améliorations nous pouvons en attendre. Dans notre étude, la création des classes s’effectue grâce à deux algorithmes de clustering et en se basant sur différents sous-espaces de description des signatures. La spécialisation du système consiste à déterminer non plus un seuil de décision (acceptation ou rejet) global au système (i.e. le même pour toutes les personnes qui s’enrôleront) mais un seuil adapté à chacune des classes. En termes d’évaluation, nous nous sommes plus particulièrement attachés à étudier l’impact de la classification (en fonction de l’algorithme de classification, du nombre de classes, de l’espace de description) sur les performances d’un système d’authentification basé sur une approche Coarse To Fine et l’algorithme Dynamic Time Warping. Les résultats expérimentaux sur la base SVC montrent que l’on peut améliorer les performances en diminuant le taux d’erreurs égales de 14,4 %. Cependant la sensibilité de la classification est très grande et la notion de classe unique pour un signataire semble trop restrictive.
Description: In online handwritten signature verification systems[PLAMONDON 89, LECLERC 94, JAIN 02], adaptation to a specific user or a group of users is a key point since the parameters that determine the acceptation or the rejection of a user are quite sensible. Indeed, biometric data are behavioral and not physical which makes them more variable. Moreover, few learning data are available and the biometric profile of a user can only be determined from a limited number of signature acquisitions. This is why, in the same way as it is done in handwriting recognition, we wanted to study both how classes of handwritten signatures can be automatically determined and what is the impact of these classes on a verification system...
Subject: Biométrie, signature manuscrite, authentification en ligne, classification non supervisée, DTW; Biometrics, handwritten signature, online authentication, clustering, Dynamic Time Warping
Publisher: GRETSI, Saint Martin d'Hères, France
Date: 2009

This item appears in the following Collection(s)

Show full item record





Advanced Search