Ali Khider | Université 8 Mai 1945 Guelma

environnements non contrôlés; reconnaissance de visage ; reconnaissance de l’iris; apprentissage approfondi; Autoencoder; fusion; multimodale; multi algorithme.

Multi-biometrics, or the fusion of more than one modality, sample, sensor, or biometric algorithm, is rapidly becoming popular as a method to improve the performance and the robustness of biometric systems in uncontrolled environments. Even with the recent success of research on multi-biometrics, little research has been done to study the possibility of achieving multimodal fusion from the same sensor, particularly for the fusion between face and iris, which are naturally related, especially after the great improvement on the resolution of cameras in the last years. In this work, we propose a system multimodal that fuses face and iris, and multi-algorithm that fuses several methods for individual identification. This approach has many advantages, including the ability to improve recognition rates, while reducing implementation cost and processing time. Several experimental studies are implemented to test the effectiveness of this system on current databases, the best recognition rates being obtained using CLAHE, Gabor, LBP, LPQ, LDA, and deep learning (autoencoder). The final experimental results obtained show that the performance of both modalities is better than single modality, and that the proposed approach gives better results than similar techniques.

Abstract (Ar)

Abstract (Ar):

أصبحت القياسات الحيوية المتعددة ، أو اندماج أكثر من طريقة أو عينة أو جهاز استشعار أو خوارزمية القياسات الحيوية ، شائعة بسرعة كطريقة لتحسين أداء ومتانة أنظمة القياسات الحيوية في البيئات غير الخاضعة للرقابة. حتى مع النجاح الأخير للبحوث المتعلقة بالقياسات الحيوية المتعددة ، فقد تم إجراء القليل من الأبحاث لدراسة إمكانية تحقيق اندماج متعدد الوسائط من نفس المستشعر ، خاصةً للاندماج بين الوجه وقزحية العين ، والتي ترتبط بشكل طبيعي ، خاصة بعد التحسن الكبير في دقة الكاميرات في السنوات الماضية. في هذا العمل ، نقترح نظامًا متعدد الوسائط يدمج الوجه والقزحية ، وخوارزمية متعددة تدمج عدة طرق لتحديد الهوية الفردية. يتمتع هذا النهج بالعديد من المزايا ، بما في ذلك القدرة على تحسين معدلات التعرف ، مع تقليل تكلفة التنفيذ ووقت المعالجة. تم تنفيذ العديد من الدراسات التجريبية لاختبار فعالية هذا النظام على قواعد البيانات الحالية ، وأفضل معدلات التعرف التي يتم الحصول عليها باستخدام CLAHE و Gabor و LBP و LPQ و LDA والتعلم العميق (autoencoder). أظهرت النتائج التجريبية النهائية التي تم الحصول عليها أن أداء كلا الطريقتين أفضل من الطريقة الفردية ، وأن الطريقة المقترحة تعطي نتائج أفضل من التقنيات المماثلة.

Abstract (Fr)

Abstract (Fr):

La multi-biométrie, ou la fusion de plus d'une modalité, d'un échantillon, d'un capteur ou d'un algorithme biométrique, gagne rapidement en popularité en tant que méthode d'amélioration des performances et de la robustesse des systèmes biométriques dans les environnements non contrôlés. Malgré le succès récent de la recherche sur la multi-biométrie, peu de recherches ont été réalisées pour étudier la possibilité de réaliser une fusion multimodale à partir d'un même capteur, en particulier pour la fusion entre le visage et l'iris, qui sont naturellement connexes, surtout après la grande amélioration sur la résolution des caméras les dernières années. Dans ce travail, nous proposons un système : multimodal qui fusionner le visage et l'iris, et multi-algorithme qui fusionner plusieurs méthodes pour l’identification des individus. Cette approche présente de nombreux avantages, notamment la capacité à améliorer les taux de reconnaissance, tout en réduisant le coût d’implémentation et les temps de traitement. Plusieurs études expérimentales sont implémentées pour tester l'efficacité de ce système sur des bases des données courant, les meilleurs taux de reconnaissance étant obtenus en utilisant CLAHE, Gabor, LBP, LPQ, LDA, et l’apprentissage approfondi (l’autoencoder). Les résultats expérimentaux finaux obtenus montre que les performances des deux modalités sont mieux que à modalité unique, et que l’approche proposée donne de meilleurs résultats que les techniques similaires.

Scientific publications

Scientific publications :

Khider, A., Djemili, R.,Bouridane, A. and Jiang, R. (2023) ‘Improving face recognition using deep autoencoders and feature fusion’, Int. J. Biometrics, Vol. 15, No. 1, pp.40–58. DOI: 10.1504/IJBM.2022.10043147

Scientific conferences

Scientific conferences:

Communications internationales:

[1] Benzaoui, Amir, Ali Khider, and Abdelhani Boukrouche. " Ear description and recognition using ELBP and wavelets " Applied Research in Computer Science and Engineering (ICAR), 2015 International Conference on. IEEE, 2015. (Lebanon)

[2] Ali KHIDER, Amir BENZAOUI, Badreddine GRIOUZ, Zineb YOUBI. "Face recognition from low-quality images based on deep learning autoencoder model" XXIX International Biometric Conference (IBC2018), 2018, (Barcelona-Spain)

[3] Griouz Badreddine, Ali KHIDER, Abdelhani BOUKROUCHE, Youbi Zineb. " New approach for finger knuckle-print recognition " XXIX International Biometric Conference (IBC2018), 2018, (Barcelona-Spain)

[4] Youbi Zineb, Ali Khider, Larbi Boubchir, Abdelhani Boukrouche, and Badreddine Griouz. "Novel Approach of Face Identification Based on Multi-scale Local Binary Pattern." In 2018 International Conference on Signal, Image, Vision and their Applications (SIVA), pp. 1-4. IEEE, 2018.

Communications nationales:

[1] Ali KHIDER, Badreddine GRIOUZ, Abdelhani BOUKROUCHE, Hakim DOGHMANE. " Face recognition based Deep Learning Supervised Autoencoder model." The 5th edition of PhD students day, 2017 national Conference, 05 December 2017. (Oran)

[2] Griouz Badreddine, Ali KHIDER, Houcine Bourouba, Youbi Zineb. "An efficient algorithm for finger vein recognition." The 5th edition of PhD students day, 2017 national Conference, 05 December 2017. (Oran)