Identification De Personnes Par Signature Manuscrite

Résumé: Ce mémoire propose l'utilisation des caractéristiques binaires dans les systèmes de reconnaissance de signature hors ligne. En effet, la reconnaissance de la signature hors ligne trouve principalement son importance pour l'authentification des documents administratifs et officiels dans lesquels une précision plus élevée est nécessaire. Dans l'approche proposée, les fonctionnalités sont extraites en utilisant deux descripteurs: les caractéristiques statistiques d'image binaire (BSIF) et les modèles binaires locaux (LBP). Pour évaluer la fiabilité de la méthode, des expériences ont été réalisées à l'aide de deux bases de données publiques, MCYT-75 et GPDS-100. En utilisant la méthode de k-plus-proches voisins comme classifieur, les performances de reconnaissance atteignent respectivement des valeurs de 97,3% et 96,1% pour les bases de données MCYT-75 et GPDS-100. Concernant le système de vérification de signatures manuscrites, la précision de la reconnaissance mesurée avec un taux d'égal erreur ou Equal Error Rate (EER) en anglais, a atteint respectivement 4,2% et 4,8% sur GPDS-100 et GPDS-160. De plus, l'EER pour la base de données MCYT-75 a atteint 7,78%. Toutes ces précisions ont surpassé les différents résultats de performance rapportés dans la littérature.

Publié dans la revue: