Vous êtes sur la page 1sur 19

Universit Abdelmalek Essadi

Facult des sciences et Techniques


Tanger

Dpartement : Gnie Informatique


Filire : Logiciel et Systme Informatique

Identification des empreintes


digitales

Anne universitaire : 2011/2012

Sommaire
Introduction............................................................................................................................................. 4
Biomtrie et classification des empreintes digitales.................................................................... 5

I.
1.

La biomtrie ................................................................................................................................ 5

2.

Lutilisation de la biomtrie ........................................................................................................ 5

3.

Quest ce quune empreinte digitale ? ......................................................................................... 5

4.

Forme gnrale de lempreinte .................................................................................................... 6

5.

Minuties ou motifs dune empreinte............................................................................................ 7

II.

Identification des empreintes digitales ........................................................................................... 9


Capteurs dempreintes digitales .................................................................................................. 9

1.
a.

Les capteurs optiques ......................................................................................................... 9

b.

Les capteurs en silicium ................................................................................................... 10

c.

Les capteurs thermiques .................................................................................................. 10

2.

Etapes de traitement dune empreinte digitale .......................................................................... 11

3.

Etapes de comparaison dune empreinte digitale ...................................................................... 12

III.

Etude de cas .............................................................................................................................. 13

1.

Principe suivi ............................................................................................................................. 13

2.

Implmntation sous OpenCV .................................................................................................... 13

Conclusion ............................................................................................................................................. 18

Liste des figures


Figure 1 - March mondial de la biomtrie ............................................................................................. 6
Figure 2 - Les diffrentes empreintes digitales ....................................................................................... 7
Figure 3 - Bifurcation simple et multiple ................................................................................................. 7
Figure 4 - Terminaison ............................................................................................................................. 7
Figure 5 lot2 ......................................................................................................................................... 7
Figure 6 - Lac............................................................................................................................................ 7
Figure 7 lot1 ......................................................................................................................................... 7
Figure 8 - Minuties localises sur une empreinte ................................................................................... 8
Figure 9 - Capteur optique ...................................................................................................................... 9
Figure 10 - Lecteur Eikon ....................................................................................................................... 10
Figure 11 - FingerChip d'Atmel .............................................................................................................. 11
Figure 12 - Rsultat................................................................................................................................ 17

Introduction
Les empreintes digitales sont les marques laisses par les sillons des pulpes digitales. Le
dessin qu'elles forment est propre chaque personne, ce qui explique pourquoi les empreintes
digitales servent l'identification des personnes.i
Le caractre quasi-unique d'une empreinte digitale en fait un outil biomtrique trs utilis
pour l'identification des individus en mdecine lgale et pour la police scientifique.
La classification des empreintes repose sur la topographie gnrale de l'empreinte digitale et
permet de dfinir des familles telles que les boucles, les arches et les tourbillons. A l'intrieur
de chacune de ces catgories, il y a un grand nombre d'lments qui diffrencient chaque
empreinte de manire unique. Chaque empreinte peut tre dfinie et rsume par un ensemble
de points caractristiques contenus dans l'image appels minuties.
D'une manire gnrale on distingue deux catgories d'algorithmes de reconnaissance
d'empreintes digitales : la premire catgorie concerne les algorithmes qui s'appuient sur la
position relative des minuties entre elles, alors que la seconde regroupe les algorithmes visant
extraire d'autres particularits de l'empreinte digitale telles que la direction locale des
sillons, ou encore les composantes frquentielles locales de la texture au cur de l'image.
Le procd d'identification des individus par leurs empreintes digitales sans aide d'ordinateur
s'appelle la dactylotechnie et doit passer par quatre tapes : l'analyse, la comparaison,
l'valuation et la validation. L'tude des dessins digitaux s'appelle la dactyloscopie.
Tant, dans la premire partie, nous voquerons la biomtrie ainsi que la classification gnrale
des empreintes digitales et les diffrentes minuties.
La seconde partie dtaillera lapproche suivie pour lidentification des empreintes, savoir les
capteurs utiliss et les tapes de traitement et de comparaison.
La dernire partie sera consacre aux dmarches suivies pour la mise en place des diffrents
algorithmes servant lidentification et la comparaison des empreintes ainsi que leur
application sous OpenCV. Cette partie sachvera par la prsentation des diffrents exemples
raliss.

I.

Biomtrie et classification des empreintes digitales

1. La biomtrie
La biomtrique est un domaine mergent o la technologie amliore la capacit identifier
une personne. En particulier elle reprsente lusage de diffrentes caractristiques
physiologiques et comportementales afin de raliser une reconnaissance sure et automatique
dun individu.
Les caractristiques biomtriques collectes doivent tre:

universelles (exister chez tous les individus),

uniques (permettre de diffrencier un individu par rapport un autre),

permanentes (autoriser l'volution dans le temps),

enregistrables (collecter les caractristiques d'un individu avec l'accord de celui-ci

mesurables (autoriser une comparaison future).

2. Lutilisation de la biomtrie
La protection des consommateurs contre la fraude ou le vol est un des buts de la biomtrie.
L'avantage de l'identification biomtrique est que chaque individu a ses propres
caractristiques physiques qui ne peuvent tre changes, perdues ou voles. La mthode
d'identification biomtrique peut aussi tre utilise en complment ou remplacement de mots
de passe. Parmi les applications pouvant utiliser la biomtrie, on trouve :

Le contrle d'accs des locaux (sites sensibles, salles informatiques...),

Les systmes d'information (lancement du systme d'exploitation, accs au rseau,


commerce lectronique...),

La police et les gouvernements (services dimmigration, aroports, manifestations...),

Les documents officiels (fichiers judiciaires, titres d'identits, votes lectroniques...),

L'automobile (systme d'ouverture et de dmarrage sans cl).

3. Quest ce quune empreinte digitale ?


La surface de la peau des doigts est pourvue dune texture particulire, continuellement strie
par des crtes, qui permettent daccrotre le pouvoir agrippant des mains. Les crtes sont
parsemes de petits orifices, les pores, par lesquels scoule la sueur. Celle-ci, mlange des
scrtions grasses, laisse des traces lorsque les doigts sont appliqus sur une surface propre.

Ces traces, appeles empreintes,


intes, sont uniques et caractristiques de chaque individu. Mme
les vrais jumeaux prsentent des empreintes digitales diffrentes. Elles peuvent donc tre
utilises pour identifier une personne.

Figure 1 - March mondial de la biomtrie

4. Forme gnrale de lempreinte


Ltude dune empreinte digitale commence par lobservation de sa forme gnrale. Le but est
de classifier lempreinte tudie en trois grandes familles :

empreinte en boucle : les lignes se replient sur elles-mmes,


mmes, soit vers la droite, soit
vers la gauche.

empreinte en verticille : prsence de lignes qui senroulent autour dun point en


formant une sorte de tourbillon.

empreinte en arc : les lignes sont disposes les unes au-dessus


au dessus des autres,
aut
en formant
une sorte de A.

Figure 2 - Les diffrentes empreintes digitales

Ces trois types dempreintes regroupent 95% des doigts humains : 60% pour les boucles, 30%
pour less spirales et 5% pour les arcs.ii
5. Minuties ou motifs dune empreinte
On diffrencie les motifs entre eux l'aide de points singuliers sur empreintes :

Points singuliers globaux :


Noyau ou centre: lieu de convergences des stries
Delta: lieu de divergences des stries.

Points singuliers locaux (appels aussi minuties) : points dirrgularit se trouvant


trou
sur
les lignes capillaires. On
O peut relever jusqu' seize types de minuties mais dans les
algorithmes on n'en retient que quatre typesiii:
o Terminaison droite ou gauche (minutie situe en fin de strie).
o Bifurcation droite ou gauche (intersection de deux stries).
o le : assimile deux terminaisons.
o Lac: assimile deux bifurcations.

Figure 7 lot1

Figure 5 lot2

Figure 6 - Lac

Figure 4 - Terminaison

Figure 3 - Bifurcation
simple et multiple

La figure ci-dessous
dessous prsente quelques-unes
quelques
des minuties reprables sur une empreinte :

Figure 8 - Minuties localises sur une empreinte

II.

Identification des empreintes digitales


1. Capteurs dempreintes digitales

La biomtrie regroupe les techniques d'identification des personnes passant par l'analyse des
traits corporels propres chaque individu. Le but en est de vrifier que les individus sont bien
ceux qu'ils prtendent tre. La capture de l'image d'une empreinte digitale consiste trouver
les lignes tracess par les crtes et les valles.
valles
La plupart des techniques
iques de reconnaissance d'empreintes digitales sont fondes sur l'optique.
Mais ces systmes sont chers et peu maniables, ce qui en restreint l'usage. Plusieurs
industriels ont mis au point des procds plus lgers, supprimant la partie optique au profit
d'une
'une identification directe par des capteurs microlectroniques, capteurs ultrasoniques, de
capacit, de temprature....
L'utilisation d'un systme biomtrique comporte deux phases distinctes : une phase
d'enregistrement, o le systme apprend connatre la personne identifie, une phase de
vrification, o le systme va la reconnatre. Dans le cas des empreintes digitales, le mme
matriel peut servir aux deux phases. Un capteur saisit une image de l'empreinte. Elle est
convertie sous une forme numrique afin d'tre analyse par un processeur qui en extraira une
signature informatique, la plus courte possible (une centaine d'octets), stocke ensuite sur un
support adquat, tel qu'une carte puce. Une signature d'empreinte digitale est la plupart
du temps
emps compose des coordonnes des points remarquables (intersections, terminaisons)
forms par les crtes et les valles que forme la peau du doigt. L'authentification suit la mme
procdure, sauf que s'y ajoute une phase de comparaison entre la signature enregistre la
premire fois et celle que l'on vient de saisir.
a. Les capteurs optiques
Le doigt est le plus souvent pos sur
un prisme en verre dont une face est
claire par une lampe.. Une camra
CCD1 en prend une image vido
analogique et la convertit en un
fichier numrique manipulable par un
ordinateur.

Figure 9 - Capteur optique

Charge-Coupled
Coupled Device, ou dispositif transfert de charge

Avantages :

Rsiste
siste trs bien aux fluctuations
fluctuatio de temprature ;

Intrinsquement
ntrinsquement protg contre les dcharges lectrostatiques ;

Permet davoir des images prcises et nettes.

Inconvnients :

Cot assez lev ;

Encombrement assemblage mcaniques peu


pe commodes (pour
pour les systmes portables) ;

distorsion d'image parfois importante, lie l'optique et l'crasement du doigt sur le


prisme.

b. Les capteurs en silicium


Pour remdier aux dfauts des capteurs optique, les
ingnieurs cherchent liminer les lments volumineux et
chers produire que sont le prisme, la lampe et la lentille,
de faon ce que le doigt soit en contact direct avec le
capteur, puis rduire la chane de traitement de
l'information. Les procds en dveloppement conservent
la structure classique des CCD, c'est--dire
c'est
une matrice de
pixels adresse en lignes et colonnes. Mais, alors
alor que dans

Figure 10 - Lecteur Eikon

les circuits CCD, les microcapteurs placs sur chaque pixel transforment la lumire en une
information lectrique (effet lectro-optique),
lectro optique), on recourt des microcapteurs d'un type
nouveau. Il utilise l'un des quatre effets des semi-conducteurs
semi
(piezo-lectrique,
lectrique, capacitif,
thermo-lectrique ou photo-lectrique)
lectrique) et combine un encombrement trs rduit avec un cot
modr. C'est ce qu'utilise le lecteur Eikon et qui lui permet d'arborer son design fin.
Avantages :

dure de vie assez longue

Diminue le bruit dune image

Inconvnients :

Les composs pizo-lectriques


lectriques sont insuffisamment sensibles ;

Gourmant en consommation dnergie


d
;

fragile aux dcharges lectrostatiques

Cot intressant (mais


mais reste moins cher que capteur optique) .

c. Les capteurs thermiques

10

Les matriaux pyro-lectriques


lectriques convertissent un changement de temprature en charges
lectriques. Cet effet est assez important, et largement utilis dans les camras infrarouges. Ce
type
pe de capteur ne mesure pas la diffrence de
temprature de la peau des crtes et valles, qui est
ngligeable. En fait, lorsque le doigt est pos en contact
avec le matriau, la temprature des crtes est mesure,
car elle est en contact, la diffrence des valles qui ne
le sont pas, et donc n'apporte pas de changement de
temprature. Lorsque le doigt est plac sur le capteur,
une trs grosse variation de temprature est induite, donc

Figure 11 - FingerChip d'Atmel

on obtient beaucoup de signal, mais celui-ci


celui
disparait
assez vite car l'quilibre thermique est vite atteint. Cet effet (nfaste dans le cas o on ne
bouge pas) disparat lorsque l'on balaye le doigt la surface du capteur, car la succession des
crtes et valles induit le changement de temprature du matriau.iv
Avantages :

Permet dobtenir une image de trs grande qualit ;

Permet la reconnaissance des empreintes peu marques et difficiles lire.

Inconvnients :

L'image
'image disparat rapidement du capteur.

En plus de ces techniques d'acquisition vient le plus souvent une mesure consistant vrifier
que l'image rcupre provient bien d'un doigt. L encore plusieurs mthodes, la dtection de
battements cardiaques, la conductivit ou la mesure de la constante dilectrique relative.
2. Etapes de traitement dune empreinte digitale
L'informatisation des fichiers d'empreintes digitales permet une conomie de temps, une
meilleure prcision dans les comparaisons ainsi que l'archivage sous forme de base de
donnes d'un trs grand nombre d'empreintes.
Aprs la capture de limage digitale viennent les tapes ci-dessous
ci
:
Stockage de l'empreinte sous un format appropri (par exemple, Bitmap de Windows). Le
format d'entre des images traiter peut tre ralis par scanner, camra de digitalisation, etc.
Filtrage des images par segmentation pour liminer les zones de bruit de l'image (image
tache, piquete ou incomplte...).

11

Evaluation de la qualit de l'image capture par calculs des facteurs qui permettent d'tablir
un critre automatique de qualit.
Squelettisation de l'image(binaire) Il est ncessaire, pour avoir une meilleure dtection des
minuties, d'obtenir une image plus schmatique. Toutes les lignes doivent avoir la mme
paisseur.
Extraction des minuties Elle s'effectue au moyen d'un logiciel de traitement et de divers
algorithmes. On extrait une structure de donnes. C'est le processus final qui permet
l'obtention de la signature de l'empreinte (signature digitale). L'identification doit porter au
moins sur 12 minuties. Chaque minutie occupe un espace de 16 octets, soit 240 octets pour un
nombre moyen de minuties. Le stockage final est compact par compression des fichiers pour
conomiser environ 40% de l'espace mmoire
Lors du processus d'extraction, on dtecte 100 minuties en moyenne. Le logiciel n'extrait que
les minuties relles et rejette les minuties errones. Le comptage s'effectue sur environ 40
minuties, ce qui augmente encore la certitude des rsultats.
3. Etapes de comparaison dune empreinte digitale
Le systme de vrification didentit est bas sur la comparaison de deux ensembles de
minuties, correspondants respectivement deux doigts comparer.
Pour dterminer si deux ensembles de minuties extraits de deux images correspondent des
empreintes du mme doigt, il est ncessaire dadopter un systme de comparaison qui soit
insensible

dventuelles

translations,

rotations

et

dformations

qui

affectent

systmatiquement les empreintes digitales.


A partir de deux ensembles de minuties extraites, le systme est capable de donner un indice
de similitude ou de correspondance qui vaut :

0 % si les empreintes sont totalement diffrentes.

100 % si les empreintes viennent de la mme image.

Deux fichiers calcules partir de la mme empreinte ne donneront jamais 100 % de


ressemblance du fait des diffrences qui existent lors de lacquisition de deux images (petites
dformations ou dplacements), ils donneront cependant toujours un niveau lev de
similitude.
La dcision partir de cet indice de similitude de savoir si deux empreintes sont issues du
mme doigt est une question purement statistique. Pour dcider daccepter la similitude entre
deux gabarit, il faut tablir un seuil dacceptation.

12

III.

Etude de cas

Cette partie prsentera le volet pratique de cette tude, Il sagit de limplmentation des
algorithmes de comparaison et didentification des empreintes digitales en utilisant une
approche base sur les minuties.
1. Principe suivi
La qualit des images de dempreintes digitales dpend de plusieurs facteurs comme : le
contact avec la sonde, la qualit de sonde, la profondeur des rides/valles, etc. Alors que les
algorithmes de reconnaissance des empreintes digitales sont sensibles la qualit des images
des empreintes digitales. Ce qui fait de ltape du traitement de limage une tape ncessaire,
cette tape peut se composer du lissage, amlioration du contraste, filtrage Dans des cas
extrmes, une empreinte digitale avec une qualit trs pauvre peut tre automatiquement
renforce en utilisant un des filtrages passe-bas.
Pour bien distinguer les empreintes digitales, il est ncessaire de choisir des caractristiques
qui sont invariantes malgr lorientation et le placement du doigt sur le capteur ainsi que la
dformation lastique du doigt pendant l'acquisition.
2. Implmntation sous OpenCV
Nous navons pas pu aller jusquau bout du projet et arriver lidentification des empreintes
digitales. Ce programme sarrte ltape de la squelettisation dune image dempreinte.
/* Calcule des champs d'orientation Groupe 2 */
#include<stdio.h>
#include<stdlib.h>
#include<cv.h>
#include<highgui.h>
#include<windows.h>
#define NOMIMAGE "empreinte-.jpg"
using namespace std;
long h[256]; //histogramme
long h_c[256]; //histogramme cumul
int Smin, Smax, i, j;
// Calcul de l'histogramme partir du raster d'une image 1 seul canal
void histogramme(uchar *data,int height,int width)
{
for(i=0;i<256;i++)
h[i]=0;

13

for(i=0;i<height;i++)
for(j=0;j<width;j++)
h[data[i*width+j]]+= 1;
}
// Calcul de l'histogramme cumul
void histogramme_cuml()
{
h_c[0]=h[0];
for(i=1;i<256;i++)
h_c[i]=h_c[i-1]+h[i];
}
//Rcuperer le voisinage du point (i,j) et le mettre dans la table Points
void Voisinage3x3(int i,int j,int width, uchar* data, uchar Points[8])
{
Points[0]=data[(i-1)*width+j]; // p2
Points[1]= data[(i-1)*width+(j+1)]; // p3
Points[2]=data[i*width+(j+1)]; // p4
Points[3]=data[(i+1)*width+(j+1)]; // p5
Points[4]=data[(i+1)*width+j]; // p6
Points[5]=data[(i+1)*width+(j-1)]; // p7
Points[6]=data[i*width+(j-1)]; // p8
Points[7]=data[(i-1)*width+(j-1)]; // P9
}
// c'est la fonction qui calcule le nombre de squences 01 dans p2,p3,p4....p9,p2.
int A(uchar Points[8])
{
int A=0;
for(int i=0;i<8;i++)
{ if((Points[i]==0)&&(Points[i+1]==255)) A++;}
return A;
}

// cette fonction permet de calculer le nombre de pixels voisins non nuls du pixel trait.
int B(uchar Points[8])
{
int B=0;
for(int i=0;i<8;i++)
{ if(Points[i]!=0) B++;}
return B;
}
// fonction qui permet de tester si au moins l'un des trois pixels passs en paramtre est nul.
bool cond(uchar pv1, uchar pv2, uchar pv3)
{
return (pv1*pv2*pv3 == 0);

14

}
/********************************************
*********************************************************/

Main

int main(int argc, char *argv[])


{
int a,b;
bool continuer = true;
// sequelettisation l'aide de l'algorithme de Hilditch
//charger l'image d'entre
IplImage* img = cvLoadImage(NOMIMAGE);
if(img==NULL){
printf("\n Erreur d'ouverture de fichier ");
exit(1);
}
// Affichage de l'image avant le traitement
cvNamedWindow("Originale");
cvMoveWindow("Originale",200,200);
cvShowImage("Originale", img);
IplImage* res=cvCloneImage(img);
int height=img->height, width=img->width, nb_pixels = height*width;
uchar* raster=(uchar *)res->imageData;
histogramme(raster,height,width);
histogramme_cuml();
// calcul de max et min de l'histogramme
int min=255,max=0;
for(i=0;i<height;i++)
for(j=0;j<width;j++){
if((raster[i*width+j])>max)
max=raster[i*width+j];
if((raster[i*width+j])<min)
min=raster[i*width+j];
}
// calcul de Smin et Smax
for(i=min+1;i<=max && ((float)h_c[i]/nb_pixels)<0.02;i++);
Smin = i-1;
for(i=max-1;i>=min && ((float)h_c[i]/nb_pixels)>0.98;i--);
Smax = i+1;
// affichage de min, Smin, Smax et max
printf(" min: %d",min);

15

printf(" Smin: %d",Smin);


printf(" Smax: %d",Smax);
printf(" max: %d\n",max);
// transformation
for(i=0;i<img->height;i++)
for(j=0;j<img->width;j++)
{
if (raster[i*width+j] >Smax)
raster[i*width+j]=255;
else if (raster[i*width+j]<Smin)
raster[i*width+j]=0;
else
raster[i*width+j]=(255*(raster[i*width+j]-Smin))/(Smax-Smin);
}
// si l'image est en couleur, alors elle est transforme en niveaux de gris
IplImage* imgS = cvCreateImage(cvGetSize(img),IPL_DEPTH_8U, 1);
cvCvtColor(img,imgS,CV_RGB2GRAY);
// transformation en une image binaire
cvThreshold(imgS,imgS,100, 255,CV_THRESH_BINARY);
//Raster de l'image initiale
uchar* dataI = (uchar*)imgS->imageData;
//un tableau de 8 lments qui va contenir les pixels voisins
uchar VoisinageP1[8];

// une variable pour calculer le temps de traitement


float a11 = GetTickCount();
do{
continuer = false;
//On ne va pas traiter la premire et la dernire ligne ou colonne puisque ils n'ont pas des
voisins
for(int i=1;i<imgS->height-1;i++)
for(int j=1;j<imgS->width-1;j++){
int k = i*imgS->width+j;
if(dataI[k]==255){
Voisinage3x3(i,j,imgS->width,dataI,VoisinageP1);
a=A(VoisinageP1);
b=B(VoisinageP1);
if((a==1)&&(b>=2&&b<=6)&&cond(VoisinageP1[0],VoisinageP1[2],VoisinageP1[6])&&co
nd(VoisinageP1[0],VoisinageP1[2],VoisinageP1[4]))
{

16

continuer=true;
dataI[k]=0; // ici, on supprime le pixel linstant mme, ce qui explique le caractre
squentiel de l'algorithme
}
}
}
}while(continuer);
// calcul est affichage du temps de traitement
a11 = GetTickCount()-a11;
a11;
printf("tps en ms : %f\n",a11);
n",a11);
// Affichage de l'image avant traitement
cvNamedWindow("Resultat");
cvMoveWindow("Resultat",200,200);
cvShowImage("Resultat",
ge("Resultat", imgS);

// Attendre une touche


cvWaitKey(0);
// Librer les images
cvReleaseImage(&imgS);
cvReleaseImage(&img);
return 0;
}
Le rsultat obtenu est sous la forme
f
suivante :

Figure 12 - Rsultat

17

Conclusion
L'utilisation de technologies biomtriques est en plein essor, les revenus globaux de la
biomtrie dpassent les 4,6 milliards depuis 2008. La reconnaissance des empreintes digitales,
qui gnre elle seule prs de la moiti des revenus mondiaux du domaine de la biomtrie,
reprsente, sans conteste, la plus grande part du march actuel de la technologie biomtrique.
Malgr les avantages de cette mthode qui se manifestent au faible cot des lecteurs grce aux
nouveaux capteurs et au traitement rapide des informations. Elle a aussi des limitations telles
que la difficult de lecture : sensibilit aux altrations pouvant survenir au cours de la vie
(gratignure, cicatrice, vieillissement ou autres) et certaines variations (temprature,
humidit, salet, etc.), ainsi la sensibilit la pose du doigt sur le lecteur.
Dans cette tude nous avons prsent une vue gnrale de la biomtrie et quelques
caractristiques des empreintes digitales. Ainsi que les techniques de lidentification et la
comparaison des empreintes accompagnes dune tude de cas dmontrant les dmarches
suivre pour raliser un programme identificateur des empreintes digitales.

18

Rfrences
i

http://www.futura-sciences.com/fr/definition/t/medecine-2/d/empreintes-digitales_3302/
http://fr.wikipedia.org/wiki/Empreinte_digitale
http://infoscience.over-blog.com/pages/La_reconnaissance_des_empreintes_digitalesFingerprint_recognition4408216.html
iii
http://infoscience.overblog.com/pages/La_reconnaissance_des_empreintes_digitalesFingerprint_recognition-4408216.html
ii

iv

http://fingerchip.pagesperso-orange.fr/biometrics/types/fingerprint_sensors_physics.htm

http://www.police-scientifique.com/empreintes-digitales/type-de-dessin-et-classification
http://infoscience.over-blog.com/pages/La_reconnaissance_des_empreintes_digitalesFingerprint_recognition4408216.html
http://recherche.criminelle.free.fr/nouvellepage5.htm
http://www.pcworld.fr/article/materiel/biometrie-lecteur-d-empreintes-eikon/86881/
http://www.pixelvalley.com/appareil-numerique/capteur.php
http://criminels.e-monsite.com/pages/traitement-informatique-des-fichiers.html

19