High Accuracy Fingerprint Recognition on FPGA Using a Dual Path Lightweight CNN

Dans le monde moderne, prouver qui vous êtes repose souvent sur quelque chose que vous portez, comme une carte, ou quelque chose dont vous vous souvenez, comme un mot de passe. Pourtant, ces méthodes peuvent être perdues, volées ou oubliées. Cela a conduit les scientifiques et les ingénieurs à chercher quelque chose que vous êtes simplement, un trait biologique qui vous est propre et qui vous accompagne toute la vie. Parmi ces traits, les crêtes et les vallées sur l'extrémité d'un doigt humain sont depuis longtemps un favori pour l'identification. Elles sont faciles à capturer, remarquablement stables sur des décennies et presque impossibles à dupliquer parfaitement. Pendant des années, les ordinateurs ont été enseignés pour lire ces motifs, mais le faire rapidement et avec précision sans épuiser une batterie ou nécessiter un serveur massif est resté un défi difficile. L'objectif est de construire un système capable de regarder une empreinte digitale, d'en comprendre la carte unique et de prendre une décision en un éclair, tout en fonctionnant sur une petite puce efficace plutôt que sur un ordinateur géant et gourmand en énergie.

Une équipe de chercheurs de l'Université de Floride a franchi une étape significative vers la résolution de ce problème en conceuant une nouvelle façon pour les ordinateurs de reconnaître les empreintes digitales, qui soit à la fois hautement précise et étonnamment légère en ressources. Au lieu de s'appuyer sur les systèmes lourds et complexes qui alimentent habituellement de telles tâches, ils ont créé un cerveau numérique rationalisé, spécifiquement conçu pour tenir sur une puce informatique spécialisée appelée circuit logique programmable, ou FPGA. Ces puces sont comme des toiles vierges pour les ingénieurs ; elles peuvent être programmées pour effectuer des tâches spécifiques avec une vitesse incroyable et une très faible consommation d'énergie, ce qui les rend idéales pour les appareils qui doivent fonctionner de manière fiable sans être branchés sur une prise murale. Les chercheurs voulaient voir s'ils pouvaient construire un lecteur d'empreintes digitales qui n'ait pas besoin de nettoyer ou de simplifier l'image avant de la lire, une étape courante qui élimine souvent des détails précieux.

Pour y parvenir, l'équipe a conçu un nouveau type de réseau neuronal, un système informatique modélisé d'après le cerveau humain qui apprend à reconnaître des motifs en observant des milliers d'exemples. La plupart des systèmes existants pour cette tâche sont soit trop lourds pour fonctionner sur de petites puces, soit nécessitent que l'image de l'empreinte digitale soit réduite et lissée, ce qui peut flouter les détails mêmes nécessaires à une correspondance correcte. Les chercheurs ont proposé une approche différente : une architecture à « double voie ». Imaginez une équipe de deux experts regardant la même empreinte digitale en même temps. L'un des experts se concentre sur la vue d'ensemble, regardant la forme globale et les grandes courbes de l'empreinte. L'autre zoome pour étudier les détails minuscules et complexes ainsi que les lignes fines. Dans leur conception, ces deux « voies » travaillent en parallèle, chacune extrayant différents types d'informations à partir de l'image brute. À la fin, leurs conclusions sont combinées pour prendre une décision finale. Cette méthode leur a permis d'utiliser la taille originale complète des images d'empreintes digitales, préservant chaque crête et chaque vallée sans avoir besoin de redimensionner ou de prétraiter les données au préalable.

L'équipe a entraîné ce nouveau système à l'aide d'une vaste collection d'images d'empreintes digitales provenant de bases de données publiques, qui comprenaient des scans pris avec différents types de capteurs et des résolutions variables. Pour s'assurer que l'ordinateur puisse gérer la grande variété des conditions réelles, ils lui ont enseigné une technique appelée augmentation de données. Cela consistait à montrer au système des versions légèrement altérées de la même empreinte, comme des images pivotées de quelques degrés ou décalées légèrement sur le côté, imitant la façon dont un doigt pourrait être placé différemment sur un scanner à chaque fois. En s'entraînant sur ces exemples variés, le système a appris à reconnaître l'identité sous-jacente du doigt, quelle que soit sa position. Lors des tests, ce nouveau modèle s'est avéré plus précis que plusieurs méthodes précédentes, identifiant correctement les empreintes dans environ 70 % des cas lors de l'utilisation de toute la gamme de données d'entraînement, et atteignant toujours plus de 63 % de précision dans des scénarios de tests plus stricts où les images de test n'étaient pas altérées.

Au-delà de la simple précision, le véritable test de cette recherche était de savoir si elle pouvait réellement fonctionner sur le matériel spécialisé destiné à un usage réel. Les chercheurs ont traduit leur conception numérique dans un langage que la puce FPGA peut comprendre et ont construit l'ensemble du système à partir de zéro. Ils ont réussi à faire tenir le réseau complexe sur un FPGA Xilinx Virtex-7, une puce puissante souvent utilisée dans des applications de haute performance. Le résultat est un système capable de traiter une seule empreinte digitale en moins de 80 millisecondes, assez rapide pour une utilisation en temps réel. La puce consomme environ 29 watts de puissance, un chiffre qui équilibre performance élevée et efficacité énergétique, et elle utilise environ 70 % des ressources disponibles de la puce. Cette mise en œuvre réussie démontre qu'il est possible d'exécuter une vérification d'identité sophistiquée directement sur un matériel efficace, éliminant le besoin de gros ordinateurs externes ou de batteries lourdes.

Le travail a également mis en évidence un compromis crucial dans la manière dont ces systèmes sont construits. En réduisant le nombre de paramètres internes, ou réglages, que le réseau doit mémoriser, les chercheurs ont rendu le système beaucoup plus léger et plus facile à stocker sur une puce. Leur modèle ne nécessite que 483 kilo-octets de mémoire pour contenir toutes ses informations apprises, une fraction infime de ce que les modèles plus anciens et plus lourds nécessitaient. Cette réduction de taille ne s'est pas faite au détriment de la performance ; en fait, le nouveau design a surpassé les tentatives précédentes qui utilisaient des structures plus complexes. Les chercheurs ont découvert que, bien qu'une partie de leur système à double voie soit meilleure pour repérer les grandes caractéristiques et l'autre pour capturer les détails fins, leur combinaison était essentielle pour obtenir la précision la plus élevée. Cela suggère que, pour la reconnaissance d'empreintes digitales, regarder simultanément la forêt et les arbres fournit la réponse la plus fiable.

En fin de compte, cette recherche offre une voie pratique pour apporter une reconnaissance d'empreintes digitales sécurisée et rapide à des appareils qui sont petits, portables et économes en énergie. En prouvant qu'un réseau neuronal à double voie et léger peut être construit pour fonctionner efficacement sur un FPGA sans sacrifier les détails de l'image brute, l'équipe a montré qu'une sécurité biométrique fiable ne nécessite pas d'infrastructure massive et gourmande en énergie. Le système fonctionne à une vitesse de 108,6 millions de cycles par seconde, ce qui est assez rapide pour vérifier l'identité d'une personne presque instantanément. Cette réussite suggère que, dans un avenir proche, nous pourrions voir des scanners d'empreintes digitales intégrés dans une plus large gamme d'appareils du quotidien, des téléphones mobiles aux portes de contrôle aux frontières, qui soient non seulement sécurisés mais aussi efficaces et autonomes, capables de prendre des décisions complexes avec une fraction de la puissance auparavant jugée nécessaire.