PAGE WIKI ETUDIANTS 2012-13 SIGNATURES

Projet reconnaissance de signature 2012-2013 =Description du projet=

Membres du projet
Florian FOURURE - RICM5 - Polytech Grenoble - ffourure@free.fr

Qikai GU - RICM5 - Polytech Grenoble - qikai.gu88@gmail.com

Rolly NGOUALA - RICM5 - Polytech Grenoble - rollyngouala@gmail.com

Mickaël NICOLACCINI - RICM5 - Polytech Grenoble - m.nicolaccini@gmail.com

Soriya PRAK - RICM5 - Polytech Grenoble - soriya-prak@hotmail.fr

Joachim SEGALA - RICM5 - Polytech Grenoble - joachim.segala@gmail.com

Description du projet
Ce projet consiste a créer une application Android de reconnaissance de signature. Pour cela, nous devons utiliser le projet de reconnaissance de signature réalisé l'année d'avant (2011/2012) Page wiki du projet de reconnaissance de signature 2011/2012. Ce projet utilise une tablette graphique et un écran de DS3. Nous devons donc changer le code pour l'adapter à Android.

Gantt prévisionnel
Voici le gantt prévisionnel que nous avons réalisé. Il se compose de deux diagrammes. Le Gantt en lui même pour voir les différentes taches ainsi que leur durée. Le diagramme de ressources, pour voir la répartition des taches.

=Description Logicielle=

Interface Homme Machine
Pour réaliser l'Interface Homme machine une pré-étude des l'IHM du projet de 2011/2012. Ensuite cette étape ce décomposeras en 4 parties :

Acquisition
Vue que le projet change de support d'acquisition, toutes les données enregistrées ne sont pas forcément accessible. Par exemple la pression d'un point n'est pas forcément récupérable sur Android. Cependant d'autre données peuvent, peut-être, être récupérées. Il faut donc faire une étude de faisabilité afin de savoir quelles données notre application va capter. Ensuite un prototype (non relié au reste de l'application) doit être réalisé afin de l'intégrer ensuite à l'application.

Comparaison de signatures
En plus de réaliser la portabilité de l'application sur Android, le projet prévois en plus de modifié les méthodes de calcul des distances entre deux signatures.

L'année dernière, la comparaison des signatures reposait sur les coordonnées dans le plan de chaque point ainsi que le temps d'acquisition et la pression exercée. Nous n'avons pas repris cette méthode car elle nécessite une normalisation des signatures qui consiste à faire pivoter les signatures afin qu'elles aient la même orientation, puis modifier la taille pour qu'elles aient la même. Sans cette normalisation, les 2 signatures ne peuvent pas être comparées car elles sont considérées comme étant différentes.

Cette année, nous avons décidé de basé nos calculs sur les angles formés entre 3 points et l'accélération entre 2 points. Nous n'avons ainsi pas besoin d'effectuer une normalisation car les angles sont conservés quelque soit la forme de la signature.

Comme l’année précédente nous effectuons un traitement sur les données acquises afin d’obtenir un nombre de point fixe, dans notre cas 1000 points par signature issus de l’interpolation. La classe Vecteur permet de calculer l’angle formé par un triplet de points et l’accélération entre 2 points.

Le calcul des angles pose un problème : pour des valeurs comprises entre 0° et 360° les angles proches de 0° (la ligne droite) génère une erreur. Pour des mesures allant de -180° à 180° c’est le demi-tour qui génère une erreur. Nous avons décidé de garder la seconde solution car il et rare de faire un demi-tour dans une signature, contrairement à la ligne droite.

Calcul de distance
Après avoir récupérer tous les points, nous calculons la liste des angles générés et l'accélération, chaque signature compte 1000 points, ces points sont générés par interpolation de la méthode B-Spline. Nous construisons 2 courbes pour chaque signature, une courbe sur les angles et une courbe d'accélération.

Pour le calcul de distance, nous disposons d'une courbe modèle et nous construisons les autres courbes grâce aux acquisitions. La méthode du Dynamic Time Warping nous permet de calculer la distance entre nos 2 séries de données, ici nos courbes. Plus la distance retournée est faible, plus les courbes sont similaires. A l’inverse, un résultat élevé indique des courbes différentes.

Développeur : Joachim / Soriya

Prise de décision
Nous ne sommmes basé sur le travail des années précédantes et avons choisi Wekacomme logiciels d'apprentissage automatique.

Le premier problème que nous avons rencontré que le Weka n'est pas compatible avec android. Nous avons utilisé une version "strippé" de weka présent sur le lien gitHub suivant https://github.com/rjmarsan/Weka-for-Android. Notre prise de décision utilise les données suivantes
 * Angle formé un triplé de point
 * l'accélération entre les points de saisie

Nous avons pu ainsi mettre en place dans un premier temps un système d'authentification.

Pour obtenir une identification nous avons repris le système de l'authentification que nous itérons sur chacun des profils



Le profil obtenant le meilleur score est considéré comme le profils identifié.

=Source=