1 / 26

Reconnaissance de visages

Reconnaissance de visages. Plan. Introduction Qu’est ce que la Biométrie État de l’art Prétraitements sur les images Méthodes d’extraction d’informations (PCA, DCT, …) Conclusion et perspectives. Introduction. 2 manières d’identifier un individu. Basé sur une

mihaly
Download Presentation

Reconnaissance de visages

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Reconnaissance de visages

  2. Plan • Introduction • Qu’est ce que la Biométrie • État de l’art • Prétraitements sur les images • Méthodes d’extraction d’informations (PCA, DCT, …) • Conclusion et perspectives

  3. Introduction • 2 manières d’identifier un individu Basé sur une connaissance Basé sur une possession • Mot de passe • Code • pièce d’identité • clef • badge

  4. Introduction Ces 2 méthodes présente un double inconvénients • Nécessité de mémorisation du mot de passe • Le noté engendre le risque de perte ou de vol • Risque de vol ou de perte (carte magnétique,clef, badge,…)

  5. Introduction Solution: Utilisation des caractéristiques biométriques comme moyen d’identification

  6. Biométrie Qu’est ce que la biométrie ? Caractéristiques: • sa voix • ses empreintes digitales • les traits de son visage • la forme de sa main • sa signature • son ADN

  7. Biométrie Méthodes biométriques: Avantages: (mot de passe biométrique) • chaque individu possède sa propre caractéristique biométrique. • ne pourra pas être volé, oublié ou transmis à une autre personne.

  8. État de l’art Qu’est ce qu’un système de reconnaissance de visage ? Monde Extérieurs Acquisition d’image Détection Et Localisation Les Prétraitements Extraction des paramètres et Classification Apprentissage Teste Et Décision

  9. État de l’art Méthodes de reconnaissance d’individus : Techniques dereconnaissance d’individus Intrusives Non Intrusives Rétine ADN Voix Iris Géométrie de la main Empreintes digitales Signature Visages Démarche Mesure (3D) Morphologique

  10. État de l’art • Méthodes de reconnaissance de visages Visages Locales Globales Hybrides Corrélation DCT Eigen Objects (EO) Les HMMs Eigen Face • -DCT+PCA • -LDA+PCA • -EO+HMM • -HMM+DCT+EO • -DCT+EO • -DCT+HMM • -DCT+PCA+EO • - Elastic Bunch • Graph ICA Iso Density Maps Gabor wavelet  Réseaux de Neurones LDA DCT Mod-2 SVM Mesures Et Ratios Couleur Kernel PCA Kernel LDA Histogramme De Couleurs

  11. Prétraitements sur les images • 1 Normalisation  : Fig. Exemple de normalisation d’une image

  12. Prétraitements sur les images • 2 Égalisation de l’histogramme Fig. Exemple d’égaliseur d’histogramme

  13. Prétraitements sur les images • 3 Filtre médian: Fig. Exemple du filtre médian

  14. Méthodes d’extraction d’informations (PCA) • Définition • Idée Générale

  15. Méthodes d’extraction d’informations • Étapes de la PCA (Eigen face) Etape1: Définir les images des personnes. Fig. Exemple de visages ORL

  16. Méthodes d’extraction d’informations • Étapes de la PCA (Eigen face) Etape2: w1 w2 w3 . . . wn Image Vecteur

  17. Méthodes d’extraction d’informations • Étapes de la PCA (Eigen face) Etape3: • Consiste à calculer la moyenne des visages • Représenter sous forme d’un vecteur

  18. Méthodes d’extraction d’informations • Étapes de la PCA (Eigen face) Etape4:Enlever la moyenne de la matrice d’images.

  19. Méthodes d’extraction d’informations • Étapes de la PCA (Eigen face) Etape5: Construire la matrice de covariance. Tel que

  20. Méthodes d’extraction d’informations • Étapes de la PCA (Eigen face) Etape6: Calcul des vecteurs propres (espace d’étude) Etape7: Choix K vecteurs propres correspondants aux K plus grandes valeurs propres

  21. Méthodes d’extraction d’informations Représentation des visages propres :

  22. Méthodes d’extraction d’informations (DCT) • Définition

  23. Méthodes d’extraction d’informations (DCT) • Exemple d’Application de la DCT : 182 182 182 181 181 179 180 178 178 178 179 181 181 181 182 179 182 181 181 181 181 182 182 179 182 182 182 181 181 179 180 179 178 178 178 182 181 182 182 179 182 181 181 181 180 182 182 178 182 181 181 181 181 182 182 178 182 182 182 181 181 179 180 179 1445 2 2 2 1 3 1 0 1 1 0 0 0 0 0 0 0 2 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 2 0 2 1 1 0 0 2 4 1 0 0 0 0 1 1 3 1 0 0 0 0 0 0 2 0 1 0 0 0 0 DCT

  24. Méthodes d’extraction d’informations (DCT) Récupération des coefficients DCT: Fig modèle zigzag d’un bloc 8 x 8

  25. Méthodes d’extraction d’informations (DCT) Propriétés de la DCT : • Décorrélation  • Compression d'énergie  • Séparabilité 

  26. Conclusion et perspectives • Implémentation des prétraitements sur les images • Implémentation de la PCA et de la DCT • Application des GMM comme classifieur • Faire l’apprentissage et le test sur des bases de données, entre autre la base ORL • Utilisation d’images vidéo • Comparaison des résultats obtenus

More Related