Upload
adnet-magnier
View
123
Download
1
Tags:
Embed Size (px)
Citation preview
Reconnaissance de visages
PlanPlan
IntroductionIntroduction
Qu’est ce que la BiométrieQu’est ce que la Biométrie
État de l’artÉtat de l’art
Prétraitements sur les imagesPrétraitements sur les images
Méthodes d’extraction d’informationsMéthodes d’extraction d’informations
(PCA, DCT, …)(PCA, DCT, …)
Conclusion et perspectivesConclusion et perspectives
IntroductionIntroduction
2 manières d’identifier un individu2 manières d’identifier un individu
Basé sur une
connaissance
Basé sur une
possession
• Mot de passe
• Code
• pièce d’identité
• clef
• badge
IntroductionIntroduction
Ces 2 méthodes présente un double Ces 2 méthodes présente un double inconvénientsinconvénients
Nécessité de mémorisation du mot de Nécessité de mémorisation du mot de passepasse
Le noté engendre le risque de perte ou de Le noté engendre le risque de perte ou de volvol
Risque de vol ou de perte (carte Risque de vol ou de perte (carte magnétique,clef, badge,…) magnétique,clef, badge,…)
IntroductionIntroduction
Solution:Solution:
Utilisation des caractéristiques biométriques Utilisation des caractéristiques biométriques comme moyen d’identificationcomme moyen d’identification
BiométrieBiométrie
Qu’est ce que la biométrie ?Qu’est ce que la biométrie ?Caractéristiques:Caractéristiques: sa voix sa voix ses empreintes digitales ses empreintes digitales les traits de son visage les traits de son visage la forme de sa main la forme de sa main sa signature sa signature son ADN son ADN
BiométrieBiométrie
Méthodes biométriques:Méthodes biométriques:
Avantages: (Avantages: (mot de passe biométriquemot de passe biométrique)) chaque individu possède sa propre chaque individu possède sa propre
caractéristique biométrique.caractéristique biométrique. ne pourra pas être volé, oublié ou transmis ne pourra pas être volé, oublié ou transmis
à une autre personne. à une autre personne.
État de l’artÉtat de l’artQu’est ce qu’un système de reconnaissance de visage ?
Monde Extérieurs
Acquisition d’image
LesPrétraitements
Détection Et
Localisation
Extraction des paramètres et Classification
Apprentissage
Teste Et
Décision
État de l’artÉtat de l’art
Méthodes de reconnaissance d’individusMéthodes de reconnaissance d’individus : :
Techniques de reconnaissance
d’individus
Intrusives
ADN
Empreintes digitales
Iris Rétine
Géométrie de la main
Voix
Signature
Non Intrusives
Visages Démarche Mesure (3D) Morphologique
État de l’artÉtat de l’art
Méthodes de reconnaissance de visagesMéthodes de reconnaissance de visages Visages
Globales
Hybrides
Locales
Les HMMs
Iso Density Maps
Mesures Et Ratios
Eigen Objects (EO)
Couleur
Gaborwavelet
-DCT+PCA-LDA+PCA-EO+HMM-HMM+DCT+EO-DCT+EO-DCT+HMM-DCT+PCA+EO
- Elastic Bunch Graph
DCT
Réseaux de Neurones
Eigen Face
Corrélation
ICA
LDA
SVMDCT Mod-2
Histogramme De Couleurs
Kernel PCA Kernel
LDA
Prétraitements sur les imagesPrétraitements sur les images
1 Normalisation 1 Normalisation : :
Fig. Exemple de normalisation d’une image
Prétraitements sur les imagesPrétraitements sur les images
2 Égalisation de l’histogramme2 Égalisation de l’histogramme
Fig. Exemple d’égaliseur d’histogramme
Prétraitements sur les imagesPrétraitements sur les images
3 Filtre médian:3 Filtre médian:
Fig. Exemple du filtre médian
Méthodes d’extraction d’informationsMéthodes d’extraction d’informations (PCA) (PCA)
DéfinitionDéfinition
Idée Générale Idée Générale
Méthodes d’extraction d’informationsMéthodes d’extraction d’informations
Etape1: Etape1: Définir les images des personnes.Définir les images des personnes.
Fig. Exemple de visages ORL
Étapes de la PCA (Eigen face)Étapes de la PCA (Eigen face)
Méthodes d’extraction d’informationsMéthodes d’extraction d’informations
Etape2:Etape2:
w1
w2
w3
.
.
.
wn
Vecteur
Image
Étapes de la PCA (Eigen face)Étapes de la PCA (Eigen face)
Etape3: Etape3: Consiste à calculer la moyenne des visagesConsiste à calculer la moyenne des visages
Représenter sous forme d’un vecteurReprésenter sous forme d’un vecteur
Méthodes d’extraction d’informationsMéthodes d’extraction d’informations
Étapes de la PCA (Eigen face)Étapes de la PCA (Eigen face)
M
iiM 1
1
Etape4:Etape4: Enlever la moyenne de la matrice d’images. Enlever la moyenne de la matrice d’images.
Méthodes d’extraction d’informationsMéthodes d’extraction d’informations
Étapes de la PCA (Eigen face)Étapes de la PCA (Eigen face)
ii
Etape5: Etape5: Construire la matrice de covariance.Construire la matrice de covariance.
Méthodes d’extraction d’informationsMéthodes d’extraction d’informations
Étapes de la PCA (Eigen face)Étapes de la PCA (Eigen face)
tTn
M
nn AA
MC
1
1
MA ...21
Tel que
Etape6: Etape6: Calcul des vecteurs propres (espace d’étude)Calcul des vecteurs propres (espace d’étude)
Etape7: Etape7: Choix K vecteurs propres correspondants aux Choix K vecteurs propres correspondants aux
K plus grandes valeurs propres K plus grandes valeurs propres
Méthodes d’extraction d’informationsMéthodes d’extraction d’informationsÉtapes de la PCA (Eigen face)Étapes de la PCA (Eigen face)
Méthodes d’extraction d’informationsMéthodes d’extraction d’informations
Représentation des visages propres :Représentation des visages propres :
K
jjji uwmean
1
i
Tjj uw
IK
i
i
i
w
w
w
.
.
.2
1
DéfinitionDéfinition
Méthodes d’extraction d’informationsMéthodes d’extraction d’informations (DCT) (DCT)
1
0
1
0
)2
)12(cos()
2
)12(cos(),()()(),(
N
y
N
x N
vy
N
uxyxfvuvuC
N
Nu2
1)(
0
0
u
u
pour
pour
0
0
u
u
Exemple d’Application de la DCT :Exemple d’Application de la DCT :
Méthodes d’extraction d’informationsMéthodes d’extraction d’informations (DCT) (DCT)
182 182 182 181 181 179 180 178178 178 179 181 181 181 182 179182 181 181 181 181 182 182 179182 182 182 181 181 179 180 179178 178 178 182 181 182 182 179182 181 181 181 180 182 182 178182 181 181 181 181 182 182 178182 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
Récupération des coefficients DCT:
Méthodes d’extraction d’informationsMéthodes d’extraction d’informations (DCT) (DCT)
Fig modèle zigzag d’un bloc 8 x 8
Propriétés de la DCT :Propriétés de la DCT :
Décorrélation Décorrélation
Compression d'énergie Compression d'énergie
Séparabilité Séparabilité
Méthodes d’extraction d’informationsMéthodes d’extraction d’informations (DCT) (DCT)
Conclusion et perspectivesConclusion et perspectives
Implémentation des prétraitements sur les Implémentation des prétraitements sur les imagesimagesImplémentation de la PCA et de la DCTImplémentation de la PCA et de la DCTApplication des GMM comme classifieurApplication des GMM comme classifieurFaire l’apprentissage et le test sur des Faire l’apprentissage et le test sur des bases de données, entre autre la base bases de données, entre autre la base ORLORLUtilisation d’images vidéoUtilisation d’images vidéoComparaison des résultats obtenus Comparaison des résultats obtenus