La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

Reconnaissance de visages. Plan Introduction Quest ce que la Biométrie État de lart Prétraitements sur les images Méthodes dextraction dinformations (PCA,

Présentations similaires


Présentation au sujet: "Reconnaissance de visages. Plan Introduction Quest ce que la Biométrie État de lart Prétraitements sur les images Méthodes dextraction dinformations (PCA,"— Transcription de la présentation:

1 Reconnaissance de visages

2 Plan Introduction Quest ce que la Biométrie État de lart Prétraitements sur les images Méthodes dextraction dinformations (PCA, DCT, …) (PCA, DCT, …) Conclusion et perspectives

3 Introduction 2 manières didentifier un individu Basé sur une connaissance Basé sur une possession Mot de passe Code pièce didentité clef badge

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

5 Introduction Solution: Utilisation des caractéristiques biométriques comme moyen didentification

6 Biométrie Quest ce que la biométrie ? 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

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

8 État de lart Quest ce quun système de reconnaissance de visage ? Monde Extérieurs Acquisition dimage Les Prétraitements Détection Et Localisation Extraction des paramètres et Classification Apprentissage Teste Et Décision

9 État de lart Méthodes de reconnaissance dindividus : Techniques de reconnaissance dindividus Intrusives ADN Empreintes digitales Iris Rétine Géométrie de la main Voix Signature Non Intrusives Visages Démarche Mesure (3D) Morphologique

10 État de lart Méthodes de reconnaissance de visages Visages Globales Hybrides Locales Les HMMs Iso Density Maps Mesures Et Ratios Eigen Objects (EO) Couleur Gabor wavelet -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 SVM DCT Mod-2 Histogramme De Couleurs Kernel PCA Kernel LDA

11 Prétraitements sur les images 1 Normalisation : Fig. Exemple de normalisation dune image

12 Prétraitements sur les images 2 Égalisation de lhistogramme Fig. Exemple dégaliseur dhistogramme

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

14 Méthodes dextraction dinformations (PCA) Définition Idée Générale

15 Méthodes dextraction dinformations Etape1: Définir les images des personnes. Fig. Exemple de visages ORL Étapes de la PCA (Eigen face) Étapes de la PCA (Eigen face)

16 Méthodes dextraction dinformations Etape2: w1 w2 w3. wn Vecteur Image Étapes de la PCA (Eigen face) Étapes de la PCA (Eigen face)

17 Etape3: Consiste à calculer la moyenne des visages Représenter sous forme dun vecteur Méthodes dextraction dinformations Étapes de la PCA (Eigen face) Étapes de la PCA (Eigen face)

18 Etape4: Enlever la moyenne de la matrice dimages. Méthodes dextraction dinformations Étapes de la PCA (Eigen face) Étapes de la PCA (Eigen face)

19 Etape5: Construire la matrice de covariance. Méthodes dextraction dinformations Étapes de la PCA (Eigen face) Étapes de la PCA (Eigen face) Tel que

20 Etape6: Calcul des vecteurs propres (espace détude) Etape7: Choix K vecteurs propres correspondants aux K plus grandes valeurs propres K plus grandes valeurs propres Méthodes dextraction dinformations Étapes de la PCA (Eigen face) Étapes de la PCA (Eigen face)

21 Méthodes dextraction dinformations Représentation des visages propres :

22 Définition Méthodes dextraction dinformations (DCT)

23 Exemple dApplication de la DCT : Méthodes dextraction dinformations (DCT) DCT

24 Récupération des coefficients DCT: Méthodes dextraction dinformations (DCT) Fig modèle zigzag dun bloc 8 x 8

25 Propriétés de la DCT : Décorrélation Compression d'énergie Compression d'énergie Séparabilité Méthodes dextraction dinformations (DCT)

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


Télécharger ppt "Reconnaissance de visages. Plan Introduction Quest ce que la Biométrie État de lart Prétraitements sur les images Méthodes dextraction dinformations (PCA,"

Présentations similaires


Annonces Google