Télécharger la présentation
La présentation est en train de télécharger. S'il vous plaît, attendez
1
Biométrie «visage » avantages
Sans contact voire distante, naturelle, bien acceptée N’implique pas de coopération de l’usager Peut exploiter des bases de données existantes et un enrôlement distant Très liée à d’autres applications (indexation, IHM, cadrage automatique, localisation) Capteurs très peu chers
2
Inconvénients Sensible à l’environnement d’acquisition (segmentation du fond, illumination) Sensible aux expressions faciales et aux altérations de l’aspect (âge, pilosité) Potentiellement intrusif du point de vue éthique (vie privée) du fait de la non coopération
3
Galerie de 320 visages
4
Acquisition Capteurs: caméra (fixe/ PTZ) Caméras multiples
Spectre: Visible / IR Neutralisation du fond (mise au point) Capteurs 3D (stéréo active / passive, « range finder ») Image fixe vs vidéo
5
Multiples
6
Synthèse d’une vue faciale
7
Stéréo (1) Exemple de lignes épipolaires et de pixels homologues
8
Triangulation Point dans l’espace Plan image Centre optique
Point de l’image 6/21
9
Localisation: un problème très difficile
Choix du cadrage, de la forme, problème des visages multiples
10
Outils pour la localisation
Teinte chair obtenue par Un modèle statistique (GMM) Diagramme des pixels de peau dans l’espace YCbCr RGB YCbCr Y=(R+G+B)/3 Cb = bleu Cr= rouge
11
suite Détection de l’ovale du visage par Transformation de Hough
12
Transformée de Hough Ellipse
Vote d’un pixel de contour (pour un rayon optimal) Résultat de des votes accumulés
13
suite
14
Cadrage
15
Fusion
16
Matching de visages Normalisations radiométriques (illumination)
Vecteur de mesures (après corrections géométriques)) Portrait robot Modèles déformables (morphing) « Eigenface » (Analyse en Composantes Principales) Réseaux de neurones
17
Problèmes d’illumination
18
Solution SFS: « shape from shading »
19
Mesures 1=3-5 2=1-3 3=1-2 4=1-4 5=4-6 6=6-7 7=3-7
20
suite
21
suite
22
suite
23
couleur MoyCb,MoyCr,StdCb,StdCr 112.5482 158.9421 1.6436 2.3160
MoyCb,MoyCr,StdCb,StdCr
24
suite
25
Portrait robot Match avec base d’yeux Match avec base de bouches
26
Modèle mpeg4
27
Appearance Shape Model
S = Vecteur des coordonnées des sommets On ne conserve que la forme et pas la texture
28
Exemples de vecteurs de déformation pour la forme
29
Alignement (ASM)
30
Alignement des points de références
31
Modèle 3d Candide 3d Autre modèle 3d
32
Modèles moyens Modèles moyen (F/H)
33
Transfert de texture Remise à l’identique (forme) de visages
34
Eigenfaces Un visage 16x16 = un point de R16
Un ensemble de visages = nuage E de points Calcul du centre de E et de ses « axes principaux » a m E a =m + u1V1+…..+ unVn
35
Visage moyen
37
Approche 3D et vidéo Utiliser la forme 3D du visage (plus d’infos, pas de problèmes d’orientations, permet de tenir compte des illuminations) Capteur= Stéréo passive ou active / Vidéo Problème de l’appariement des pixels Enrôlement plus complexe
38
Capteur 3D
39
Exemples de données 3d
40
Conclusion Une technologie encore peu robuste (en reconnaissance) en conditions quelconques (« images volées ») Applicable avec des contraintes (expression, illumination, fond, pose) pour l’authentification Impose un enrôlement périodique Applications embarquées (voiture, téléphone, portable, …)
Présentations similaires
© 2024 SlidePlayer.fr Inc.
All rights reserved.