Logo monebiom Logo ensicaen Logo CNRS Logo UCBN

Outils d'utilisateurs

Outils du Site


fr:recherche:master

Master recherche

Sujet : Reconnaissance faciale pour l'authentification biométrique

La biométrie est présente dans notre vie quotidienne, par le passeport numérique, le contrôle d'accès ou bien encore pour des applications en vidéosurveillance. Parmi toutes les technologies biométriques, la reconnaissance faciale représente un défi. En effet, la reconnaissance faciale est une technique sans contact et est donc possible sans l'accord de l'individu. Cependant, de nombreux problèmes se posent encore tels que les variations d'illumination ou d'orientation du visage lors de l'acquisition. De plus, un individu change avec le temps (coupe de cheveux, lunettes, âge…).

Le but de ce stage de master a été dans un premier temps de faire un état de l’art des méthodes de biométrie existante, qu’il s’agisse de reconnaissance faciale, de reconnaissance de l’iris ou bien de l’empreinte digitale. Nous avons pu voir que les approches classiques en reconnaissance faciale sont basées sur la réduction de l’information avec des méthodes telles que l’Analyse en Composante Principale (ACP) ou bien des méthodes plus sophistiquées telle que la méthode fisherface. Un état de l’art sur les méthodes d’apprentissages a également été réalisé. Les méthodes d’apprentissages telles que les K-plus proches voisins, les réseaux de neurones ou bien les séparateurs à vaste marge ont été étudiés.

Dans un second temps, une méthode de reconnaissance biométrique au moyen de descripteurs invariants et d'un séparateur à vaste marge à été proposée. Cette méthode de reconnaissance est une adaptation pour le visage de la méthode proposé par Anant Choksuriwong au cours de sa thèse intitulé Interprétation de scènes pour la robotique permettant la reconnaissance d'objets. Les descripteurs invariants sont des descripteurs classiquement utilisés en reconnaissance d'objets. Le fait que ces descripteurs soient invariants est alors particulièrement intéressant pour faire face aux problèmes d'illumination et d'orientation, et s'adapte donc bien à la reconnaissance du visage. Une étude comparative de plusieurs descripteur invariants, tels que les moments de Hu, les descripteurs de Fourier-Mellin ou bien les moments de Zernike, a permis d'obtenir des résultats de reconnaissance du visage du même ordre que les meilleurs résultats de l'état de l'art. En effet, sur la base de données AR, contenant les visages de 120 individus, nous avons lors obtenus des taux de bonnes reconnaissance allant jusqu'à 97,48% avec les moment de Zernike.

fr/recherche/master.txt · Dernière modification: 2012/10/26 11:04 par Baptiste Hemery

Outils de la Page