FUSION DE FACE 3D COULEUR, PROFONDEUR ET PROFIL POUR SRV3D

Abstract

RESUMES (Français et Arabe) Reconnaissance des visages traditionnels d'images de couleur ou l'intensité présente de nombreux défis, tels que les variations de l'éclairage, la pose et l'expression. En fait, le visage humain non seulement génère des informations de texture 2D, mais aussi des informations de forme 3D. Dans ce travail, nous examinons quelles sont les contributions des informations de profondeur, de couleur et de profil pour faire la reconnaissance faciale lorsque la variation de l'éclairage et de poses sont pris en compte. Nous présentons une méthode d'extraction de caractéristiques basées sur la réduction de l'espace unidimensionnel: l'analyse en composantes principales en amont à l’Enhanced Fisher Modèle linéaire discriminante (EFM). Une présentation théorique de ces approches et leurs applications sur les images profondeur, la couleur et profil est faite. Il y’a aussi une étude comparative sur la fusion de l'information de profondeur, couleur et profil pour les deux niveaux: les caractéristiques et les scores pour sélectionner les fonctions les plus efficaces et robustes et de construire ainsi une forte classification. La concaténation des vecteurs de caractéristiques et de la fusion des pixels des différentes modalités retenues : la moyenne, le produit, le minimum et le maximum sont utilisés dans le cas de fusion des scores par combinaison. Une normalisation par min_max est réalisée au préalable. La classification est réalisée par le Support Vector Machines (SVM). Les expériences sont effectuées sur la base de données CASIA visage 3D V4, des ensembles de données complexes avec des variations, y compris les variations de l'éclairage, de poses et les échecs de longue date entre les deux scans. Les résultats expérimentaux montrent la performance prometteuse du système proposé. Notez que dans notre système, tous les processus sont exécutés automatiquement. Mots-clés : Profondeur, EFM, Fusion, Profil, ClassificationSVM, SRV3D.