‫Reconnaissance Biométrique par Fusion Multimodale du Visage 2D et 3D - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2015

Biometric Recognition by Multimodal Fusion of the 2D and 3D Face

‫Reconnaissance Biométrique par Fusion Multimodale du Visage 2D et 3D

Abdelmalik Ouamane
  • Fonction : Auteur
  • PersonId : 1035187

Résumé

Facial recognition is one of the best biometric modalities for applications related to the identification or verification of people. Indeed, it is the modality used by humans. It is non-intrusive and socially well accepted. Unfortunately, human faces are similar and therefore offer little possibility of distinction from other biometric modalities, such as fingerprints and iris. Moreover, when it comes to 2D images of faces, the intra-class variations, due to factors as diverse as the changes in lighting conditions, variation of cosmetics and pose, are generally greater than the inter-class variations. classes, which makes 2D face recognition unreliable under real-world conditions. Recently, 3D representations of faces have been widely studied by the scientific community to address unresolved issues in 2D facial recognition. This thesis is devoted to robust facial recognition using 2D and 3D facial data fusion. We devote the first part of our study to uni-modal face verification and 2D multi-face algorithms. First, we study several methods to select the best face authentication systems. Next, we present multi-modality and score fusion methods for both combination and classification approaches. Finally, merging methods of scores are compared on the XM2VTS face database. In the second part, we propose an automatic face authentication algorithm by merging two multimodal systems (multi-algorithms and multi-sensors 2D + 3D). First, we corrected the rotation of the head by the ICP algorithm and then presented six local feature extraction methods (MSLBP, proposed CSL, Gabor Wavelets, LBP, LPQ and BSIF). The classification of the characteristics is carried out by the cosine metric after reduction of space by EFM, then fusion at scores level by a good classifier with two classes SVM. Finally, the application is performed on the CASIA 3D and Bosphorus databases. In the last part, we study the uni-modal 2D and 3D and multimodal (2D + 3D) face verification based on the fusion of local information. The study consists of three main stages (preprocessing, feature extraction and classification). In the first step, a preprocessing phase is necessary. The ICP algorithm is used to align all faces and the PS approach is used to reduce the influence of dimming for 2D images. In the second step, we used four local descriptors (LBP, LPQ, BSIF and proposed Statistical LBP). After extracting the features, the 2D or 3D facial image is divided into 10 regions and each region is divided into 15 small blocks. The extraction of local characteristics is summarized by the corresponding histograms of each block. In the last step, we propose to use EDA coupled to WCCN for histogram dimension reduction for each region. We validate our proposed methods by comparing them with those existing in the scientific literature on the FRGC v2 and CASIA 3D databases.
La reconnaissance faciale est l'une des meilleures modalités biométriques pour des applications liées à l'identification ou l'authentification de personnes. En effet, c'est la modalité utilisée par les humains. Elle est non intrusive et socialement bien acceptée. Malheureusement, les visages humains sont semblables et offrent par conséquent une faible possibilité de distinction par rapport à d'autres modalités biométriques, comme par exemple, les empreintes digitales et l'iris. Par ailleurs, lorsqu'il s'agit d'images 2D de visages, les variations intra-classe, dues à des facteurs aussi divers que les changements des conditions d'éclairage, variation de cosmétiques et de pose, sont généralement supérieures aux variations inter classes, ce qui rend la reconnaissance faciale 2D peu fiable dans des conditions réelles. Récemment, les représentations 3D de visages ont été largement étudiées par la communauté scientifique pour pallier les problèmes non résolus dans la reconnaissance faciale 2D. Cette thèse est consacrée à la reconnaissance faciale robuste utilisant la fusion des données faciales 2D et 3D. Nous consacrons la première partie de notre étude à la vérification de visage uni-modale et multi-algorithmes de visage 2D. Tout d’abord, nous étudions plusieurs méthodes pour sélectionner les meilleurs systèmes d’authentification de visages. Ensuite, nous présentons la multi-modalité et les méthodes de fusion de scores pour les deux approches combinaison et classification. Enfin les méthodes de fusion de scores sont comparées sur la base de données des visages XM2VTS. Dans la deuxième partie nous proposons un algorithme automatique d'authentification du visage par la fusion de deux systèmes multimodaux (multi-algorithmes et multi-capteurs 2D + 3D). Tout d'abord, nous avons corrigé la rotation de la tête par l'algorithme ICP, puis présenté six méthodes d'extraction de caractéristiques locales (MSLBP, CSL proposée, Ondelettes de Gabor, LBP, LPQ et BSIF). La classification des caractéristiques est réalisée par le métrique cosinus après réduction d'espace par EFM, puis fusion au niveau des scores par un bon classificateur à deux classes SVM. Enfin, l'application est réalisée sur les bases de données CASIA 3D et Bosphorus. Dans la dernière partie, nous étudions la vérification de visage uni-modale 2D et 3D et multimodale (2D+3D) basée sur la fusion de l'information locale. L'étude comprend trois étapes principales (prétraitement, extraction de caractéristiques et classification). Dans la première étape, une phase de prétraitement est nécessaire. L’algorithme ICP est utilisé pour aligner tous les visages et l'approche PS est utilisée pour réduire l'influence de la variation de l'éclairage pour les images 2D. Dans la deuxième étape nous avons utilisé quatre descripteurs locaux (LBP, LPQ, BSIF et Statistical LBP proposée). Après extraction des caractéristiques, l'image faciale 2D ou 3D est divisée en 10 régions et chaque région est divisée en 15 petites blocs. L'extraction de caractéristiques locales est résumée par les histogrammes correspondants de chaque bloc. Dans la dernière étape, nous proposons d'utiliser EDA couplée à WCCN pour la réduction de dimension des histogrammes pour chaque région. Nous validons nos méthodes proposées en les comparant avec celles existant dans la littérature scientifique sur les bases de données FRGC v2 et CASIA 3D.
Fichier principal
Vignette du fichier
ouamane abdelmalik.pdf (12.74 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)
Loading...

Dates et versions

tel-01852447 , version 1 (01-08-2018)

Identifiants

  • HAL Id : tel-01852447 , version 1

Citer

Abdelmalik Ouamane. ‫Reconnaissance Biométrique par Fusion Multimodale du Visage 2D et 3D. Vision par ordinateur et reconnaissance de formes [cs.CV]. University Mohamed Khider Biskra, Algeria, 2015. Français. ⟨NNT : ⟩. ⟨tel-01852447⟩
362 Consultations
410 Téléchargements

Partager

Gmail Facebook X LinkedIn More