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

摘要

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 généralementudsupérieures 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 2Dudet 3D.ud 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.ud 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.ud 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.