Veuillez choisir le dossier dans lequel vous souhaitez ajouter ce contenu :
Résumé de la communication
La reconnaissance des visages dans les spectres non visibles, plus particulièrement le spectre infrarouge a suscité beaucoup d’intérêt ces dernières années. La majorité des techniques utilisées dans le spectre infrarouge sont basées sur les techniques linéaires utilisées dans le visible, comme les techniques eigenfaces (PCA) et fishrfaces (LDA). Ce travail, présente l’utilisation des techniques non linéaires de réduction de dimensionnalité et des techniques probabilistes pour la reconnaissance des visages dans le domaine multi-spectrale : visible, proche infrarouge, infrarouge court, infrarouge moyen et infrarouge lointain. Les techniques proposées permettent de réduire plusieurs effets (variations métaboliques, changement d’éclairage, changement dans le temps, ombrage, lunettes, etc.) et d’augmenter ainsi la robustesse de la reconnaissance. Une comparaison avec les techniques classiques de reconnaissance des visages est aussi effectuée. De plus, une nouvelle approche de segmentation des visages dans le spectre infrarouge utilisant les séparateurs à vaste marge (SVM) est présentée. Les résultats expérimentaux effectués sur deux bases de données multi-spectrales montrent que l’utilisation des techniques non linéaires et probabilistes pour la reconnaissance des visages permet d’atteindre des performances élevés.
Vous devez être connecté pour ajouter un élément à vos favoris.
Veuillez vous connecter ou créer un compte pour continuer.
Outils de citation
Citer cet article :
MLA
APA
Chicago
Ajouter un dossier
Vous pouvez ajouter vos contenus préférés à des dossiers organisés. Une fois le dossier créé,
vous pouvez ajouter un article ou un contenu de la liste ou de la vue détaillée au dossier sélectionné dans la liste.