3D Face Recognition System

La description

La reconnaissance de cibles humaines a été un domaine de recherche actif ces dernières années, avec un accent particulier sur la détection automatique et la correspondance des visages dans les images fixes et les vidéos, à des fins de vérification et d'identification. Les performances des systèmes d'appariement de visage 2D dépendent de leur capacité à être insensibles à des facteurs critiques tels que les expressions faciales, le maquillage et le vieillissement, mais dépendent principalement de facteurs extrinsèques tels que les différences d'éclairage, le point de vue de la caméra et la géométrie de la scène. Cependant, les limites inhérentes à l'appariement des visages 2D ont soutenu la conviction qu'une reconnaissance efficace de l'identité devrait être obtenue grâce à des technologies multi-biométriques. En particulier, l'exploitation de la géométrie de la structure anatomique du visage plutôt que de son apparence, avec la définition d'algorithmes et de systèmes d'appariement de visage 3D, a été un domaine de recherche en plein essor ces dernières années. Les systèmes de reconnaissance faciale 3D visent à utiliser les données 3D supplémentaires pour éliminer certains des problèmes intrinsèques associés aux systèmes de reconnaissance 2D. Par exemple, la surface 3D d'un visage est invariante aux changements des conditions d'éclairage et, par conséquent, les systèmes de reconnaissance qui utilisent ces données devraient être, par définition, invariants à l'éclairage. De plus, étant donné qu'il est possible d'enregistrer un certain nombre de modèles 3D dans une pose de base, un tel système serait également invariant du point de vue (bien que dans quelle mesure cela dépende de l'exhaustivité du modèle de tête 3D). En plus des données 3D, il reste possible de capturer des informations de texture et ainsi d'utiliser toutes les données disponibles pour guider le processus de reconnaissance.

Le code a été testé sur la base de données GavabDB. GavabDB est une base de données de visages 3D. Il contient 549 images tridimensionnelles de surfaces faciales. Ces maillages correspondent à 61 individus différents (45 hommes et 16 femmes) ayant 9 images pour chaque personne. Le total des individus sont de race blanche et leur âge est compris entre 18 et 40 ans. Chaque image est donnée par un maillage de points 3D connectés de la surface faciale sans texture. La base de données fournit des variations systématiques en ce qui concerne la pose et l'expression du visage.

Termes de l'index : Matlab, source, code, 3D, visage, reconnaissance, vérification, modèle, correspondance, virtuel, réalité, modélisation, langage, vrml.