Loading presentation...

Present Remotely

Send the link below via email or IM

Copy

Present to your audience

Start remote presentation

  • Invited audience members will follow you as you navigate and present
  • People invited to a presentation do not need a Prezi account
  • This link expires 10 minutes after you close the presentation
  • A maximum of 30 users can follow your presentation
  • Learn more about this feature in our knowledge base article

Do you really want to delete this prezi?

Neither you, nor the coeditors you shared it with will be able to recover it again.

DeleteCancel

Make your likes visible on Facebook?

Connect your Facebook account to Prezi and let your likes appear on your timeline.
You can change this under Settings & Account at any time.

No, thanks

Présentation de soutenance de fin d'etudes.

No description
by

karray yecine

on 19 September 2012

Comments (0)

Please log in to add your comment.

Report abuse

Transcript of Présentation de soutenance de fin d'etudes.

Projet de fin d'études pour l'obtention du
Diplôme Nationale d'Ingénieur en Informatique Réalisé par: Karray Yecine Reconnaissance de visages: Etude expérimentale de techniques d'analyse de textures et mise en place d’un prototype fonctionnel sous la plateforme Android. Introduction.
Etude Générale.
Extracteurs de texture: Tests et Résultats.
Réalisation.
Conclusion. Plan Introduction Caractéristiques biométriques: Universelles, uniques, permanentes, collectables, mesurables.
3 catégories:
Analyse de traces biologiques (sang, ADN…)
Analyse comportementale (tracé, signature…)
Analyse morphologique (empreinte digitale, traits du visage, IRIS…) Enjeux:
Authentification des personnes.
Associer un visage à une identité.
Applications de sécurité.
Avancées technologiques:
Matériel performant.
Ordinateurs puissants.
Outils de traitements. Etude Générale Systèmes existants:
Système de Neifan&Monson: HMM.
Système de Chaari: Moments de Zernike(2009).
Eigenface, Fisherface….

Les plus récents:
Galaxy S3: Ice Cream Sandwich(ANDROID 4.0)
FBI: 1 milliard de $. Objectifs:
Etudier des extracteurs de texture et faire les tests dans le domaine de la reconnaissance de visages.
Faire des tests sur une base d’images.
Identifier l’extracteur avec le meilleur taux de reconnaissance. Texture: Une texture est un motif homogène qui se répète. Extracteurs de texture Matrices de cooccurrences de niveaux de Gris:
décrites par haralick (1973) Elle permet de déterminer la fréquence d'apparition d'un "motif" formé de deux  pixels séparés par une certaine distance ‘d’ dans une direction particulière’ thêta’ par rapport à l'horizontale. MCNG avec D=2, θTheta== 0°. MCNG avec D=1, θTheta== 45°. MCNG avec D=1, Thetaθ= 0°. Image Initiale Filtres de Gabor:
Porte le nom du physicien anglais d’origine hongroise Dennis Gabor, c’est un filtre linéaire dont la réponse impulsionnelle est une sinusoïde modulée par une Gaussienne. Exemple d’une image filtrée avec
Gabor: F=8hz, et Thêta=0°. Pyramides Orientables:
C’est une méthode d’analyse linéaire et locale qui permet une décomposition multi-échelle, qui à partir d’une image de base, moyennant des filtres nous donne une décomposition de l’image en niveaux décroissant. Les Ondelettes:
C’est un mécanisme qui consiste à appliquer deux filtres, l’un passe bas et l’autre passe haut a une image de départ pour avoir en sortie 4 images correspondant chacune respectivement à une approximation de l’image de départ avec une résolution inférieure, une image de détails horizontaux, une image de détails verticaux et une dernière de détails diagonaux. La base d’images:
C’est une base de 40 individus ayant chacun 10 images à 256 niveaux de gris. 7 images ont été réservées pour l’apprentissage et 3 pour la phase de test.
Enregistrer les caractéristiques dans un fichier.
Calculer les distances:
distance de cambera.
Phase de décision(classifieur KPPV):
K=1, Résultat évident.
K=5,7 produit des distances. Résultats des tests 1ère étape: développement de la fonction de Gabor en C.
2ème étape: Intégration du code C dans une Activité Android.
Nécessité Matérielle: un appareil Android
Nécessité Logicielle:
Environnement Eclipse.
CDT.
NDK, SDK. Réalisation Conclusion & Perspectives Etude des techniques d’analyse de textures
Réalisation d’un prototype fonctionnel de reconnaissance faciale basé sur l’extraction de textures par les filtres de Gabor. Notre application présente le défaut de donner la plus proche personne, elle pourrait être améliorée en ajoutant un seuil de décision.
L’apprentissage (recueil des caractéristiques) se fait sur machine, un module pourrait être intégré a notre application pour améliorer la sa performance.
Notre application a la limitation de ne pas contrôler la présence ou absence de visages dans la photo, ni le contrôle de la luminosité, un module de détection de visage et un control de la luminosité pourrait être ajouter pour augmenter les chances de reconnaissance. Merci pour votre attention
Full transcript