Optimisation de stratégies de fusion pour la reconnaissance de visages 3D.

摘要: La reconnaissance faciale (RF) est un domaine de recherche tres actif en raison ses nombreuses applications dans le la vision par ordinateur general et biometrie particulier. Cet interet motive plusieurs raisons. D’abord, visage universel. Ensuite, il moyen plus naturel les etres humains s’identifier uns des autres. Enfin, tant que modalite biometrique presente caractere non intrusif, ce qui distingue d’autres modalites biometriques comme l’iris ou l’emprunte digitale. RF represente aussi defis scientifiques importants. D’abord parce tous visages ont configurations similaires. avec images faciales 2D l’on peut acquerir facilement, variation intra-classe, due a facteurs changement poses conditions d’eclairage, variations d’expressions faciales, vieillissement, bien importante inter-classe.Avec l’arrivee systemes d’acquisition 3D capables capturer profondeur d’objets, (RF 3D) emerge une voie prometteuse pour traiter deux problemes resolus 2D, savoir pose d’eclairage. En effet, cameras delivrent generalement scans leurs texture alignees. Une solution donc tirer parti d’une fusion avisee d’informations forme celles 2D. etant donne offrent fois surfaces pure alignees, nombre possibilites optimiser taux considerable. L’optimisation strategies meilleure l’objectif principal nos travaux menes cette these.Dans l’etat d’art, diverses ete proposees 3D, allant precoce "early fusion" operant au niveau caracteristiques tardive "late sur sorties classifieurs, passant intermediaires. Pour tardive, nous distinguons encore combinaisons parallele, cascade multi-niveaux. exploration exhaustive d’un tel espace impossible, faut recourir solutions heuristiques constituent demarches base cadre these.En plus, s’inscrivant biometriques, criteres d’optimalite restent questions primordiales. strategie dite optimisee si elle capable d’integrer differentes et, largement, informations extraites lors du processus quelque soit leur d’abstraction consequent, difficulte.Pour surmonter toutes ces difficultes proposer optimisee, notre demarche s’appuie part l’apprentissage permet qualifier donnees d’entrainement experts selon performance ERR, d’autre l’utilisation d’optimisation heuristique recuit simule d’optimiser melanges fusionner. [...]