Reconnaissance de visages 2.5D par fusion des indices de texture et de profondeur ICI 12/12/12

Dimension: px
Commencer à balayer dès la page:

Download "Reconnaissance de visages 2.5D par fusion des indices de texture et de profondeur ICI 12/12/12"

Transcription

1 Reconnaissance de visages 2.5D par fusion des indices de texture et de profondeur ICI 12/12/12

2 2

3 Discrimination Invariance Expressions faciales Age Pose Eclairage 11/12/2012 3

4 Personne Inconnue Identité Système d identification 11/12/2012 4

5 Approche 2D Personne Inconnue Changement d éclairage Changement de pose Changement des expressions faciales Identité Système d identification 11/12/2012 5

6 Approche 3D Personne Inconnue Invariance au changement d éclairage Invariance au changement de la pose Précision très grande Identité Système d identification Sensibles aux expressions faciales, Matériel spécifique et onéreux (ex. scanners 3D) Temps d aquisition 11/12/2012 6

7 Approche de fusion 2D+3D (2,5D) Personne Inconnue Plus d information par rapport aux approches 2D Invariance au changement d éclairage et de pose Coût faible de traitement Identité Système d identification Moins de précision par rapport aux approches 3D 11/12/2012 7

8 Images couleur Détection du visage Image couleur Extraction de descripteurs Base de descripteurs 11/12/2012 8

9 Images couleur Détection du visage Image couleur Image couleur Extraction de descripteurs Base de descripteurs Descripteur d apparence Correspondance Décision 11/12/2012 9

10 Images de couleur + cartes de profondeur Détection du visage Image couleur+ carte de profondeur Image couleur Fusion Carte de profondeur Extraction de descripteurs Base de descripteurs Descripteur d apparence Correspondance Décision 11/12/

11 Images couleur+ cartes de profondeur Détection du visage Image couleur+ carte de profondeur Image couleur Carte de profondeur Extraction de descripteurs Extraction de descripteurs Fusion Base de descripteurs Descripteur d apparence Descripteur de forme Descripteurs de forme Correspondance Décision 11/12/

12 Images couleur + cartes de profondeur Détection du visage Image couleur+ carte de profondeur Image couleur Carte de profondeur Extraction de descripteurs Extraction de descripteurs Descripteurs d apparence Descripteur d apparence Descripteurs de forme Descripteur de forme Correspondance Correspondance Décision Fusion Décision Décision 11/12/

13 Images couleur + cartes de profondeur Détection du visage Image couleur+ carte de profondeur Image couleur Carte de profondeur Extraction de descripteurs Extraction de descripteurs Descripteurs d apparence Descripteur d apparence Descripteurs de forme Descripteur de forme Correspondance Correspondance Décision Décision 11/12/

14 Images couleur + cartes de profondeur Détection du visage Image couleur+ carte de profondeur Image couleur Carte de profondeur Extraction de descripteurs Extraction de descripteurs Descripteurs d apparence Descripteur d apparence Descripteurs de forme Descripteur de forme Correspondance Correspondance Décision Décision 11/12/

15 Images couleur + cartes de profondeur Détection du visage Image couleur+ carte de profondeur Image couleur Carte de profondeur Extraction de descripteurs Extraction de descripteurs Descripteurs d apparence Descripteur d apparence Descripteurs de forme Descripteur de forme Correspondance Correspondance Décision Décision 11/12/

16 Directe Capteur Infrarouge (Kinect de Microsoft) Time-Of-Flight etc Indirecte Capteur stéréoscopique (Reconstruction stéréoscopique) 16

17 Directe Capteur Infrarouge (Kinect de Microsoft) Time-Of-Flight etc Indirecte Capteur stéréoscopique (Reconstruction stéréoscopique) 17

18 Calculer la profondeur des points constituant une scène à partir de deux ou plusieurs images 2D obtenues de points de vues différents Mise en correspondance 18

19 Décalage d un pixel entre les deux images 19

20 Méthodes locales Corrélation (Block matching) [Zabih et al. 1994] Rapide Sensible au bruit et aux zones homogènes Méthodes globales Coupe de graphe (Graph-cut) [Kolmogorov et al. 2003] Précises Temps de calcul très élevé Segmentation 20

21 Problème Problème d'ouverture (Aperture problem) les régions homogènes 21

22 Idée principale : Incorporer des informations sur le visage dans le processus de la reconstruction pour obtenir les caractéristiques désirées. 22

23 23

24 x d(disparité) Dminp : disparité du plan Pn Dmaxp : disparité du plan Pn+1 y Application de la méthode «Block matching» Intervalles de disparité pour chaque plan Mesure de similarité SAD (Some of Absolute Differences) 24

25 Matrice de dissimilarité Valeurs de la matrice: ICP (Iterative Closest Point) 50 points, 100 itérations 25

26 Textures + cartes de profondeur Détection du visage Requête : Texture + carte de profondeur Image d apparence Carte de profondeur Extraction de descripteurs Extraction de descripteurs Descripteurs d apparence Descripteur d apparence Descripteurs de forme Descripteur de forme Correspondance Correspondance Décision Décision 11/12/

27 Descripteur 3D Forme des courbes faciales [Drira et al. 2010] Les régions concaves et convexes [Berretti et al. 2006] etc Descripteur 2D Gabor [Jahanbin et al. 2011] Local Binary Pattern (LBP) [Huang et al. 2010] 27

28 Descripteur 3D Forme des courbes faciales [Drira et al. 2010] Les régions concaves et convexs [Berretti et al. 2006] etc Descripteur 2D Gabor [Jahanbin et al. 2011] Local Binary Pattern (LBP)[Huang et al. 2010] 28

29 Principe Seuillage Multiplication Formes 3D détectées par LBP(8,1) 29

30 Utilisation de LBP [Stan et al. 2005] 3D LBP [Wang et al. 2006] [Hang et al 2010,2011] Codage d un pixel en 4 codes: 1 Code LBP 3 Codes de la différence du voisinage Meilleure description des formes Limitation à un petit rayon Non invariance à l echelle Image 3D de bonne qualité 30

31 Deux étapes : Normalisation des différences : moyenne des différences en valeur absolue : écart-type. I pertinence ( ) ( ) Normalisation des différence partinente à l intervalle [0, ] log( I pertinence Codage de chaque pixel en codes log( 2) ) 1 log( I pertinence ) log( 2) R= 4 [8,15] Code LBP Codes magnitude

32 B1 B2 Cartes de profondeurs estimées avec notre méthode de reconstruction 20 personnes, 216 carte de profondeur Cartes de profondeurs obtenues par kinect 48 personnes, 624 carte de profondeur Taux de reconnaissance (%) 100 Taux de reconnaissance (%) LBP 90 lbp 85 3DLBP 85 3DLBP 80 Extended-3DLBP 80 Extended-3DLBP R (Rayon) R (Rayon) 32

33 Contributions: Nouvelle méthode d estimation de la profondeur Intégration des informations de forme du visage dans le processus d estimation. Bonne estimation de l information de profondeur Rapidité Sensibilité aux occlusion et au grand changement de la pose Nouveau descripteur de profondeur Basé sur le principe de LBP Simple et rapide 33

34 Perspectives Utilisation de modèles de forme plus puissants pour la reconstruction Modèles actifs d apparence (AAM) Modèles actifs d apparence 3D AAM partiel Proposition d un modèle de fusion couleur+profondeur 34

35 Vuong Le, Hao Tang, Liangliang Cao, and T.S. Huang, Accurate and efficient reconstruction of 3d faces from stereo images. (ICIP), Unsang Park and Anil K. Jain, 3d face reconstruc-tion from stereo video, in Computer and Robot Vision, The 3rd Canadian Conference on, p. 41. R. Lengagne, P. Fua, and O. Monga, 3d stereo re-construction of human faces driven by differential con-straints, Image and Vision Computing, vol. 18, no. 4, pp , Wu, X.; Dai, C. & Liu, J. A novel approach for face recognition based on stereo image processing algorithm Audio, Language and Image Processing, ICALIP International Conference on, 2008, Chow, C. & Yuen, S. Recovering shape by shading and stereo under Lambertian shading model International journal of computer vision, Springer, 2009, 85, S. Milborrow and F. Nicolls, Locating facial fea-tures with an extended active shape model, Computer Vision ECCV 2008, pp , 2008 S. Gupta, K.R. Castleman, M.K. Markey, and A.C. Bovik, Texas 3d face recognition database, in Image Analysis & Interpreta tion (SSIAI), 2010 IEEE Southwest Symposium on. IEEE, Zabih, R. & Woodfill, J. Non-parametric local transforms for computing visual correspondence. Computer Vision ECCV'94, Springer, 1994, Kolmogorov, V. & Zabih, R. Multi-camera Scene Reconstruction via Graph Cuts. ECCV

36 Cartes de profondeur estimées vs. Vérité de terrain Base de donnée : Obtenue de "Texas 3D database" [Gupta et al. 2010]. Baseline: 16 cm Model 3D Méthode proposée Coupure de graph Block matching 36

37 Cartes de profondeur estimées vs. Vérité de terrain Base de donnée : Obtenue de "Texas 3D database" [Gupta et al. 2010]. Baseline: 16 cm Model 3D Méthode proposée Coupure de graph Block matching RMS (root-mean-squared) error PBM (Percentage of Bad Matching pixels) 37

38 Les modèles 3D morphables [Vuong et al. 2010], [Unsang et al. 2006] Temps de calcul très élevé Annotation manuelle Trop de ressemblance au modèle morphable 38

Introduction à la Vision 3D

Introduction à la Vision 3D à la Vision 3D David Fofi Le2i UMR CNRS 6306 IUT Le Creusot Les applications présentées sont le fruit d une collaboration entre le Le2i et le laboratoire VICOROB de l Université de Gérone (Espagne). Les

Plus en détail

Vision par ordinateur

Vision par ordinateur Vision par ordinateur Introduction au domaine Applications Frédéric Devernay Qu'est-ce que la vision? Le monde a une structure 3D et est composé d'objets L'être humain sait parfaitement décrire et interpréter

Plus en détail

Analyse d images introduction

Analyse d images introduction L3, option Image Analyse d images introduction http ://perception.inrialpes.fr/people/boyer/teaching/l3/ Elise Arnaud - Edmond Boyer Université Joseph Fourier / INRIA Rhône-Alpes elise.arnaud@inrialpes.fr

Plus en détail

Synthèse sur les segmentations testées 2D et 3D Dernière mise à jour : avril 2011

Synthèse sur les segmentations testées 2D et 3D Dernière mise à jour : avril 2011 Projet 2009 2010 Biométrie 3D Synthèse sur les segmentations testées 2D et 3D Dernière mise à jour : avril 2011 Département : TIC Mots clés : Biométrie, Analyse d images, Vision, Caméra thermique, Caméra

Plus en détail

Reconstruction et Animation de Visage. Charlotte Ghys 15/06/07

Reconstruction et Animation de Visage. Charlotte Ghys 15/06/07 Reconstruction et Animation de Visage Charlotte Ghys 15/06/07 1 3ème année de thèse Contexte Thèse CIFRE financée par Orange/France Telecom R&D et supervisée par Nikos Paragios (Ecole Centrale Paris) et

Plus en détail

Vision par ordinateur

Vision par ordinateur Vision par ordinateur Stéréoscopie par minimisation d'énergie Frédéric Devernay d'après le cours de Richard Szeliski Mise en correspondance stéréo Quels algorithmes possibles? mettre en correspondance

Plus en détail

Vision par ordinateur

Vision par ordinateur Vision par ordinateur Vision 3D (deuxième partie) Alain Boucher IFI Mise en correspondance (appariement) Approche basée sur la corrélation 2 Approche basée sur la corrélation Il faut des régions texturées

Plus en détail

Vision par ordinateur

Vision par ordinateur Vision par ordinateur Stéréoscopie multi-vues Frédéric Devernay d'après le cours de Steve Seitz Reconstruction stéréo Étapes Calibrer les cameras Rectifier les images Calculer la disparité Estimer la profondeur

Plus en détail

Vision stéréoscopique

Vision stéréoscopique January 6, 2015 Part I Buts de la stéréovision Objectifs Etant données deux ou plusieurs caméras calibrées, reconstruire un modèle de la scène observée. Intérêt de la vision stéréoscopique: peu cher, sans

Plus en détail

Reconstruction 3D géométrie épipolaire et stéréovision

Reconstruction 3D géométrie épipolaire et stéréovision Reconstruction 3D géométrie épipolaire et stéréovision François Cabestaing Master ASE et Informatique, spécialité Image Vision Interaction reconstruction 3D Objectif : tenter de reconstituer la troisième

Plus en détail

Atelier «Très Haute Résolution Spatiale» Outils pour la reconnaissance des formes

Atelier «Très Haute Résolution Spatiale» Outils pour la reconnaissance des formes CNES Paris - 22/05/2003 Atelier «Très Haute Résolution Spatiale» Outils pour la reconnaissance des formes Michel DHOME LASMEA UMR 6602CNRS/UBP Clermont-Ferrand Etat de l art (communauté vision artificielle)

Plus en détail

Analyse de la vidéo. Chapitre 4.1 - La modélisation pour le suivi d objet. 10 mars 2015. Chapitre 4.1 - La modélisation d objet 1 / 57

Analyse de la vidéo. Chapitre 4.1 - La modélisation pour le suivi d objet. 10 mars 2015. Chapitre 4.1 - La modélisation d objet 1 / 57 Analyse de la vidéo Chapitre 4.1 - La modélisation pour le suivi d objet 10 mars 2015 Chapitre 4.1 - La modélisation d objet 1 / 57 La représentation d objets Plan de la présentation 1 La représentation

Plus en détail

Séminaire. de Cédric Graf Prof. Rolf Ingold Dr. Denis Lalanne Document, Image and Voice Analysis (DIVA) University of Fribourg

Séminaire. de Cédric Graf Prof. Rolf Ingold Dr. Denis Lalanne Document, Image and Voice Analysis (DIVA) University of Fribourg Séminaire de Cédric Graf Prof. Rolf Ingold Dr. Denis Lalanne Document, Image and Voice Analysis (DIVA) University of Fribourg 1 Y. Azoz, L. Devi, and R. Sharma. Reliable of human arm dynamics by multiple

Plus en détail

Laboratoire 4 Développement d un système intelligent

Laboratoire 4 Développement d un système intelligent DÉPARTEMENT DE GÉNIE LOGICIEL ET DES TI LOG770 - SYSTÈMES INTELLIGENTS ÉTÉ 2012 Laboratoire 4 Développement d un système intelligent 1 Introduction Ce quatrième et dernier laboratoire porte sur le développement

Plus en détail

Systèmes de représentation multi-échelles pour l indexation et la restauration d archives médiévales couleur

Systèmes de représentation multi-échelles pour l indexation et la restauration d archives médiévales couleur 18/12/2003 p.1/50 Systèmes de représentation multi-échelles pour l indexation et la restauration d archives médiévales couleur Julien DOMBRE Laboratoire IRCOM-SIC, UMR-CNRS 6615. En partenariat avec le

Plus en détail

R-ICP : une nouvelle approche d appariement 3D orientée régions pour la reconnaissance faciale

R-ICP : une nouvelle approche d appariement 3D orientée régions pour la reconnaissance faciale R-ICP : une nouvelle approche d appariement 3D orientée régions pour la reconnaissance faciale Boulbaba BEN AMOR, Karima OUJI, Mohsen ARDABILIAN, et Liming CHEN Laboratoire d InfoRmatique en Images et

Plus en détail

Modèles statistiques de processus spatiaux ponctuels marqués de Cox log-gaussien pour la reconnaissance invariante d'images.

Modèles statistiques de processus spatiaux ponctuels marqués de Cox log-gaussien pour la reconnaissance invariante d'images. Modèles statistiques de processus spatiaux ponctuels marqués de Cox log-gaussien pour la reconnaissance invariante d'images. Huu Giao NGUYEN Post-doctorant Equipe MISTIS Inria Grenoble Rhône-Alpes Introduction

Plus en détail

SLAM Visuel Embarqué sur un Robot Quadrupède

SLAM Visuel Embarqué sur un Robot Quadrupède Résumé du mémoire de soutenance pour le Diplôme d Ingénieur INSA de Strasbourg - Spécialité Mécatronique - Et le Master des sciences de l université de Strasbourg - Mention Imagerie, Robotique et Ingénierie

Plus en détail

Fusion d Experts pour une Biométrie Faciale 3D Robuste aux Déformations

Fusion d Experts pour une Biométrie Faciale 3D Robuste aux Déformations Fusion d Experts pour une Biométrie Faciale 3D Robuste aux Déformations B. Ben Amor 1, H. Drira 1, M. Daoudi 1 M. Ardabilian 2, W. Ben Soltana 2, P. Lemaire 2, L. Chen 2 N. Erdogmus 3, JL Dugelay 3 J.

Plus en détail

Mesure agnostique de la qualité des images.

Mesure agnostique de la qualité des images. Mesure agnostique de la qualité des images. Application en biométrie Christophe Charrier Université de Caen Basse-Normandie GREYC, UMR CNRS 6072 Caen, France 8 avril, 2013 C. Charrier NR-IQA 1 / 34 Sommaire

Plus en détail

pour la Réalité Augmentée

pour la Réalité Augmentée Analyse d Image 3D pour la Réalité Augmentée Jean-Marc Vezien vezien@limsi.fr Master Recherche RV&A Janvier 2011 La 3D comment? Les capteurs et les techniques pour l acquisition de la 3D Capteurs actifs

Plus en détail

Maintien des personnes âgées à domicile

Maintien des personnes âgées à domicile Maintien des personnes âgées à domicile Enjeux scientifiques et technologiques liés à la vision par ordinateur Christian Wolf http://liris.cnrs.fr/christian.wolf Introduction Sommaire Les données et les

Plus en détail

MPEG-7 et la description des contenus vidéo. Quelques Acronymes Et QQ A E A C Autres Codes. Plan. Philippe Joly

MPEG-7 et la description des contenus vidéo. Quelques Acronymes Et QQ A E A C Autres Codes. Plan. Philippe Joly MPEG- et la description des contenus vidéo Philippe Joly Cet exposé faisait très largement référence aux documents de travail émanant du groupe MPEG disponibles sur le web. Les références aux sites concernés

Plus en détail

Base de données IV²: Identification par l Iris et le Visage via la Vidéo

Base de données IV²: Identification par l Iris et le Visage via la Vidéo Base de données IV²: Identification par l Iris et le Visage via la Vidéo Programme Techno Vision GDR ISIS Systèmes biométriques 8 décembre 2011 Sylvie LELANDAIS-BONADE Laboratoire IBISC Université d Evry

Plus en détail

Bases de données multimédia VII Bag of words

Bases de données multimédia VII Bag of words Bases de données multimédia VII Bag of words ENSIMAG 2014-2015 Matthijs Douze & Karteek Alahari Video-Google! LA référence : Josef Sivic and Andrew Zisserman «Video Google: A Text Retrieval Approach to

Plus en détail

L analyse d images regroupe plusieurs disciplines que l on classe en deux catégories :

L analyse d images regroupe plusieurs disciplines que l on classe en deux catégories : La vision nous permet de percevoir et d interpreter le monde qui nous entoure. La vision artificielle a pour but de reproduire certaines fonctionnalités de la vision humaine au travers de l analyse d images.

Plus en détail

Partie I : Implantation d un réseau de neurones RBF sur des systèmes embarqués : la détection et la reconnaissance de visages en temps réel

Partie I : Implantation d un réseau de neurones RBF sur des systèmes embarqués : la détection et la reconnaissance de visages en temps réel 1 Partie I : Implantation d un réseau de neurones RBF sur des systèmes embarqués : la détection et la reconnaissance de visages en temps réel F.Yang M.Paindavoine GDR-ISIS 20 Janvier 2005 Paris 2 Plan

Plus en détail

Localisation de caméra par recalage 2D-3D

Localisation de caméra par recalage 2D-3D Localisation de caméra par recalage 2D-3D Perception pour le Véhicule Intelligent (PVI 2014) Lundi 30 juin 2014 Dandi Pandi Paudel Cédric Demonceaux Le2i UMR CNRS 6306 Pascal Vasseur Litis EA 4108 In So

Plus en détail

Analyse d images, vision par ordinateur. Partie 6: Segmentation d images. Segmentation? Segmentation?

Analyse d images, vision par ordinateur. Partie 6: Segmentation d images. Segmentation? Segmentation? Analyse d images, vision par ordinateur Traitement d images Segmentation : partitionner l image en ses différentes parties. Reconnaissance : étiqueter les différentes parties Partie 6: Segmentation d images

Plus en détail

PCA appliqué à la 2D et 3D Dernière mise à jour : avril 2011

PCA appliqué à la 2D et 3D Dernière mise à jour : avril 2011 Projet 2009 2010 Biométrie 3D PCA appliqué à la 2D et 3D Dernière mise à jour : avril 2011 Département : TIC Mots clés : Biométrie, Analyse d images, Vision, Caméra thermique, Caméra temps de vol, Détection

Plus en détail

Localisation s y s - 8 4 4 m o d u l e 7. Méthodes passives. Plan du module. Méthodes passives. Objectifs d un système de vision numérique

Localisation s y s - 8 4 4 m o d u l e 7. Méthodes passives. Plan du module. Méthodes passives. Objectifs d un système de vision numérique Objectifs d un système de vision numérique Localisation s y s - 8 4 4 m o d u l e 7 Identifier Localiser Méthodes passives Plan du module Stéréoscopie Gradient d éclairement Méthodes actives Temps de vol

Plus en détail

Acquisition et gestion de contenus numériques multimédia

Acquisition et gestion de contenus numériques multimédia 08/10/2014 Acquisition et gestion de contenus numériques multimédia Introduction Valérie Gouet-Brunet et Michel Crucianu valerie.gouet@ign.fr, michel.crucianu@cnam.fr IGN / CNAM http://recherche.ign.fr/labos/matis/cours/master-siaw-mlv/

Plus en détail

Vers la conception interactive d une hiérarchie sémantique de descripteurs d images

Vers la conception interactive d une hiérarchie sémantique de descripteurs d images PROPOSITION DE STAGE Année 2016 Laboratoire L3i Sujet de stage : Vers la conception interactive d une hiérarchie sémantique de descripteurs d images Résumé du travail proposé : Ce travail s intéresse à

Plus en détail

Détection des points d intérêt et Segmentation des images RGB-D. Présentée par : Bilal Tawbe. Semaine de la recherche de l UQO

Détection des points d intérêt et Segmentation des images RGB-D. Présentée par : Bilal Tawbe. Semaine de la recherche de l UQO Détection des points d intérêt et Segmentation des images RGB-D Présentée par : Bilal Tawbe Semaine de la recherche de l UQO 25 Mars 2015 1. Introduction Les méthodes de détection de points d intérêt ont

Plus en détail

Contributions en surveillance vidéo

Contributions en surveillance vidéo LITIV lab., Contributions en surveillance vidéo Guillaume-Alexandre Bilodeau École Polytechnique de Montréal, P.O. Box 6079, Station Centre-ville, Montréal, (Québec), Canada, H3C 3A7 RÉSUMÉ Les technologies

Plus en détail

Reconnaissance de caractères: Descripteurs de formes et classification. Philippe Foucher

Reconnaissance de caractères: Descripteurs de formes et classification. Philippe Foucher Reconnaissance de caractères: Descripteurs de formes et classification Philippe Foucher 1 Plan Introduction Pré-traitement Segmentation d images Morphologie mathématique Extraction de caractéristiques

Plus en détail

Apprentissage interactif et collaboratif pour la recherche dans les bases multimédia

Apprentissage interactif et collaboratif pour la recherche dans les bases multimédia Apprentissage interactif et collaboratif pour la recherche dans les bases multimédia Philippe-Henri Gosselin Habilitation à Diriger des Recherches Université de Cergy-Pontoise 10 novembre 2011 La recherche

Plus en détail

Audition candidature thèse IFSTTAR début Septembre 2013 Christophe CONIGLIO

Audition candidature thèse IFSTTAR début Septembre 2013 Christophe CONIGLIO Sujet de thèse : «Détection, suivi et ré-identification de passagers dans un réseau de cameras. Application à la gestion des flux de voyageurs en contexte multimodal». Audition candidature thèse IFSTTAR

Plus en détail

Reconnaissance d'objets routiers - Application

Reconnaissance d'objets routiers - Application Reconnaissance d'objets routiers - Application Perception pour la conduite automatisée A07 : Interaction Véhicule Environnement Aurélien Cord Aurelien.Cord@lcpc.fr Reconnaissance de piétons 2 1 Etat de

Plus en détail

CALCULS PARALLÈLES ET APPLICATIONS LA VISION PAR ORDINATEUR AU CEA LIST, QUELS CHOIX ARCHITECTURAUX?

CALCULS PARALLÈLES ET APPLICATIONS LA VISION PAR ORDINATEUR AU CEA LIST, QUELS CHOIX ARCHITECTURAUX? CALCULS PARALLÈLES ET APPLICATIONS LA VISION PAR ORDINATEUR AU CEA LIST, QUELS CHOIX ARCHITECTURAUX? LABORATOIRE DE VISION ET INGÉNIERIE DES CONTENUS (LVIC) Fusion multimedia : extraction multimodale d

Plus en détail

Profil du candidat et connaissances techniques à connaître/maîtriser

Profil du candidat et connaissances techniques à connaître/maîtriser Utilisation d algorithmes de deep learning pour la reconnaissance d iris. jonathan.milgram@morpho.com Dans ce cadre, l'unité de recherche et technologie a pour but de maintenir le leadership Au sein de

Plus en détail

Apprentissage du filtre de Kalman couple avec application à la poursuite de l iris

Apprentissage du filtre de Kalman couple avec application à la poursuite de l iris Apprentissage du filtre de Kalman couple avec application à la poursuite de l iris Valérian Némesin, Stéphane Derrode, Institut Fresnel (UMR 7249) Ecole Centrale Marseille, Vidéo de l oeil 2 Sommaire 1.

Plus en détail

Omar.Hamdoun@ensmp.fr, Fabien.Moutarde@ensmp.fr, Bogdan.Stanciulescu@ensmp.fr, Bruno.Steux@ensmp.fr

Omar.Hamdoun@ensmp.fr, Fabien.Moutarde@ensmp.fr, Bogdan.Stanciulescu@ensmp.fr, Bruno.Steux@ensmp.fr Vidéosurveillance intelligente : ré-identification de personnes par signature utilisant des descripteurs de points d intérêt collectés sur des séquences Omar HAMDOUN 1, Fabien MOUTARDE 1, Bogdan STANCIULESCU

Plus en détail

IMN459 - Fondements de la vision par ordinateur

IMN459 - Fondements de la vision par ordinateur IMN459 - Fondements de la vision par ordinateur Chapitre 1 Introduction 1. Acquisition IMN117 2. Traitement IMN259 Scène 3D Caméra optique Une ou plusieurs images 2D Caractéristiques bas niveaux (contours,

Plus en détail

Analyse d images. L analyse d images regroupe plusieurs disciplines que l on classe en deux catégories :

Analyse d images. L analyse d images regroupe plusieurs disciplines que l on classe en deux catégories : Analyse d images La vision nous permet de percevoir et d interpreter le monde qui nous entoure. La vision artificielle a pour but de reproduire certaines fonctionnalités de la vision humaine au travers

Plus en détail

Développements algorithmiques au LIAMA et àamap en vue de l'analyse d'une scène forestière

Développements algorithmiques au LIAMA et àamap en vue de l'analyse d'une scène forestière Développements algorithmiques au LIAMA et àamap en vue de l'analyse d'une scène forestière Principaux contributeurs: Zhang Xiaopeng (CASIA-NLPR-LIAMA Coordinateur Groupe Image) Li HongJun (CASIA-NLPR-LIAMA

Plus en détail

comprendre mettre en œuvre évaluer une méthode de traitement d image

comprendre mettre en œuvre évaluer une méthode de traitement d image Projets de Traitement d image 3 e année comprendre mettre en œuvre évaluer une méthode de traitement d image 1 Démarche et évaluation Un projet se décline en : étude bibliographique développement algorithmique

Plus en détail

Cours VIS : Vision par ordinateur

Cours VIS : Vision par ordinateur Cours VIS : Vision par ordinateur 1 Master 2 Recherche Informatique Éric Marchand http://www.irisa.fr/lagadic La vision par ordinateur c est quoi? 2 Mathématique, Informatique, Intelligence artificielle,

Plus en détail

Une approche sémantique basée sur l apprentissage pour la recherche d image par contenu

Une approche sémantique basée sur l apprentissage pour la recherche d image par contenu Une approche sémantique basée sur l apprentissage pour la recherche d image par contenu Département des Sciences d informatique Faculté des Sciences de Monastir Université de Monastir, 5000 Tunisie. Hichem.Bannour@issatso.rnu.tn

Plus en détail

Traitement de l image

Traitement de l image Traitement de l image Vidéosurveillance + + Détection et reconnaissance d objets + + Suivi d objets et de personnes + + Analyse automatique de scènes Multimédia + + Classification interactive de données

Plus en détail

en environnement intérieur pour l'indexation de vidéo issue de caméra portée

en environnement intérieur pour l'indexation de vidéo issue de caméra portée Reconstruction et localisation 3D en environnement intérieur pour l'indexation de vidéo issue de caméra portée H. Wannous, V. Dovgalecs, R. Mégret* IMS - Projet IMMED / ANR 09-BLAN BLAN-0165 0165-01 *remi.megret@ims-bordeaux.fr

Plus en détail

Bases de données multimédia VIII indexation vidéo & audio

Bases de données multimédia VIII indexation vidéo & audio Bases de données multimédia VIII indexation vidéo & audio ENSIMAG 2014-2015 Matthijs Douze & Karteek Alahari Plan Spécificité du problème Filtrage temporel Détecteur spatio-temporels Aggrégation temporelle

Plus en détail

Bourse industrielle de doctorat CIFRE à Michelin et Mines Paristech En traitement d images

Bourse industrielle de doctorat CIFRE à Michelin et Mines Paristech En traitement d images Bourse industrielle de doctorat CIFRE à Michelin et Mines Paristech En traitement d images Contact: Beatriz Marcotegui, Beatriz.Marcotegui@mines-paristech.fr Automatisation de la segmentation d épures

Plus en détail

Le suivi des caractéristiques faciales en temps réel

Le suivi des caractéristiques faciales en temps réel Le suivi des caractéristiques faciales en temps réel ABDAT FAIZA Encadrée par : A.Pruski C.Maaoui Laboratoire d Automatique des Systèmes Coopératifs Université de METZ 25 Mars 2008 Plan Objectif 1. Détection

Plus en détail

Initialisation automatique du recalage 2D/3D pour la réalité virtuelle et augmentée

Initialisation automatique du recalage 2D/3D pour la réalité virtuelle et augmentée Initialisation automatique du recalage 2D/3D pour la réalité virtuelle et augmentée IRISA - Equipe TEMICS 6 Fevrier 2008 1/18 Problématique : Recalage vidéo 2D et modèle 3D Problématique Avec : Le modèle

Plus en détail

Plateforme GraMAP. 1. Description de la plateforme

Plateforme GraMAP. 1. Description de la plateforme Plateforme GraMAP 1. Description de la plateforme GraMAP (Graph Matching Algorithms Platform) est une plateforme web dédiée aux algorithmes d appariement de graphes qui implémente l ensemble des algorithmes

Plus en détail

MOTS-CLÉS : images multispectrales, reconnaissance de visages, biométrie multimodale.

MOTS-CLÉS : images multispectrales, reconnaissance de visages, biométrie multimodale. Etude prospective d'un système d'acquisition d'images multispectrales (visible, proche infrarouge et thermique infrarouge) pour la reconnaissance de visages Eric Perrin* et Valeriu Vrabie** IUT de Reims-Chalons-Charleville

Plus en détail

Meeting Room : An Interactive Systems Laboratories Project

Meeting Room : An Interactive Systems Laboratories Project Travail de Séminaire DIVA Research Group University of Fribourg Etude de Projets Actuels sur l enregistrement et l analyse de Réunions Meeting Room : An Interactive Systems Laboratories Project Canergie

Plus en détail

University of Liège. INFO0096-1 Vision 3D. Mini Synthesis

University of Liège. INFO0096-1 Vision 3D. Mini Synthesis University of Liège INFO0096-1 Vision 3D Mini Synthesis Marc Gou, Student of third bachelor in Computer Science 1/24/2012 Attention! Ce résumé est entièrement basé sur les transparents du cours, mais le

Plus en détail

Bases de données multimédia IV Description locale des images

Bases de données multimédia IV Description locale des images Bases de données multimédia IV Description locale des images ENSIMAG 2014-2015 Matthijs Douze & Karteek Alahari Schéma type d un système de description locale Image requête Ensemble de points/régions d

Plus en détail

revue de littérature - corpus comparables

revue de littérature - corpus comparables revue de littérature - corpus comparables Julie Roy April 23, 2015 Université de Montréal Introduction Matière première MT : corpus parallèles. Intérêt des corpus comparables : corpus parallèles et dictionnaires

Plus en détail

Cahier. des charges. T.E.R. : Modélisation architecturale basée photo/vidéo. reconstruction intérieure basée profondeur

Cahier. des charges. T.E.R. : Modélisation architecturale basée photo/vidéo. reconstruction intérieure basée profondeur Cahier T.E.R. : Modélisation architecturale basée photo/vidéo reconstruction intérieure basée profondeur des charges Renaud Jean-Christophe Naville Vincent Explicitation du contexte Dans le cadre de notre

Plus en détail

Apprentissage par méthodes à noyaux en reconnaissance d images

Apprentissage par méthodes à noyaux en reconnaissance d images Apprentissage par méthodes à noyaux en reconnaissance d images Alberto Bietti Table des matières Introduction 2 1 Apprentissage par méthodes à noyaux 2 1.1 Position du problème et motivation..........................

Plus en détail

GVF (Gradient Vector Flow) et ses applications. Introduction au. Antonio Moreno Ingelmo. par

GVF (Gradient Vector Flow) et ses applications. Introduction au. Antonio Moreno Ingelmo. par Introduction au GVF (Gradient Vector Flow) et ses applications par Antonio Moreno Ingelmo Plan Introduction Les contours actifs Définition de GVF Force externe traditionnelle vs. GVF Limites du GVF Un

Plus en détail

Détection de l érosion dans un bassin versant agricole par comparaison d images multidates acquises par drone

Détection de l érosion dans un bassin versant agricole par comparaison d images multidates acquises par drone Détection de l érosion dans un bassin versant agricole par comparaison d images multidates acquises par drone journée d études sur l apport des drones pour l environnement Lisein Jonathan, Nathalie Pineux,

Plus en détail

Jean-René Duhamel. Institut des Sciences Cognitives CNRS - Université Claude-Bernard Lyon

Jean-René Duhamel. Institut des Sciences Cognitives CNRS - Université Claude-Bernard Lyon Jean-René Duhamel Institut des Sciences Cognitives CNRS - Université Claude-Bernard Lyon Neurophysiologie des fonctions visuelles supérieures 1. Introduction 2. Le système visuel cortical 3. Perception

Plus en détail

Indexation 3D à partir de vues 2D

Indexation 3D à partir de vues 2D Indexation 3D à partir de vues 2D Thibault Napoléon 1 Télécom ParisTech - TSI Qu est ce que l indexation 3D? Recherche dans une grande base de donnée 3D Recherche par le contenu (la forme, la couleur...)

Plus en détail

Indexation conceptuelle application au domaine biomédical. Mesures de similarité dans les ontologies. [Séminaire MIAD Montpellier SupAgro]

Indexation conceptuelle application au domaine biomédical. Mesures de similarité dans les ontologies. [Séminaire MIAD Montpellier SupAgro] [] Indexation conceptuelle application au domaine biomédical Mesures de similarité dans les ontologies Sylvie Ranwez Sébastien Harispe LGI2P de l école des mines d Alès équipe KID (Knowledge and Image

Plus en détail

Naviga&on)de)robots)mobiles)) par)vision)omnidirec&onnelle) )

Naviga&on)de)robots)mobiles)) par)vision)omnidirec&onnelle) ) Naviga&on)de)robots)mobiles)) par)vision)omnidirec&onnelle) ) El)Mustapha)Mouaddib)(mouaddib@u:picardie.fr)) O.)Labbani:Igbida,)P.)Merveilleux)et)R.)Marie) Contexte' Projet'ANR'R.Discover' Travaux'soutenus'par':'

Plus en détail

Fusion de la DCT-PCA et la DCT-RLDA pour la Reconnaissance de Visages

Fusion de la DCT-PCA et la DCT-RLDA pour la Reconnaissance de Visages Fusion de la DC-PCA et la DC-RLDA pour la Reconnaissance de Visages Messaoud Bengherabi, Lamia Mezai, Farid Harizi, Abderrazak Guessoum 2, Mohamed Cheriet 3 Centre de Développement des echnologies Avancées

Plus en détail

Détection de changements pour la mise à jour de BD géographiques vectorielles par classification par région

Détection de changements pour la mise à jour de BD géographiques vectorielles par classification par région Détection de changements pour la mise à jour de BD géographiques vectorielles par classification par région de données satellitaires à THR Eléonore Wolff Analyse Géospatiale Institut de Gestion de l Environnement

Plus en détail

L imagerie vue par un mathématicien

L imagerie vue par un mathématicien L imagerie vue par un mathématicien Li-Thiao-Té Sébastien LAGA UMR 7539, Université Paris 13 Plan Généralités Images Modèles Qu est-ce qu une image? des coordonnées spatiales des mesures pour chaque position

Plus en détail

BIO_MUL. (Biométrie & Multimodalité) Jean-François Bonastre - LIA. ACI Sécurité Informatique

BIO_MUL. (Biométrie & Multimodalité) Jean-François Bonastre - LIA. ACI Sécurité Informatique Communication Langagière et Interaction Pers onne-sys tème CNRS - INPG - UJF BP 53-38041 Grenoble Cedex 9 - France ACI Sécurité Informatique BIO_MUL (Biométrie & Multimodalité) Jean-François Bonastre -

Plus en détail

Segmentation de maillages 3D à l aide de méthodes basées sur la ligne de partage des eaux

Segmentation de maillages 3D à l aide de méthodes basées sur la ligne de partage des eaux Segmentation de maillages 3D à l aide de méthodes basées sur la ligne de partage des eaux Sébastien Delest Thèse dirigée par Hubert Cardot et Romuald Boné Université François Rabelais de Tours 26 novembre

Plus en détail

Congrès AFCET-RFIA, Lyon-Villeurbanne, France, 25-29 novembre 1991

Congrès AFCET-RFIA, Lyon-Villeurbanne, France, 25-29 novembre 1991 RECONNAISSANCE D OBJETS 3D PAR RESEAU D AUTOMATES. Gilles BUREL Thomson CSF-LER, Avenue de Belle Fontaine, F-35510 CESSON-SEVIGNE tél : 99.25.42.88 fax : 99.25.43.34 L.E.S.T., URA CNRS 1329, 6 Avenue Le

Plus en détail

Synthèse automatique de. portraits à base de lignes. caractéristiques

Synthèse automatique de. portraits à base de lignes. caractéristiques Gwenola Thomas Audrey Legeai Synthèse automatique de portraits à base de lignes caractéristiques avril 2005 Introduction Les contours suggestifs [7] véhiculent une information forte sur la forme du visage

Plus en détail

Une approche pour la catégorisation des objets 3D basée sur la théorie des fonctions de croyance

Une approche pour la catégorisation des objets 3D basée sur la théorie des fonctions de croyance Une approche pour la catégorisation des objets 3D basée sur la théorie des fonctions de croyance Hedi Tabia 1 Mohamed Daoudi 2 Jean-Philippe Vandeborre 2 Olivier Colot 1 1 Université Lille Nord de France

Plus en détail

Méthode de Fast Marching pour des équations de HJB:

Méthode de Fast Marching pour des équations de HJB: Méthode de Fast Marching pour des équations de HJB: - dépendance en u, - fonction coût de signe arbitraire, - Application au Shape From Shading. Emmanuel Prados SÉMINAIRE DE CALCUL SCIENTIFIQUE DU CERMICS

Plus en détail

III Caractérisation d'image binaire

III Caractérisation d'image binaire III Caractérisation d'image binaire 1. Généralités Les images binaires codent l'information sur deux valeurs. Rarement le résultat direct d'un capteur, mais facilement obtenues par seuillage dans certains

Plus en détail

Bases de données multimédia V Description globale

Bases de données multimédia V Description globale Bases de données multimédia V Description globale ENSIMAG 2014-2015 Matthijs Douze & Karteek Alahari Description globale Une description globale est une représentation de l image dans son ensemble, sous

Plus en détail

Vectorisation du modèle d appariement pour la recherche d images par le contenu

Vectorisation du modèle d appariement pour la recherche d images par le contenu - Vectorisation du modèle d appariement pour la recherche d images par le contenu Hanen Karamti 1 MIRACL, Université de Sfax Route de Tunis Km 10 B.P. 242, 3021, Sfax, Tunisie karamti.hanen@gmail.com RÉSUMÉ.

Plus en détail

Rapport de Stage : Analyse d images aériennes de haute résolution du département de Haute Savoie

Rapport de Stage : Analyse d images aériennes de haute résolution du département de Haute Savoie Rapport de Stage : Analyse d images aériennes de haute résolution du département de Haute Savoie Jean Fortin 30 mai au 22 juillet 2005 Stage de licence effectué au laboratoire MAP-ARIA, à l école d architecture

Plus en détail

Apprentissage de dictionnaire pour un modèle d apparence parcimonieux en suivi visuel

Apprentissage de dictionnaire pour un modèle d apparence parcimonieux en suivi visuel Apprentissage de dictionnaire pour un modèle d apparence parcimonieux en suivi visuel Sylvain Rousseau, Christelle Garnier, Pierre Chainais To cite this version: Sylvain Rousseau, Christelle Garnier, Pierre

Plus en détail

Annotation Semi-automatique de Grandes BD Images : Approche par Graphes de Voisinage

Annotation Semi-automatique de Grandes BD Images : Approche par Graphes de Voisinage Lyon - France Annotation Semi-automatique de Grandes BD Images : Approche par Graphes de Voisinage Hakim Hacid Université Lumière Lyon 2 Laboratoire ERIC - 5, avenue Pierre Mendès-France 69676 Bron cedex

Plus en détail

«Vers une méthode rapide de l évaluation de la tendreté»

«Vers une méthode rapide de l évaluation de la tendreté» Matthieu ALRIC - matthieu.alric@adiv.fr Chargé d Etudes en Génie Mécanique et Robotique «Vers une méthode rapide de l évaluation de la tendreté» Développement d un système robotique équipé de capteurs

Plus en détail

Objectif du groupe GT1.1 Fusion de Données

Objectif du groupe GT1.1 Fusion de Données Objectif du groupe GT1.1 Fusion de Données Le groupe travaille dans trois directions Le vocabulaire (piloté par ADVITAM et l aide de SITE) L état de l art (piloté par SYROKKO) Deux applications illustratives

Plus en détail

Styles de Rendus. Tour d 'horizon

Styles de Rendus. Tour d 'horizon Styles de Rendus Tour d 'horizon 1 Catégorisation des méthodes de rendu «Photo-réalistes» But : obtenir des images les plus crédibles possibles Notions : Ombres dures / Ombres douces Catégorisation des

Plus en détail

Géométrie discrète Chapitre V

Géométrie discrète Chapitre V Géométrie discrète Chapitre V Introduction au traitement d'images Géométrie euclidienne : espace continu Géométrie discrète (GD) : espace discrétisé notamment en grille de pixels GD définition des objets

Plus en détail

Tatouage video robuste basé sur les régions d intérêt

Tatouage video robuste basé sur les régions d intérêt Tatouage video robuste basé sur les régions d intérêt Asma Kerbiche, Saoussen Ben Jabra et Ezzeddine Zagrouba Laboratoire RIADI- Equipe de recherche en Systèmes Intelligents en Imagerie et Vision Artificielle

Plus en détail

Segmentation d images hyperspectrales par Morphologie Mathématique

Segmentation d images hyperspectrales par Morphologie Mathématique Segmentation d images hyperspectrales par Morphologie Mathématique Guillaume NOYEL, Jesus Angulo, Dominique Jeulin {guillaume.noyel, jesus.angulo, dominique.jeulin}@ensmp.fr Centre de Morphologie Mathématique

Plus en détail

Modélisation de l!environnement par vision en robotique mobile

Modélisation de l!environnement par vision en robotique mobile Modélisation de l!environnement par vision en robotique mobile Simon Lacroix Robotics and Interactions group LAAS/CNRS, Toulouse Robots Industriel Dans les laboratoires robots et robots. De l!automatique

Plus en détail

Indexation d'images. Cours Master IA&D. Techniques du traitement d'images. Antoine Manzanera - ENSTA /Unité d'électronique et d'informatique

Indexation d'images. Cours Master IA&D. Techniques du traitement d'images. Antoine Manzanera - ENSTA /Unité d'électronique et d'informatique Indexation d'images Cours Master IA&D Techniques du traitement d'images Antoine Manzanera - ENSTA /Unité d'électronique et d'informatique Indexation - Introduction Le sujet de ce cours est la recherche

Plus en détail

Extraction de silhouette et suivi des parties du corps dans un environnement noncontrôlé

Extraction de silhouette et suivi des parties du corps dans un environnement noncontrôlé Extraction de silhouette et suivi des parties du corps dans un environnement noncontrôlé Rada DEEB, Elodie DESSEREE, Saida BOUAKAZ Université de Lyon, CNRS Université Lyon1, LIRIS, UMR5205, F-69622, France

Plus en détail

Schéma de compression vidéo

Schéma de compression vidéo Plan Schéma de compression vidéo G. Laroche 04/0/2006 Introduction Étapes de compression Codage du résiduel Calcul du résiduel Autres étapes Conclusion Questions Plan Introduction Qu est ce qu un codec

Plus en détail

Master M1 Image. Responsable: Frank NIELSEN. Laboratoire d'informatique (LIX) Ecole Polytechnique. nielsen@lix.polytechnique.fr

Master M1 Image. Responsable: Frank NIELSEN. Laboratoire d'informatique (LIX) Ecole Polytechnique. nielsen@lix.polytechnique.fr Responsable: Frank NIELSEN Laboratoire d'informatique (LIX) Ecole Polytechnique nielsen@lix.polytechnique.fr 4 cours, 2 Automne + 2 Printemps : INF555 Fondements de la 3D Fundamentals of 3D processing

Plus en détail

www.cresitt.com Outils et solutions libres pour la R&D Atelier OPENCV 1er juillet 2010 Samuel ROUXEL Le CRT CRESITT est soutenu par

www.cresitt.com Outils et solutions libres pour la R&D Atelier OPENCV 1er juillet 2010 Samuel ROUXEL Le CRT CRESITT est soutenu par Outils et solutions libres pour la R&D Atelier OPENCV Samuel ROUXEL Le CRT CRESITT est soutenu par Système de Vision 2 Système de Vision 3 Open Computer Vision Library Développée par Intel en 1999 (v1.0

Plus en détail

Reconnaissance de gestes : approches 2D & 3D

Reconnaissance de gestes : approches 2D & 3D Reconnaissance de gestes : approches 2D & 3D Maher Mkhinini et Patrick Horain Institut Mines-Télécom/Télécom SudParis Département Électronique et Physique, 9 rue Charles Fourier, 91011 Evry, France Email

Plus en détail

Reconnaissance de formes par invariants complets et convergents ; Application à l'indexation de bases d'objets à niveaux de gris

Reconnaissance de formes par invariants complets et convergents ; Application à l'indexation de bases d'objets à niveaux de gris Reconnaissance de ormes par invariants complets et convergents ; Application à l'indexation de bases d'objets à niveaux de gris Stéphane DERRODE, Rim MEZHOUD 2 et Faouzi GHORBEL 2 Département Image et

Plus en détail

Comparaison d images binaires reposant sur une mesure locale des dissimilarités Application à la classification

Comparaison d images binaires reposant sur une mesure locale des dissimilarités Application à la classification 1/54 Comparaison d images binaires reposant sur une mesure locale des dissimilarités Application à la classification Étienne Baudrier CReSTIC vendredi 9 décembre 2005 2/54 Contexte programme national de

Plus en détail

Apprentissage Automatique Numérique

Apprentissage Automatique Numérique Apprentissage Automatique Numérique Loïc BARRAULT Laboratoire d Informatique de l Université du Maine (LIUM) loic.barrault@lium.univ-lemans.fr 16 septembre 2015 1/42 Problème classique Automatique Autre

Plus en détail