Reconnaissance de visages 2.5D par fusion des indices de texture et de profondeur ICI 12/12/12
|
|
- Sévérine Clément
- il y a 8 ans
- Total affichages :
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
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 détailAnalyse 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 détailDétection 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 détailMesure 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 détailCommunications immersives : Enjeux et perspectives
Journée Futur et Ruptures Communications immersives : Enjeux et perspectives Béatrice Pesquet-Popescu Télécom ParisTech, Département TSI 5 mars 2015 Institut Mines-Télécom Tendances actuelles Plus, plus,
Plus en détailDéveloppements 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 détailUniversité des Sciences et Technologies de Lille 1 UFR Informatique. Projet scientifique de Master 2 Image, Vision, Interaction.
Université des Sciences et Technologies de Lille 1 UFR Informatique Projet scientifique de Master 2 Image, Vision, Interaction Année 2012/1013 Reconstruction de scène réaliste via Kinect c Amélioration
Plus en détailLaboratoire 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 détailEtat de l art de la Reconnaissance de Visage.
Chapitre 2 2.1 Introduction De nos jours, il existe des ordinateurs capables d effectuer des tâches faites par l homme, qui demandent de l intelligence. Malgré tout ce progrès, la machine est toujours
Plus en détailL 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 détailComparaison de Relevés 3D issus de plusieurs Systèmes de Numérisation
Laboratoire Vision & Robotique Comparaison de Relevés 3D issus de plusieurs Systèmes de Numérisation Emilie KOENIG, Benjamin ALBOUY, Sylvie TREUILLET, Yves Lucas Contact : Sylvie Treuillet Polytech'Orléans
Plus en détailReconnaissance 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 détailCalage robuste et accéléré de nuages de points en environnements naturels via l apprentissage automatique
Calage robuste et accéléré de nuages de points en environnements naturels via l apprentissage automatique Mémoire Maxime Latulippe Maîtrise en informatique Maître ès sciences (M.Sc.) Québec, Canada Maxime
Plus en détailVérification audiovisuelle de l identité
Vérification audiovisuelle de l identité Rémi Landais, Hervé Bredin, Leila Zouari, et Gérard Chollet École Nationale Supérieure des Télécommunications, Département Traitement du Signal et des Images, Laboratoire
Plus en détailDétection et suivi d'objets dans une séquence d'images par contours actifs
Détection et suivi d'objets dans une séquence d'images par contours actifs A. Fekir (1), N. Benamrane (2) et A. Taleb-Ahmed (3) (1) Département d informatique, Université de Mustapha Stambouli, BP 763,
Plus en détailUNIVERSITÉ DE MONTRÉAL APPRENTISSAGE DE MODÈLES PROBABILISTES POUR LA VISION STÉRÉOSCOPIQUE EN TEMPS RÉEL
UNIVERSITÉ DE MONTRÉAL APPRENTISSAGE DE MODÈLES PROBABILISTES POUR LA VISION STÉRÉOSCOPIQUE EN TEMPS RÉEL LUCAS BERTHOU DÉPARTEMENT DE GÉNIE INFORMATIQUE ET GÉNIE LOGICIEL ÉCOLE POLYTECHNIQUE DE MONTRÉAL
Plus en détailSimulation de point de vue pour la localisation d une caméra à partir d un modèle non structuré
Simulation de point de vue pour la localisation d une caméra à partir d un modèle non structuré Pierre Rolin Marie-Odile Berger Frédéric Sur LORIA, UMR CNRS 7503, Université de Lorraine INRIA Nancy Grand
Plus en détailN. Paparoditis, Laboratoire MATIS
N. Paparoditis, Laboratoire MATIS Contexte: Diffusion de données et services locaux STEREOPOLIS II Un véhicule de numérisation mobile terrestre Lasers Caméras Système de navigation/positionnement STEREOPOLIS
Plus en détailLa visio-conférence holographique : Pourquoi? Comment?
La visio-conférence holographique : Pourquoi? Comment? Francis Felix Labo LSIS / Arts & Métiers Paritech (ENSAM) 2 Cours des Arts et Métiers 13100 Aix-en-Provence Thierry Henocque AIP-Primeca Dauphiné
Plus en détailGéométrie 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 détailLa classification automatique de données quantitatives
La classification automatique de données quantitatives 1 Introduction Parmi les méthodes de statistique exploratoire multidimensionnelle, dont l objectif est d extraire d une masse de données des informations
Plus en détailUne méthode d apprentissage pour la composition de services web
Une méthode d apprentissage pour la composition de services web Soufiene Lajmi * Chirine Ghedira ** Khaled Ghedira * * Laboratoire SOIE (ENSI) University of Manouba, Manouba 2010, Tunisia Soufiene.lajmi@ensi.rnu.tn,
Plus en détailAnalyse d images. Edmond.Boyer@imag.fr. Edmond Boyer UFRIMA 1
Analyse d images Edmond.Boyer@imag.fr Edmond Boyer UFRIMA 1 1 Généralités Analyse d images (Image Analysis) : utiliser un ordinateur pour interpréter le monde extérieur au travers d images. Images Objets
Plus en détailObject Removal by Exemplar-Based Inpainting
Object Removal by Exemplar-Based Inpainting Kévin Polisano A partir d un article de A. Criminisi, P. Pérez & H. K. Toyama 14/02/2013 Kévin Polisano Object Removal by Exemplar-Based Inpainting 14/02/2013
Plus en détailBusiness Intelligence avec Excel, Power BI et Office 365
Avant-propos A. À qui s adresse ce livre? 9 1. Pourquoi à chaque manager? 9 2. Pourquoi à tout informaticien impliqué dans des projets «BI» 9 B. Obtention des données sources 10 C. Objectif du livre 10
Plus en détailLaboratoire d Automatique et Productique Université de Batna, Algérie
Anale. Seria Informatică. Vol. IX fasc. 2 Annals. Computer Science Series. 9 th Tome st Fasc. 2 La sélection de paramètres d un système industriel par les colonies de fourmis Ouahab Kadri, L. Hayet Mouss,
Plus en détailDétection de têtes dans un nuage de points 3D à l aide d un modèle de mélange sphérique
Détection de têtes dans un nuage de points 3D à l aide d un modèle de mélange sphérique Denis Brazey & Bruno Portier 2 Société Prynɛl, RD974 290 Corpeau, France denis.brazey@insa-rouen.fr 2 Normandie Université,
Plus en détailReconnaissance et suivi de visages et implémentation en robotique temps-réel
Université Catholique de Louvain Ecole Polytechnique de Louvain Mémoire de fin d études Reconnaissance et suivi de visages et implémentation en robotique temps-réel Réalisé par Mathieu Van Wambeke en vue
Plus en détailExtraction de caractéristiques visuelles d'images médicales pour la recherche par similitude et l'aide au diagnostic
Extraction de caractéristiques visuelles d'images médicales pour la recherche par similitude et l'aide au diagnostic Jérôme Palayret 1,2, Auréline Quatrehomme 1,2, Denis Hoa 1, William Puech 2 IMAIOS,
Plus en détailµrv : Realité Virtuelle
µrv : Realité Virtuelle Edgar-Fernando ARRIAGA-GARCIA Charles-Henri BABIAUD Clément GRELLIER Quentin PETIT Jérôme Ricoeur Florent VIOLLEAU INSA Rennes 21 septembre 2011 1 / 15 Objectifs pour cette semaine
Plus en détailAmélioration de la fiabilité d inspection en CND grâce à la fusion d information : applications en rayons X et ultrasons
Amélioration de la fiabilité d inspection en CND grâce à la fusion d information : applications en rayons X et ultrasons Ahmad OSMAN 1a, Valérie KAFTANDJIAN b, Ulf HASSLER a a Fraunhofer Development Center
Plus en détailEvaluation de la technologie des caméras 3D (Kinect 2) pour la mesure et la reconstruction d objets à courte portée
Institut National des Sciences Appliquées de Strasbourg Mémoire de soutenance de Diplôme d Ingénieur INSA Spécialité TOPOGRAPHIE Evaluation de la technologie des caméras 3D (Kinect 2) pour la mesure et
Plus en détailDan Istrate. Directeur de thèse : Eric Castelli Co-Directeur : Laurent Besacier
Détection et reconnaissance des sons pour la surveillance médicale Dan Istrate le 16 décembre 2003 Directeur de thèse : Eric Castelli Co-Directeur : Laurent Besacier Thèse mené dans le cadre d une collaboration
Plus en détailSurveillance et maintenance prédictive : évaluation de la latence de fautes. Zineb SIMEU-ABAZI Univ. Joseph Fourier, LAG)
Surveillance et maintenance prédictive : évaluation de la latence de fautes Zineb SIMEU-ABAZI Univ. Joseph Fourier, LAG) SURVEILLANCE Analyser une situation et fournir des indicateurs! Détection de symptômes!
Plus en détailVers une approche Adaptative pour la Découverte et la Composition Dynamique des Services
69 Vers une approche Adaptative pour la Découverte et la Composition Dynamique des Services M. Bakhouya, J. Gaber et A. Koukam Laboratoire Systèmes et Transports SeT Université de Technologie de Belfort-Montbéliard
Plus en détailProjet de traitement d'image - SI 381 reconstitution 3D d'intérieur à partir de photographies
Projet de traitement d'image - SI 381 reconstitution 3D d'intérieur à partir de photographies Régis Boulet Charlie Demené Alexis Guyot Balthazar Neveu Guillaume Tartavel Sommaire Sommaire... 1 Structure
Plus en détailSynthèse d'images I. Venceslas BIRI IGM Université de Marne La
Synthèse d'images I Venceslas BIRI IGM Université de Marne La La synthèse d'images II. Rendu & Affichage 1. Introduction Venceslas BIRI IGM Université de Marne La Introduction Objectif Réaliser une image
Plus en détailTechniques d interaction dans la visualisation de l information Séminaire DIVA
Techniques d interaction dans la visualisation de l information Séminaire DIVA Zingg Luca, luca.zingg@unifr.ch 13 février 2007 Résumé Le but de cet article est d avoir une vision globale des techniques
Plus en détailVISUALISATION DE NUAGES DE POINTS
ARNAUD BLETTERER MULTI-RÉSOLUTION 1/16 VISUALISATION DE NUAGES DE POINTS MULTI-RÉSOLUTION AU TRAVERS DE CARTES DE PROFONDEUR Arnaud Bletterer Université de Nice Sophia Antipolis Laboratoire I3S - Cintoo
Plus en détailApprentissage Automatique
Apprentissage Automatique Introduction-I jean-francois.bonastre@univ-avignon.fr www.lia.univ-avignon.fr Définition? (Wikipedia) L'apprentissage automatique (machine-learning en anglais) est un des champs
Plus en détailOutils pour les réseaux de neurones et contenu du CD-Rom
Outils pour les réseaux de neurones et contenu du CD-Rom Depuis le développement théorique des réseaux de neurones à la fin des années 1980-1990, plusieurs outils ont été mis à la disposition des utilisateurs.
Plus en détailANALYSE DU MOUVEMENT HUMAIN PAR VISION ARTIFICIELLE POUR CONSOLES DE JEUX VIDÉOS
MAHER HANAFI ANALYSE DU MOUVEMENT HUMAIN PAR VISION ARTIFICIELLE POUR CONSOLES DE JEUX VIDÉOS Mémoire présenté à la Faculté des études supérieures et postdoctorales de l Université Laval dans le cadre
Plus en détailSommaire. Bertrand PECUCHET
Sommaire I. Introduction... 2 II. Présentation de la Kinect... 3 1. Caractéristiques :... 4 III. Focus sur les différents capteurs de la Kinect... 5 1. Le capteur RGB... 5 2. Capteur et émetteur Infrarouge...
Plus en détailRIE LE RENDU THEO. 2 e trim ÉTAPE DE FINITION BOÎTE DE DIALOGUE. remarques
THEO RIE LE RENDU 2 e trim JANVIER 2008 remarques ÉTAPE DE FINITION Le rendu est la partie finale de notre création, à ce moment on décide que notre 3D est finie et l on en réalise une image 2D Cette image
Plus en détailCompleted Projects / Projets terminés
Completed Projects / Projets terminés Nouvelles normes Nouvelles éditions Publications spéciales publiées en français CAN/CSA-ISO/CEI 10164-9-97 (C2001), 1 re édition Technologies de l information Interconnexion
Plus en détailCodage vidéo par block matching adaptatif
Traitement et analyse d'images(39) Codage vidéo par block matching adaptatif Abdelhamid Djeffal Département d informatique Université Mohamed Khider BISKRA, ALGERIE Abdelhamid_Djeffal@yahoo.fr Zine Eddine
Plus en détailSynthèse d images Edmond Boyer
Synthèse d images Edmond Boyer Edmond.Boyer@imag.fr UFRIMA 1 Une introduction aux techniques de l image Techniques de l image : utiliser l ordinateur pour interpréter ou générer des imag es. Motivations
Plus en détailUtilisation des Points d Intérêts Couleurs pour le Suivi d Objets
Utilisation des Points d Intérêts Couleurs pour le Suivi d Objets Pierre Gabriel, Jean-Bernard Hayet, Justus Piater et Jacques Verly Université de Liège, Département d Électricité, Électronique et Informatique
Plus en détailModélisation du comportement habituel de la personne en smarthome
Modélisation du comportement habituel de la personne en smarthome Arnaud Paris, Selma Arbaoui, Nathalie Cislo, Adnen El-Amraoui, Nacim Ramdani Université d Orléans, INSA-CVL, Laboratoire PRISME 26 mai
Plus en détailL évaluation d algorithmes d analyse vidéo Quelques pistes
L évaluation d algorithmes d analyse vidéo Quelques pistes Jean-François GOUDOU 1, Louise NAUD 1, Laurent GIULIERI 2, Jaonary RABARISOA 3, Olivier PIETQUIN 4, Dana CODREANU 5, Dijana PETROVSKA 6 1 THALES
Plus en détailTRS: Sélection des sous-graphes représentants par l intermédiaire des attributs topologiques et K-medoïdes
TRS: Sélection des sous-graphes représentants par l intermédiaire des attributs topologiques et K-medoïdes Mohamed Moussaoui,Wajdi Dhifli,Sami Zghal,Engelbert Mephu Nguifo FSJEG, Université de Jendouba,
Plus en détailUtilisation d informations visuelles dynamiques en asservissement visuel Armel Crétual IRISA, projet TEMIS puis VISTA L asservissement visuel géométrique Principe : Réalisation d une tâche robotique par
Plus en détailBusiness Intelligence
avec Excel, Power BI et Office 365 Téléchargement www.editions-eni.fr.fr Jean-Pierre GIRARDOT Table des matières 1 Avant-propos A. À qui s adresse ce livre?..................................................
Plus en détailMonitoring elderly People by Means of Cameras
Nuadu project Technologies for Personal Hearth Seminar, June 4th, 2009 Monitoring elderly People by Means of Cameras Laurent LUCAT Laboratory of Embedded Vision Systems CEA LIST, Saclay, France 1 Summary
Plus en détailTraitement bas-niveau
Plan Introduction L approche contour (frontière) Introduction Objectifs Les traitements ont pour but d extraire l information utile et pertinente contenue dans l image en regard de l application considérée.
Plus en détailUne vue d ensemble de la reconnaissance de gestes
Une vue d ensemble de la reconnaissance de gestes Julien Thomet Département d informatique Université de Fribourg julien.thomet@unifr.ch Résumé Le désir de pouvoir interagir avec un ordinateur de manière
Plus en détailObjectifs. Clustering. Principe. Applications. Applications. Cartes de crédits. Remarques. Biologie, Génomique
Objectifs Clustering On ne sait pas ce qu on veut trouver : on laisse l algorithme nous proposer un modèle. On pense qu il existe des similarités entre les exemples. Qui se ressemble s assemble p. /55
Plus en détailToolbox d étalonnage pour Kinect : Application à la fusion d une Kinect et d un télémètre laser
Toolbox d étalonnage pour Kinect : Application à la fusion d une Kinect et d un télémètre laser Jean-Clément Devaux, Hicham Hadj-Abdelkader, Etienne Colle To cite this version: Jean-Clément Devaux, Hicham
Plus en détailIntroduction au Data-Mining
Introduction au Data-Mining Gilles Gasso, Stéphane Canu INSA Rouen -Département ASI Laboratoire LITIS 8 septembre 205. Ce cours est librement inspiré du cours DM de Alain Rakotomamonjy Gilles Gasso, Stéphane
Plus en détailDéfinition et diffusion de signatures sémantiques dans les systèmes pair-à-pair
Définition et diffusion de signatures sémantiques dans les systèmes pair-à-pair Raja Chiky, Bruno Defude, Georges Hébrail GET-ENST Paris Laboratoire LTCI - UMR 5141 CNRS Département Informatique et Réseaux
Plus en détailLe Futur de la Visualisation d Information. Jean-Daniel Fekete Projet in situ INRIA Futurs
Le Futur de la Visualisation d Information Jean-Daniel Fekete Projet in situ INRIA Futurs La visualisation d information 1.Présentation 2.Bilan 3.Perspectives Visualisation : 3 domaines Visualisation scientifique
Plus en détailProjet de Traitement du Signal Segmentation d images SAR
Projet de Traitement du Signal Segmentation d images SAR Introduction En analyse d images, la segmentation est une étape essentielle, préliminaire à des traitements de haut niveau tels que la classification,
Plus en détailContrôle Non Destructif : Implantation d'algorithmes sur GPU et multi-coeurs. Gilles Rougeron CEA/LIST Département Imagerie Simulation et Contrôle
Contrôle Non Destructif : Implantation d'algorithmes sur GPU et multi-coeurs Gilles Rougeron CEA/LIST Département Imagerie Simulation et Contrôle 1 CEA R & D for Nuclear Energy 5 000 people Nuclear systems
Plus en détailhttp ://www.labri.fr/perso/bugeau/
Aurélie Bugeau Etat civil Date de Naissance 17 septembre 1982 à Nantes (44) Nationalité Française Situation familiale Mariée, deux enfants Adresse professionnelle LaBRI, Université Bordeaux, 351 cours
Plus en détailHervé Couturier EVP, SAP Technology Development
Hervé Couturier EVP, SAP Technology Development Hervé Biausser Directeur de l Ecole Centrale Paris Bernard Liautaud Fondateur de Business Objects Questions à: Hervé Couturier Hervé Biausser Bernard Liautaud
Plus en détailDepuis quelques années, les
PHOTOGRAMMÉTRIE la photogrammétrie se trouve soudainement revalorisée, dans une période où la lasergrammétrie semblait s imposer dans la plupart des opérations de relevé architectural. Cet article s attachera
Plus en détailSLAM Visuel 3D pour robot mobile autonome
Master de Sciences Mention «Imagerie, Robotique et Ingénierie pour le Vivant» - Projet de Fin D étude - SLAM Visuel 3D pour robot mobile autonome Romain Drouilly Encadrants ECA Benoit Morisset Pierrick
Plus en détailEtude comparative de différents motifs utilisés pour le lancé de rayon
Etude comparative de différents motifs utilisés pour le lancé de rayon Alexandre Bonhomme Université de Montréal 1 Introduction Au cours des dernières années les processeurs ont vu leurs capacités de calcul
Plus en détailAnalyse multi-échelle de trajectoires de points critiques pour la reconnaissance d actions humaines
Analyse multi-échelle de trajectoires de points critiques pour la reconnaissance d actions humaines Cyrille Beaudry, Renaud Péteri, Laurent Mascarilla Laboratoire MIA, Univ. La Rochelle Avenue Michel Crépeau
Plus en détailAnalyseur d émotions à partir d expressions faciales
- Rapport de stage de fin d études Éffectué dans le laboratoire DOMUS à l Université de Sherbrooke Pour l obtention du Diplôme National d Ingénieur Présenté et soutenu par Wathek Bellah LOUED Analyseur
Plus en détailModélisation de la Reconfiguration Dynamique appliquée à un décodeur LDPC Non Binaire
Modélisation de la Reconfiguration Dynamique appliquée à un décodeur LDPC Non Binaire LAURA CONDE-CANENCIA 1, JEAN-CHRISTOPHE.PREVOTET 2, YASET OLIVA 2, YVAN EUSTACHE 1 1 Université Européenne de Bretagne
Plus en détailData Mining. Vincent Augusto 2012-2013. École Nationale Supérieure des Mines de Saint-Étienne. Data Mining. V. Augusto.
des des Data Mining Vincent Augusto École Nationale Supérieure des Mines de Saint-Étienne 2012-2013 1/65 des des 1 2 des des 3 4 Post-traitement 5 représentation : 6 2/65 des des Définition générale Le
Plus en détailNumérisation 3D de visages par une approche de super-résolution spatio-temporelle non-rigide
Numérisation 3D de visages par une approche de super-résolution spatio-temporelle non-rigide Karima Ouji To cite this version: Karima Ouji. Numérisation 3D de visages par une approche de super-résolution
Plus en détailRecherche d'images par le contenu Application au monitoring Télévisuel à l'institut national de l'audiovisuel
Recherche d'images par le contenu Application au monitoring Télévisuel à l'institut national de l'audiovisuel Alexis Joly alexis.joly@inria.fr INRIA - IMEDIA Alexis Joly cours monitoring p. 1 Plan de l'exposé
Plus en détailDocForum 18 Juin 2015. Réussites d un projet Big Data Les incontournables
DocForum 18 Juin 2015 Réussites d un projet Big Data Les incontournables Vos interlocuteurs Mick LEVY Directeur Innovation Business mick.levy@businessdecision.com 06.50.87.13.26 @mick_levy 2 Business &
Plus en détailOptimisation de la compression fractale D images basée sur les réseaux de neurones
Optimisation de la compression fractale D images basée sur les réseaux de neurones D r BOUKELIF Aoued Communication Networks,Architectures and Mutimedia laboratory University of S.B.A aoued@hotmail.com
Plus en détailBaccalauréat ES/L Amérique du Sud 21 novembre 2013
Baccalauréat ES/L Amérique du Sud 21 novembre 2013 A. P. M. E. P. EXERCICE 1 Commun à tous les candidats 5 points Une entreprise informatique produit et vend des clés USB. La vente de ces clés est réalisée
Plus en détailPrésentation du sujet de thèse Schémas temporels hybrides fondés sur les SVMs pour l analyse du comportement du conducteur
Présentation du sujet de thèse Schémas temporels hybrides fondés sur les SVMs pour l analyse du comportement du conducteur Réalisé par : Bassem Besbes Laboratoire d Informatique, Traitement de l Information
Plus en détailRECONSTRUCTION D'UN MODÈLE 3D D'OBJET AVEC LA KINECT
PROJET DE SEMESTRE : RECONSTRUCTION D'UN MODÈLE 3D D'OBJET AVEC LA KINECT SOFTWARE PROJECT MANAGEMENT PLAN Projet Reconstruction d'un modèle 3D d'objet avec la Kinect Document École Software Project Management
Plus en détailRésolution d équations non linéaires
Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique
Plus en détailProjet de fin d études : Modélisation 3D d un corps humain à partir de caméras 3D Kinect
Projet de fin d études : Modélisation 3D d un corps humain à partir de caméras 3D Kinect Tuteur LIFL : M. Hazem WANNOUS Maxime DEVANNE Tuteur Telecom Lille1 : M. Gilles VANWORMHOUDT FI 2012 Année 2011-2012
Plus en détailAnalyse Sémantique de Nuages de Points 3D et d Images dans les Milieux Urbains
Analyse Sémantique de Nuages de Points 3D et d Images dans les Milieux Urbains Andrés Felipe SERNA MORALES Directrice de thèse: Beatriz MARCOTEGUI ITURMENDI serna@cmm.ensmp.fr MINES ParisTech, Mathématiques
Plus en détailEquilibrage de charge (Load
Equilibrage de charge (Load balancing) dans les MPSoCs Présenté Le : 02 Décembre 2013 Par : A. AROUI Encadreur : A.E. BENYAMINA 01/12/2013 1 Problématique Comportement dynamique des applications et la
Plus en détailFormula Negator, Outil de négation de formule.
Formula Negator, Outil de négation de formule. Aymerick Savary 1,2, Mathieu Lassale 1,2, Jean-Louis Lanet 1 et Marc Frappier 2 1 Université de Limoges 2 Université de Sherbrooke Résumé. Cet article présente
Plus en détailBIG Data et R: opportunités et perspectives
BIG Data et R: opportunités et perspectives Guati Rizlane 1 & Hicham Hajji 2 1 Ecole Nationale de Commerce et de Gestion de Casablanca, Maroc, rguati@gmail.com 2 Ecole des Sciences Géomatiques, IAV Rabat,
Plus en détailThéorèmes de Point Fixe et Applications 1
Théorèmes de Point Fixe et Applications 1 Victor Ginsburgh Université Libre de Bruxelles et CORE, Louvain-la-Neuve Janvier 1999 Published in C. Jessua, C. Labrousse et D. Vitry, eds., Dictionnaire des
Plus en détailPROJET BIGDATART DOSSIER DE PRESENTATION
PROJET BIGDATART DOSSIER DE PRESENTATION Le projet BigDatArt est une installation scientifico-artistique centrée autour des notions d images et de BigData. Ce que je propose dans mon projet et d'inverser
Plus en détailProgramme scientifique Majeure INTELLIGENCE NUMERIQUE. Mentions Image et Réalité Virtuelle Intelligence Artificielle et Robotique
É C O L E D I N G É N I E U R D E S T E C H N O L O G I E S D E L I N F O R M A T I O N E T D E L A C O M M U N I C A T I O N Programme scientifique Majeure INTELLIGENCE NUMERIQUE Langage Java Mentions
Plus en détailCorrection du baccalauréat ES/L Métropole 20 juin 2014
Correction du baccalauréat ES/L Métropole 0 juin 014 Exercice 1 1. c.. c. 3. c. 4. d. 5. a. P A (B)=1 P A (B)=1 0,3=0,7 D après la formule des probabilités totales : P(B)=P(A B)+P(A B)=0,6 0,3+(1 0,6)
Plus en détailSystème de sécurité de périmètre INTREPID
TM Système de sécurité de périmètre INTREPID La nouvelle génération de systèmes de sécurité de périmètre MicroPoint Cable combine la technologie brevetée de Southwest Microwave, la puissance d un micro
Plus en détailTRAVAUX DE RECHERCHE DANS LE
TRAVAUX DE RECHERCHE DANS LE DOMAINE DE L'EXPLOITATION DES DONNÉES ET DES DOCUMENTS 1 Journée technologique " Solutions de maintenance prévisionnelle adaptées à la production Josiane Mothe, FREMIT, IRIT
Plus en détailSélection de Caractéristiques pour le Filtrage de Spams
Sélection de Caractéristiques pour le Filtrage de Spams Kamilia MENGHOUR, Labiba SOUICI-MESLATI Laboratoire LRI, Université Badji Mokhtar, BP 12, 23000, Annaba, Algérie. k_menghour@yahoo.fr, souici_labiba@yahoo.fr
Plus en détailModélisation du bruit et étalonnage de la mesure de profondeur des caméras Temps-de-Vol
N d'ordre : EDSPIC : D.U. xxxx xxx Université d'auvergne Faculté de Médecine Clermont Ferrand, France École Doctorale des Sciences Pour l'ingénieur Université de Tunis El Manar École Nationale d'ingénieur
Plus en détailPropriétés du Document EMA. Résumé
Propriétés du Document Source du Document FSN OpenPaaS Titre du Document Définition et exploitation d un référentiel de processus collaboratifs : Rapport de synthèse quant aux référentiels existants Module(s)
Plus en détailRappels sur les suites - Algorithme
DERNIÈRE IMPRESSION LE 14 septembre 2015 à 12:36 Rappels sur les suites - Algorithme Table des matières 1 Suite : généralités 2 1.1 Déition................................. 2 1.2 Exemples de suites............................
Plus en détailIntérêts et limites de la vidéo-surveillance intelligente pour la Sécurité Globale
Intérêts et limites de la vidéo-surveillance intelligente pour la Sécurité Globale Pierre BERNAS 1 1 EVITECH +33.820.2008.39 pbernas at evitech dot com 1. Introduction Depuis la fin des années 90, la numérisation
Plus en détailWorking with Kinect. Intelligence Ambiante. Tomás DÍAZ TRONCOSO Arturo GARCÍA TOVAR Daoud MAROUAN LMTIUI
Working with Kinect Intelligence Ambiante Tomás DÍAZ TRONCOSO Arturo GARCÍA TOVAR Daoud MAROUAN LMTIUI Table des matières I.IntroducCon à la Kinect... 3 I. Kinect à la portée de tous... 4 II. CaractérisCques...
Plus en détailDE LA NUMÉRISATION DES ACTIONS PHYSIQUES DES UTILISATEURS VERS LA CONCEPTION D INTERFACE AVEC LA KINECT
DE LA NUMÉRISATION DES ACTIONS PHYSIQUES DES UTILISATEURS VERS LA CONCEPTION D INTERFACE AVEC LA KINECT Doctorant Laboratoire G-SCOP VEYTIZOU Julien Julien.Veytizou@grenoble-inp.fr Qui suis-je? Projet
Plus en détailGroupe Eyrolles, 2006, ISBN : 2-212-11959-3
Groupe Eyrolles, 2006, ISBN : 2-212-11959-3 annexe B Piano Corner, (c) 2005 par Zsolt Stefan : http://deeppixel.uw.hu/gallery.html YafRay, le moteur de rendu photoréaliste Dès sa création, par une équipe
Plus en détailNOVLAND. production. Présente TMC. transmedia catalogue air / touch
NOVLAND production Présente TMC transmedia catalogue air / touch Novland Sàrl est une société de production active dans la création de contenu audiovisuel multiplateforme pour l'ensemble des canaux de
Plus en détail