Fusion of different capture modes for face recognition applied to e_transactions
Fusion de différents modes de capture pour la reconnaissance du visage appliquée aux e_transactions
Résumé
In this thesis, we describe the problem of automatic face recognition in visibleand long–wave infrared lights. The state of the art methods are described, and westudy, in a first time, a method based on convolutional neural networks. Applied toboth modalities, the proposed fusion method, based on a weighted sum of scores,yields a substantial increasing of the recognition rates. In a second time, a pretrainingof the network with sparse methods is studied for automatic facial recognition.Finally, we propose an approach based on a sparse decomposition of faces, coupledwith a classification scheme involving in a l1 minimization. This last approach givesgood identification rates on the well known Notre–Dame database.
Dans cette thèse, nous décrivons le problème de la reconnaissance automatique de visages en lumière visible et infrarouge (grandes longueurs d’ondes). Les principales méthodes de la littérature sont étudiées, et nous nous concentrons dans un premier temps sur une méthode fondée sur les réseaux de neurones à convolution. Appliquée aux deux modalités, la méthode de fusion par pondération des scores proposée permet d’augmenter sensiblement les taux de reconnaissance. Dans un deuxième temps, l’application de méthodes de préapprentissage du réseau via des approches parcimonieuses est étudiée pour la reconnaissance faciale. Enfin, nous nous penchons sur une approche de décomposition parcimonieuse de visages, couplée à une méthode de classification fondée sur une minimisation l1 . Cette dernière approche permet d’atteindre de bons taux d’identification sur la base de référence Notre–Dame.
Loading...