Sélection de caractéristiques géométriques pour la reconnaissance faciale 3D

Show simple item record

dc.contributor.author Ballihi, Lahoucine -
dc.contributor.author Ben Amor, Boulbaba -
dc.contributor.author Daoudi, Mohamed -
dc.contributor.author Srivastava, Anuj -
dc.contributor.author Aboutajdine, Driss -
dc.date.accessioned 2019-08-27T14:10:20Z
dc.date.available 2019-08-27T14:10:20Z
dc.date.issued 2012 -
dc.identifier.citation Ballihi, Lahoucine ; Ben Amor, Boulbaba ; Daoudi, Mohamed ; Srivastava, Anuj ; Aboutajdine, Driss. Sélection de caractéristiques géométriques pour la reconnaissance faciale 3D. Traitement du signal, 2012, 29, 3, p. 383-407, https://doi.org/10.3166/ts.29.383-407. -
dc.identifier.issn 0765-0019 -
dc.identifier.uri http://hdl.handle.net/2042/70403
dc.description.abstract Dans cet article nous proposons de coupler la géométrie riemannienne avec les techniques d’apprentissage pour une biométrie faciale efficace et robuste aux changements d’expressions faciales. Nous représentons localement la forme des surfaces faciales par des collections de courbes 3D. Nous appliquons des techniques d’apprentissage afin de déterminer les courbes les plus pertinentes à la reconnaissance d’identité des personnes. Le taux de reconnaissance de l’ordre de 98, 02 % sur le benchmark de référence FRGC v2 confirme l’efficacité de coupler l’analyse géométrique de la forme avec des techniques d’apprentissage. fr
dc.description.abstract The proposed framework combines machine learning techniques and Riemannian geometry-based shape analysis. We represent facial surfaces by collections of radial curves and iso-level curves, the shapes of corresponding curves are compared using a Riemmannian framework. We select the most discriminative curves using the well known AdaBoost algorithm. The experiment involving FRGC v2 dataset demonstrates the effectiveness of this feature selection by achieving 98.02 % as rank-1 recognition rate. en
dc.language.iso fr -
dc.publisher Lavoisier -
dc.relation.ispartofseries Traitement du signal -
dc.rights Accès libre - Licence d'utilisation : http://irevues.inist.fr/utilisation -
dc.source Traitement du signal [Trait. Signal], ISSN 0765-0019, 2012, 29, 3, p. 383-407 -
dc.subject géométrie riemannienne fr
dc.subject chemin géodésique fr
dc.subject courbes faciales fr
dc.subject AdaBoost fr
dc.subject geometric features en
dc.subject riemannian geometry en
dc.subject geodesic path en
dc.subject facial curves en
dc.subject AdaBoost en
dc.title Sélection de caractéristiques géométriques pour la reconnaissance faciale 3D fr
dc.type Article -
dc.contributor.affiliation LIFL (UMR USTL/CNRS 8022) Université Lille 1, 59650, Villeneuve d’Ascq -
dc.contributor.affiliation LRIT, Unité Associée au CNRST (URAC 29), Université Mohammed V, 59650, Agdal -
dc.contributor.affiliation Institut Mines-Télécom, Télécom Lille 1, 59650, Villeneuve d’Ascq -
dc.contributor.affiliation Departement of Statistics, Florida State University, 32306, Tallahassee -
dc.identifier.doi https://doi.org/10.3166/ts.29.383-407 -


Files in this item

PDF TraitSignal_2012_29_3_383_Article.pdf 3.845Mb

This item appears in the following Collection(s)

Show simple item record





Advanced Search