Présentation PDF complète - Page Web Personnelle de Yang Zhao
Contents
1. US I i nnaissance de visages par eigenfaces Sommaire Introduction En quoi consiste le projet Quel est son int r t Comment allons nous proc der Quelles technologies utiliser Plan d tude A Point de d part Nous travaillons sur une base de donn es de r f rence B Analyse en composantes principales C Projection dans le sous espace des visages D Identification d un visage partir du num ro id E Comment distinguer une image visage d une image quelconque F Recalage des visages Impl mentation du syst me complet Pr sentation Bilan Quelles am liorations pourrait on apporter Annexe Mode d emploi des diff rents programmes MIX m pour l tude pr alable du syst me INTRODUCTION Reconna tre une personne est directement impliqu dans une multitude de secteurs d activit s L tre humain poss de un pouvoir de reconnaissance de visages qui se r v le n anmoins insuffisante pour certains cas Nous essayons ainsi de mettre en place des syst mes automatiques pour remplir la mission notamment dans le domaine de s curit o 1l est indispensable d utiliser un syst me performant Le visage est dans un cas g n ral un bon facteur de distinction entre les tres humains Le but de ce projet sera donc de d velopper un syst me qui manipule les images repr sentant des visages humains Il doit notamment nous dire si une image est effectivement un visage humain et si oui on doit pou2. tous les visages dans le sous espace On trouve pour deux visages de m me classe des distances maximales et minimales de 18 et 0 et pour les visages de classes diff rentes ces valeurs sont respectivement de 25 et 3 5 Ainsi en prenant par exemple une valeur de 7 M 2 on n obtiendra qu un r sultat satisfaisant seulement pour les visages tr s proches et pour M 20 la marge d erreur sera plus grande pour les visages de m me classe 20 30 gt 10 mm jm m B im m mm o T m 50 i o e m gm m a F l m l E n Eas mi de _ m g ae ao F y m m ma pgr 80 i i A t 4 p i T f i f ii m i a ri i S EA E E F E E 10 20 30 40 50 60 70 80 90 100 Maintenant on va comparer la m thode qu on utilise avec les coordonn es avec un m thode o l on proc derait par une m thode directe Les graphes ci dessous montrent la diff rence on trouve 3 diff rences de reconnaissance dont les positions sont indiqu es par le vecteur Pos methode avec comparaison de coordonnees methode directe Pos 61 92 3 19 20 81 37 68 84 25 11 42 28 14 15 61 92 3 19 35 66 37 68 9 25 11 42 28 14 15 On remarque que le taux d identification est le m me pour les 2 alors que l erreur d identification est plus grande pour la m thode directe a se voit au niveau des matrices du fait que celle de gauche est plus clair et do
3. e recale que l on charge dans une matrice I pour chaque cat gorie on charge les 15 photos de celle ci et la suite on passe la cat gorie suivante Gr ce l analyse en composantes principales on r cup re les eigenfaces formant la base du sous espace de l ensemble des visages Celles ci nous permettront de projeter l image test dans ce sous espace Ensuite l interface permet de choisir une image quelconque et de la recaler manuellement Pour cela on fait appel la fonction recalaginter qui elle m me appelle la fonction recalage qui nous renvoie l image recal e et l image d origine les 2 images tant pr alablement converties en noir et blanc On affiche ces 2 images puis nous allons tudier la projection de l image recal e dans le sous espace Le seuil d identification est fix 7 et le nombre d eigenfaces pour la projection 30 Enfin le seuil de reconstruction est fixe 12 Apr s nous r cup rons les coordonn es dans la base des 30 eigenfaces par un produit scalaire Ce qui donne l image test projet e dans le sous espace Et l erreur de reconstruction et l erreur d identification sont calcul es Un message est affich selon si l image est un visage ou non et si ce visage est reconnu Enfin le bilan de l tude de l image test est affich savoir l erreur de reconstruction la classification visage non visage de l image l erreur d identification une figure av
4. ec l image reconstruite une figure avec le visage le plus proche de la base si c est un visage une figure avec le visage de la personne si elle est reconnue Si nous voulions tudier une autre base de donn es de visages 1l suffirait de changer le d but pour r cup rer une matrice I qui contient toutes les nouvelles images Ensuite il faudrait changer les valeurs de m et n selon le nombre d images et la taille de ces images Apr s on relancerait les programmes r alis s pendant l tude pour avoir les param tres optimaux K 8 et T Enfin on peut changer les valeurs du vecteur qui fixe les param tres de recalage pour pouvoir centrer l image par rapport aux l vres etc A part a le programme continuerait fonctionner C est donc un bon squelette qui peut servir l tude de tout ensemble de visages BILAN Ainsi nous avons r ussi simuler un syst me de reconnaissance de visages partir d une certaine base de donn es de visages Nous avons pour cela fait une d composition en composantes principales et r aliser des exp riences pour d terminer les param tres id aux pour les reconnaissance Ce processus d identification constitue la derni re tape d une cha ne o interviennent du mat riel et des logiciels Nous allons nous int resser par exemple un syst me de s curit dans un site sensible centrale nucl aire qui permettrait d identifier le personnel qui entre dans certaines salles en scannan
5. es prendre PROJECTIONS DANS LE SOUS ESPACES DES VISAGES K 30 C 20 40 60 20 40 ED 20 40 B K 80 20 40 60 20 40 6 20 40 20 40 ED 20 40 E m 20 40 ED P 20 40 ED 20 40 60 20 40 ED On constate qu il n y a presque pas d erreur de reconstruction pour K m les visages reconstruits correspondent bien aux visages d origine les petits d calages viennent du fait que toutes les informations n ont pas t rassembl es avec les eigenfaces On normalise les valeurs propres pour que leur somme soit gal 1 et on trace la courbe de leur somme cumul e pour les K K 40 premi res eigenfaces somme cumulee des valeurs propres en fonction de K 0 9 0 6 0 7 0 6 0 5 0 4 0 3 0 2 0 D apr s ce graphe si on prend 0 9 comme r f rence de bonne reconstruction 1l faudrait alors prendre une valeur de K minimale de 30 Ensuite on peut tracer la courbe illustrant l volution de la moyenne d erreur de reconstruction des visages de test Celui ci reste coh rent avec le graphe pr c dent l erreur est inf rieure 8 pour K sup rieur 30 moyenne d rreur n fonction de K variant d 1 m IDENTIFICATION On peut estimer la distance dans le sous espace pour diminuer le nombre de calcul faire En prenant K 20 on visualise dans le sch ma ci dessous sous forme d image matricielle la distance de chaque visage de r f rence par rapport
6. iers visages et accompagn s des visages centr s correspondants 20 40 ED 20 40 ED 20 40 ED 10 20 30 40 5 60 20 40 ED 20 40 ED 20 40 ED 20 40 ED Le premier constat est le manque de clart des visages centr s ceci s explique par le fait que des informations ont t enlev es par rapport aux visages d origine ANALYSE EN COMPOSANTES PRINCIPALES ACP Sachant que nous proc dons par une approche image chaque image de visage est consid r e comme un vecteur dans un espace multidimensionnel autant que le nombre de pixels dans l image Nous d finissons la matrice comme tant la matrice repr sentant des visages centr s les eigenfaces sont ainsi les vecteurs propres de la matrice de covariance A A Nous appliquons la d composition en valeurs simples DVS A U S VT En m moire U prendra 8 n n octets V 8 m m octets et S 8 n m octets Nous pr f rons la DVS la d composition en valeurs propres car elle pr sente une r duction en terme de co t en m moire On peut afficher les cinq premi res eigenfaces avec leur valeur propre respective en en t te 3052 61 1364 3 or B 432 552 101 522 56 y 20 30 40 all ED 20 40 ED 20 4l 20 40 Hi 20 4l ED 20 40 Hi Par la suite nous allons r aliser diff rentes exp riences pour d terminer les valeurs optimales des param tres qui permettent de r aliser les reconnaissances en commen ant par le nombre de eigenfac
7. nc les valeurs sont plus proches de 1 apr s les avoir normalis es et donc sont plus importantes Nous allons donc utiliser la comparaison des coordonn es pour l identification des images dans notre interface Pour terminer cette partie on va tracer la courbe du nombre de visages reconnus en fonction de K afin d estimer la valeur optimale pour K La courbe obtenue stipule qu une valeur de K 18 conviendrait parfaitement tant au niveau performance de reconnaissance qu au niveau d efficacit en temps de calcul nombre de visages reconnus en fonction de K I l 0 20 40 60 80 100 120 CLASSIFICATION VISAGE NON VISAGE Nous cr ons d abord une image al atoire puis on essaie de la reconstruire et affiche le r sultat enfin on comparera la valeur de son erreur de reconstruction avec celle d un visage image aleatoire la reconstruction de image aleatoire La reconstruction de l image al atoire donne un visage qui n a rien voir Donc quand l image est trop diff rente des visages on a des reconstructions qui ressemblent la base On a une erreur minimale de 32 alors qu avec des images on avait une erreur inf rieure 8 pour K gt 30 On pourra donc diff rencier facilement un visage d un non visage lors de l impl mentation de l interface finale RECALAGE DES VISAGES Jusqu maintenant nous avons travaill sur une base d images qui ont t pr alablement pr par e
8. on trace la courbe de leur somme cumul e en fonction de K MI4 Enfin on illustre l volution de la moyenne de l erreur de reconstruction des visages de test pour K variant de 1 m On doit retrouver une certaine coh rence avec le r sultat pr c dent MI5 MI6 MI7 Ces trois programmes sont consacr s la t che d identification On va notamment illustrer la distance de chaque visage de r f rence par rapport tous les autres par une image de matrice puis comparer deux m thodes de comparaison et enfin sortir la courbe du nombre de visages reconnus en fonction de K MI8 MI9 On entame la partie classification visage non visage on va d abord tudier les caract ristiques d une image quelconque effectuer sa reconstruction pour comparer avec celle pour un visage Puis nous allons effectuer la classification visage non visage partir d une base de donn es quelconque 12 M111 Cette partie nous permettra d effectuer le recalage manuel d une image travers une interface Fonctions utilis es categories fonction faisant la correspondance entre un entier et une cat gorie de visage par exemple happy ou encore wink showface showcface fonctions permettant d afficher des visages centr s ou non recalage recalaginter fonctions permettant le recalage des images 13
9. s avec soin en effet ce sont toutes des images de visages recal es IT est int ressant de comprendre comment s effectue ce travail de recalage C est exactement cela le but de cette partie Nous allons impl menter une interface travers laquelle l utilisateur peut s lectionner un visage et effectuer ensuite le recalage Notons que le recalage peut tre effectu priori partir de n importe quelle partie du visage mais dans notre tude nous allons proc der un recalage par rapport aux yeux Image non recal e 50 100 150 200 250 300 Image recal e T 10 INTERFACE COMPLETE Les calculs pr alables nous permettent d tudier le syst me pour pouvoir fixer tous les param tres n cessaires une identification d une image test En effet avec nos images de r f rence on prendra 30 eigenfaces pour projeter les images identifier Ce qui donne une erreur de reconstruction faible pour toutes les images qui ressembleraient un visage de la base De plus si l erreur de reconstruction est sup rieure 10 on consid rera que l image est un non visage Et pour une erreur d identification sup rieure 8 on consid rera que l image est un visage mais n est pas reconnu Ce qui nous permet d impl menter une interface capable de savoir si une image est un visage ou non et s il est reconnu L interface permet de r cup rer en un premier temps les images subject x _cat y jpg du r pertoir
10. s l alarme soit d clench e Ce syst me pr sente aussi des limites car si l expression du visage au moment de la photo est trop diff rente de celles qui sont pr sentes dans la base l interface ne le reconna t pas En plus si on est dans une grande entreprise la rentr e de toutes les donn es est assez p nible Enfin 1l vaut mieux un appareil photo fixe et un recalage manuel pour ne pas supprimer un poste D j qu cause des digicodes 1l n y a plus de concierges Annexe Explication de tous les codes et leur utilisation MIO Ce programme sert de point de d part c est le premier programme lancer en effet il initialise toutes les donn s qu on aura besoin pour la suite tout d abord la matrice et J qui contiennent respectivement les visages de r f rences et tous les visages savoir r f rence et test puis calcule et affiche l image moyen Imoy enfin il g n re les matrices et AA qui repr sentent les images centr es des visages de r f rence et de test ATTETION MIO doit tre ex cut en premier pour pouvoir faire fonctionner les autres programmes M1 Il affiche simplement les cinq premi res eigenfaces avec leur valeur propre MI2 On commence ici la partie Projection dans le sous espace des visages cette premi re partie calcule les coordonn es d un visage dans le sous espace et on affiche quelques visages avec leur visage reconstruite MI3 Apr s avoir normalis les valeurs propres
11. t le visage de 11 la personne Pour r ussir mettre en place ce syst me 1l faudrait d abord r cup rer l image de la personne identifier en prenant la personne en photo de face Ceci se fait gr ce un appareil photo num rique attach une unit mobile pour s ajuster au niveau du visage Cet appareil serait reli l ordinateur ou un logiciel r cup rerait l image On aurait comme logiciel un programme ayant 2 modes le mode administrateur pour rajouter des nouveaux visages la base de donn e et le mode utilisateur pour identifier Dans le premier mode le programme aura une interface qui nous permette de rajouter une image en la s lectionnant et en la recalant manuellement comme dans notre interface De plus 1l faudrait que tous les param tres soient actualis s Imoy K T gr ce une impl mentation qui relancerait les petits test et r cup rerait les bonnes valeurs Apr s dans le deuxi me mode l image serait d j recal e en pla ant bien l appareil gr ce des capteurs optiques et donc on proc derait son ACP avec l interface que l on a impl ment Mais bon on vitera de dire la personne que ce n est pas un visage en cas d erreur et se contentera du m me signal sonore avec une lumi re rouge que pour une personne non autoris e Et 1l faudrait mettre en m moire un moment les visages qui n appartiennent pas la base pour que si cette personne essaye de rentrer plus de 3 foi
12. voir effectuer un recalage manuel de l image pour focaliser sur le visage en prenant comme r f rence la position des yeux afin de faciliter la reconnaissance avec ce syst me enfin le reconna tre partir d une base de donn es de visages de r f rence Pour cela nous allons utiliser la m thode de reconnaissance par eigenfaces Nous allons donc partir d une base de donn es de visages recal s pour optimiser notre syst me de reconnaissance Dans un premier temps nous allons tudier les bases th oriques savoir le principe de l analyse en composantes principales pour introduire les l ments d eigenfaces Ensuite nous tudierons la reconstruction des images par projection dans le sous espace des visages le param tre d tude primordial K sera introduit et sa valeur optimale sera fix e entre un certain intervalle apr s une tude d erreur Ceci tant fait on peut enfin proc der aux tapes d identification et de reconnaissances proprement parl es Enfin le syst me complet sera impl ment fournissant aux utilisateurs une interface pour tester le r sultat de notre travail Les fonctions sont toutes impl ment es sous Matlab 7 0 BASES DE DONNEES DE VISAGES Nous utiliserons la matrice I pour stocker la base des images de r f rence Elle est de taille n m 4096 7 et comporte des r els au format double donc prendra 8 n m 8 4096 105 3 44Mo On peut afficher le visage moyen legs moyen Puis les cinq prem
Download Pdf Manuals
Related Search