Système de reconnaissance faciale

Êtes-vous un étudiant de l'EPFL à la recherche d'un projet de semestre?

Travaillez avec nous sur des projets en science des données et en visualisation, et déployez votre projet sous forme d'application sur GraphSearch.

Découvrez-en plus sur les applications Graph.

Un système de reconnaissance faciale est une application logicielle visant à reconnaître automatiquement une personne grâce à son visage. Il s'agit d'un sujet particulièrement étudié en vision par ordinateur, avec de très nombreuses publications et brevets, et des conférences spécialisées. La reconnaissance de visage a de nombreuses applications en vidéosurveillance, biométrie, robotique, indexation d'images et de vidéos, , etc. Ces systèmes sont généralement utilisés à des fins de sécurité pour déverrouiller ordinateur/mobile/console, mais aussi en domotique. Le fonctionnement de ces systèmes se base sur une ou plusieurs caméras pour reconnaître l'utilisateur. Ces systèmes peuvent également être utilisés dans le but de faciliter la vie de l'utilisateur, comme le font par exemple certains réseaux sociaux sur internet (Facebook, Google+) ou certaines applications mobiles (NameTag, FaceRec) pour identifier des visages sur des images. Ces systèmes se basent alors sur des photos et/ou vidéos d'une ou plusieurs personnes. La détection de visage, qui consiste à repérer qu'un visage est présent sur une image, est l'une des possibles phases techniques de la reconnaissance faciale. L'une des premières tentatives de reconnaissance faciale est faite par Takeo Kanade en 1973 lors de sa thèse de doctorat à l'Université de Kyoto. Le , Facebook lance un service de reconnaissance faciale accessible à tous. Celui-ci a été vivement critiqué par un bon nombre d'associations de protection de la vie privée et du droit à l'oubli. Sous cette pression, Facebook a dû abandonner ce service le en Europe. Un autre projet de reconnaissance de visage, appelé DeepFace, développé par le groupe de recherche de Facebook a également commencé à voir le jour début 2015. Cet outil a pour but de reconnaître un visage, quelle que soit son orientation, ainsi que d'y associer une personne. DeepFace permet donc de faire correspondre un très grand nombre de photos différentes d'une même personne, même si celle-ci n'est pas identifiée explicitement.

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Publications associées (284)

Personnes associées (74)

Unités associées (5)

Concepts associés (68)

Cours associés (10)

Séances de cours associées (78)

MOOCs associés (15)

Are GAN-based Morphs Threatening Face Recognition?

Sébastien Marcel, Eklavya Sarkar, Laurent Colbois

Morphing attacks are a threat to biometric systems where the biometric reference in an identity document can be altered. This form of attack presents an important issue in applications relying on iden

IEEE2022

, , ,

Polynomial neural networks (PNNs) have been recently shown to be particularly effective at image generation and face recognition, where high-frequency information is critical. Previous studies have re

2022

Understanding Deep Neural Networks using Adversarial Attacks

Krishna Kanth Nakka

Deep Neural Networks (DNNs) have achieved great success in a wide range of applications, such as image recognition, object detection, and semantic segmentation. Even thoughthe discriminative power of

EPFL2022

L'apprentissage profond ou apprentissage en profondeur (en anglais : deep learning, deep structured learning, hierarchical learning) est un sous-domaine de l’intelligence artificielle qui utilise des réseaux neuronaux pour résoudre des tâches complexes grâce à des architectures articulées de différentes transformations non linéaires. Ces techniques ont permis des progrès importants et rapides dans les domaines de l'analyse du signal sonore ou visuel et notamment de la reconnaissance faciale, de la reconnaissance vocale, de la vision par ordinateur, du traitement automatisé du langage.

Les eigenfaces sont un ensemble de vecteurs propres utilisés dans le domaine de la vision artificielle afin de résoudre le problème de la reconnaissance du visage humain. Le recours à des eigenfaces pour la reconnaissance a été développé par Sirovich et Kirby (1987) et utilisé par Matthew Turk et Alex Pentland pour la classification de visages. Cette méthode est considérée comme le premier exemple réussi de technologie de reconnaissance faciale.

EE-623: Perception and learning from multimodal sensors

The course will cover different aspects of multimodal processing (complementarity vs redundancy; alignment and synchrony; fusion), with an emphasis on the analysis of people, behaviors and interaction

CS-503: Visual intelligence : machines and minds

The course will discuss classic material as well as recent advances in computer vision and machine learning relevant to processing visual data with a primary focus on embodied intelli

ENV-408: Sensing and spatial modeling for earth observation

In this course students get acquainted with the process of image (orthophoto and DEM) creation, as well as with methods for monitoring the Earth surface using remotely sensed data. Methods will span

Image Processing II: Propriétés et applications du KLT

Explore les propriétés et les applications de la transformation de Karhunen-Loève dans le traitement de l'image.

Analyse de la composante principale: Eigenfaces

Couvre l'application de l'analyse en composantes principales dans la reconnaissance faciale à l'aide d'un ensemble de données de visages célèbres.

Projet de programmation : Reconnaissance d'image

Explique la reconnaissance d'image dans LabVIEW, en se concentrant sur la lecture des paramètres et la reconnaissance des chiffres.

Introduction to Discrete Choice Models

The course introduces the theoretical foundations to choice modeling and describes the steps of operational modeling.

Selected Topics on Discrete Choice

Discrete choice models are used extensively in many disciplines where it is important to predict human behavior at a disaggregate level. This course is a follow up of the online course “Introduction t

Selected Topics on Discrete Choice