Reconnaissance faciale

Reconnaissance faciale et vision par ordinateur

La reconnaissance faciale, aussi appelée reconnaissance de visage, consiste à identifier une ou plusieurs personnes automatiquement sur des photos ou dans des vidéos en analysant et en comparant des formes. Typiquement, les algorithmes de reconnaissance faciale extraient les caractéristiques faciales d’individus et les comparent à une base de données pour trouver la meilleure correspondance possible. La reconnaissance faciale joue un rôle important dans de nombreux systèmes biométriques, de sécurité et de surveillance, ainsi que dans les systèmes d’indexation d’images et de vidéos.

Étapes du processus de reconnaissance faciale.

 

La reconnaissance faciale s’appuie sur la vision artificielle pour extraire des informations distinctives concernant des visages, et sur la reconnaissance des formes ou les techniques d’apprentissage automatique pour modéliser et classer des visages.

Vous pouvez utiliser les techniques de vision artificielle pour extraire des caractéristiques, puis coder les informations distinctives nécessaires à la reconnaissance faciale sous forme de vecteurs compacts à l’aide de techniques et d’algorithmes tels que ceux décrits ci-dessous:

  • Extraction dense de caractéristiques locales avec les descripteurs SURF, BRISK ou FREAK
  • Histogramme de gradient orienté
  • Distance entre des repères faciaux détectés comme les yeux, le nez et les lèvres

Les techniques d’apprentissage automatique peuvent être appliquées aux caractéristiques extraites afin d’effectuer une reconnaissance faciale ou une classification:

Pour plus d’informations, consultez les sections consacrées aux solutions MATLAB®, Computer Vision System Toolbox™, Statistics and Machine Learning Toolbox™ et Neural Network Toolbox™.

Voir aussi: Statistics and Machine Learning Toolbox, Computer Vision System Toolbox, MATLAB et OpenCV, apprentissage automatique, détection d’objets, reconnaissance d’objets, extraction de caractéristiques, vision stéréo, flux optique, RANSAC, reconnaissance des formes, Deep Learning (Aprendizaje profundo)

Télécharger des exemples de code

Apprendre comment fonctionne la détection et la reconnaissance d'objet