Résumé | Cette présentation résume l'effort de notre groupe à concevoir une approche de nature biologique, différente de celle de Von-Neumann, du traitement et de la reconnaissance vidéo. Le besoin d'une telle approche est illustré par le fait même que, bien que la reconnaissance vidéo soit facile pour les humains, la plupart des approches de reconnaissance artificielle développées jusqu'ici ont encore un très mauvais rendement lorsqu'elles sont appliquées à des données vidéo. Plutôt que de concentrer l'effort sur l'amélioration de la qualité des données vidéo, comme le suggère le Face Recognition Vendor Test/Grand Challenge, nous partons de la prémisse que les données vidéo sont par définition de mauvaise qualité, de sorte que l'effort devrait être orienté vers l'élaboration d'approches qui puissent prendre en charge des données de si mauvaise qualité. Nous commençons notre approche en utilisant le mécanisme neuro-associatif dont on sait qu'il est primordial pour les systèmes de reconnaissance à vision biologique en permettant l'accumulation de données d'apprentissage dans le temps et qui est mis en œuvre au moyen de l'accord des connexions synaptiques d'un réseau neuronal à connexions multiples. Par conséquent, nous construisons un système de mémorisation-reconnaissance qui peut mémoriser un visage à partir d'une séquence vidéo, puis identifier ce visage dans une autre séquence vidéo. L'essai du système est délibérément effectué sur une séquence vidéo de très mauvaise qualité, c.-à-d. qu'elle est à peine suffisante pour permettre à des humains d'identifier le visage. L'application du système pour identifier des usagers d'ordinateur au moyen d'une webcam à faible résolution est présentée. D'autres applications comprennent l'annotation vidéo de programmes de télévision et de téléconférences et la fusion des données biométriques objectives et subjectives aux fins de la sécurité nationale. |
---|