FR2688329A1 - METHOD FOR RECOGNIZING SHAPES USING A NEURONAL NETWORK, SYSTEM AND DEVICE IMPLEMENTING THIS METHOD. - Google Patents
METHOD FOR RECOGNIZING SHAPES USING A NEURONAL NETWORK, SYSTEM AND DEVICE IMPLEMENTING THIS METHOD. Download PDFInfo
- Publication number
- FR2688329A1 FR2688329A1 FR9202656A FR9202656A FR2688329A1 FR 2688329 A1 FR2688329 A1 FR 2688329A1 FR 9202656 A FR9202656 A FR 9202656A FR 9202656 A FR9202656 A FR 9202656A FR 2688329 A1 FR2688329 A1 FR 2688329A1
- Authority
- FR
- France
- Prior art keywords
- recognition
- recognized
- network
- processing unit
- neural network
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C9/00—Individual registration on entry or exit
- G07C9/20—Individual registration on entry or exit involving the use of a pass
- G07C9/22—Individual registration on entry or exit involving the use of a pass in combination with an identity check of the pass holder
- G07C9/25—Individual registration on entry or exit involving the use of a pass in combination with an identity check of the pass holder using biometric data, e.g. fingerprints, iris scans or voice recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/19—Recognition using electronic means
- G06V30/192—Recognition using electronic means using simultaneous comparisons or correlations of the image signals with a plurality of references
- G06V30/194—References adjustable by an adaptive method, e.g. learning
Abstract
Description
La présente invention a trait d'une manière générale à la reconnaissance de "formes". The present invention relates generally to the recognition of "shapes".
Au sens de la présente invention, on entend par "forme" toute représentation visualisable en une à trois, ou plus généralement "n" dimensions, d'une structure ou d'un phenomène susceptible de se traduire sous forme d'un signal. For the purposes of the present invention, the term "shape" means any representation that can be viewed in one to three, or more generally "n" dimensions, of a structure or a phenomenon capable of being expressed in the form of a signal.
Des exemples de formes sont : des visages d'êtres humains, les représentations graphiques de signaux acoustiques, des images d'empreintes digitales, des caractéristiques radar
Doppler d'une cible, etc ...Examples of shapes are: human faces, graphical representations of acoustic signals, fingerprint images, radar characteristics
Doppler of a target, etc ...
Une application privilégiée, mais non exclusive de la présente invention est celle de la reconnaissance de visages et/ou de voix humaines dans les systèmes d'accès contrôlés et/ou de contrôles d'identité. A preferred, but not exclusive, application of the present invention is that of recognizing human faces and / or voices in controlled access and / or identity control systems.
Le problème technique général auquel l'homme du métier se trouve confronté dans de tels systèmes de contrôle est celui de la fiabilité du procédé, notamment de son caractère non falsifiable par des fraudeurs éventuels. The general technical problem with which the person skilled in the art is confronted in such control systems is that of the reliability of the process, in particular of its non-falsifiable nature by possible fraudsters.
A l'heure actuelle, plusieurs procédés de reconnaissance ou de contrôle d'identité sont mis en oeuvre de façon classique. Certains procédés mettent en oeuvre des badges ou cartes d'identité comportant une photographie, la reconnaissance du porteur étant faite par un prépose. At present, several methods of identity recognition or control are implemented in a conventional manner. Certain methods use badges or identity cards comprising a photograph, the carrier being recognized by an attendant.
D'autres procédés mettent en oeuvre des badges avec ou sans photographie, comportant un code lu par un moyen de lecture, une clé d'accès pouvant être constituée par un code complémentaire détenu par le porteur du badge
Ces procédés classiques présentent divers inconvénients. Tout d'abord, comme mentionné plus haut, certains procédés mettent en oeuvre une reconnaissance purement humaine du porteur du badge ou de la carte d'identité, alors qu'il est connu que les documents d'identité peuvent être falsifiés par une mise en place de photos ne correspondant pas au titulaire du badge t Par ailleurs, les systèmes d'identification à base de badges codés, agrémentés ou non d'un code complémentaire d'accès, posent le problème de la falsification du code par un fraudeur, et n'offrent pas, à ce jour, de sécurité absolue.Other methods use badges with or without photography, comprising a code read by a reading means, an access key which can be constituted by an additional code held by the holder of the badge
These conventional methods have various drawbacks. First of all, as mentioned above, certain methods implement a purely human recognition of the holder of the badge or the identity card, while it is known that identity documents can be falsified by a place of photos not corresponding to the badge holder t Furthermore, identification systems based on coded badges, with or without an additional access code, pose the problem of falsification of the code by a fraudster, and do not offer, to date, absolute security.
Aussi sophistiqués soient ils, ces systèmes peuvent, si le fraudeur en prend les moyens, notamment informatiques, être fraudés ou falsifies.As sophisticated as they are, these systems can, if the fraudster takes the means, in particular IT, be defrauded or falsified.
I1 s'ensuit que le besoin se fait sentir d'un système d'identification ou de contrôle d'accès à haute sécurité, insusceptible d'être fraudé et/ou contourné même avec l'aide de moyens informatiques puissants, de reconnaissance de formes telles que des visages ou des voix. It follows that the need arises for a high security identification or access control system, which is unlikely to be defrauded and / or circumvented even with the help of powerful computer means, for pattern recognition. such as faces or voices.
Les caractères que doivent présenter un tel procédé ou dispositif de codage sont notamment les suivants
- infalsifiable, même si le fraudeur a connaissance du code,
- en cas de vol du badge d'un titulaire par un fraudeur, impossibilite d'utiliser ce badge et ce même en présence d'une photo ou d'un code donnant l'identité du titulaire sur le badge,
- influence nulle des parasites susceptibles d'affecter la reconnaissance : par exemple, reconnaissance du visage même si le titulaire du badge porte des lunettes de soleil,
- caractère non bijectif du système de codage la reconnaissance du code relatif au visage, ne permet pas de retrouver la forme du visage pour un fraudeur.The characters that such a coding process or device must have are notably the following
- unforgeable, even if the fraudster has knowledge of the code,
- in the event that the holder's badge is stolen by a fraudster, it is impossible to use this badge even if there is a photo or code giving the holder's identity on the badge,
- zero influence of parasites likely to affect recognition: for example, face recognition even if the badge holder wears sunglasses,
- non-bijective nature of the coding system recognition of the code relating to the face, does not allow the shape of the face to be found for a fraudster.
On connaît au jour du dépôt de la présente demande, le développement d'une technologie susceptible d'apporter, au moins partiellement, une réponse au cahier des charges qui vient d'être énoncé, à savoir la technique de reconnaissance de formes au moyen de réseaux neuronaux. On the day of filing of this application, the development of a technology capable of providing, at least partially, a response to the specifications which have just been stated, namely the technique of pattern recognition by means of neural networks.
On assiste, depuis quelques années, à un développement important des réseaux neuronaux, que l'on utilise pour des tâches, telles que la reconnaissance ou le traitement d' images, pour lesquelles les structures classiques d'ordinateurs ne sont pas bien adaptées. In recent years, we have witnessed an important development of neural networks, which we use for tasks, such as recognition or image processing, for which conventional computer structures are not well suited.
Globalement, les réseaux neuronaux sont des structures composées de processeurs élémentaires, appelés "neurones", le plus souvent agencés en couches, interconnectés par des "connexions". Pendant le cours du calcul, chaque neurone reçoit des informations venant de plusieurs autres neurones pour la suite du calcul. Les états de neurones sont transmis à travers les connexions, et modulés en fonction d'un paramètre caractéristique de la connexion, appelé "coefficient synaptique", qui mesure l'amplification (ou l'atténuation) qui est faite de l'information en transit.Overall, neural networks are structures made up of elementary processors, called "neurons", most often arranged in layers, interconnected by "connections". During the course of the calculation, each neuron receives information from several other neurons for the rest of the calculation. The states of neurons are transmitted through connections, and modulated according to a characteristic parameter of the connection, called "synaptic coefficient", which measures the amplification (or attenuation) which is made of information in transit. .
L'ensemble des neurones et des connexions les reliant constitue "l'architecture" du réseau.The set of neurons and the connections connecting them constitutes the "architecture" of the network.
En cours de calcul (voir figure 1), le processeur élémentaire constitué par chaque neurone (i) réalisé le calcul du potentiel (Vj) du neurone considéré (voir figure 1). Le potentiel est le résultat de la sommation des états des neurones ou des entrées du réseau qui lui sont connectés (données ej) modulés par les coefficients synaptiques (cil) relatifs aux connexions considérées. L'état (s,) de chaque neurone (i) est ensuite déterminé en appliquant une fonction dite "d'activation" (f(Vj)) qui est généralement du type fonction à seuil ou du type fonction sigmoïde à la valeur du potentiel du neurone. During calculation (see Figure 1), the elementary processor constituted by each neuron (i) performs the calculation of the potential (Vj) of the neuron considered (see Figure 1). The potential is the result of the summation of the states of the neurons or of the inputs of the network which are connected to it (data ej) modulated by the synaptic coefficients (cil) relative to the considered connections. The state (s) of each neuron (i) is then determined by applying a function called "activation" (f (Vj)) which is generally of the threshold function type or of the sigmoid function type at the value of the potential of the neuron.
Lorsqu'une donnée est à traiter par un réseau, la représentation de la donnée (par exemple : ensemble des caractéristiques numériques d'une image) se traduit par le choix au moins partiel de l'état initial du réseau (c'est-àdire des états individuels affectés à chaque entrée du réseau correspondant par exemple aux données numériques de l'image à traiter). Puis, les états des différents neurones du réseau évoluent en parallèle, jusqu'à une certaine stabilisation. On lit alors le résultat du traitement de l'information sur l'état final du réseau (c'est-à-dire l'état individuel de chaque sortie du réseau) : on a effectué l'"évaluation" de la donnée (on parle parfois aussi de "relaxation" du réseau). When a piece of data is to be processed by a network, the representation of the data (for example: all of the digital characteristics of an image) results in the at least partial choice of the initial state of the network (i.e. individual states assigned to each input of the network corresponding for example to the digital data of the image to be processed). Then, the states of the various neurons of the network evolve in parallel, until a certain stabilization. We then read the result of the processing of information on the final state of the network (that is to say the individual state of each output of the network): we performed the "evaluation" of the data (we sometimes also speaks of "relaxation" of the network).
(I1 peut s'agir, dans l'exemple considéré, de la reconnaissance du personnage faisant l'objet de l'image numérique en entrée du réseau). (It can be, in the example considered, the recognition of the character forming the subject of the digital image at the input of the network).
Pour développer une application, on doit disposer d'une base d'exemples de données représentatives des divers cas à traiter. Un exemple est formé d'une donnée à traiter par le réseau (ensemble des états des entrées) (dans l'exemple considéré : image photographique numérisée d'un personnage), et, du résultat voulu après traitement (ensemble des états de sorties) (dans l'exemple considéré : nom du personnage), ou tout au moins de contraintes sur ce résultat. To develop an application, you must have a database of examples of data representative of the various cases to be treated. An example is made up of data to be processed by the network (set of input states) (in the example considered: digitized photographic image of a character), and, of the desired result after processing (set of output states) (in the example considered: name of the character), or at least constraints on this result.
Par comparaison du résultat attendu et du résultat obtenu sur un exemple, on déduit une modification de l'ensemble des coefficients synaptiques du réseau. En itérant ce processus sur tous les exemples de la base de données (dans cet exemple, l'ensemble des images de chaque personnage), on finit par aboutir à un réseau qui donne le résultat attendu (les noms) sur tous les exemples de la base : on a effectué la "phase d'apprentissage". Après la phase d'apprentissage, on peut présenter au réseau de nouvelles données-tests n'ayant pas servi pour l'apprentissage (dans l'exemple considéré : des images des personnages dans d'autres situations); lorsque la base d'exemples est suffisamment représentative, le résau donne, la encore, le résultat attendu (les noms) sur ces nouvelles données test. On a testé la capacité de généralisation du réseau. Ce réseau neuronal peut alors être utilisé en phase de "reconnaissance" pour déterminer le résultat associé à de nouvelles données à traiter (dans l'exemple considéré : images non identifiées des personnages). By comparison of the expected result and the result obtained on an example, we deduce a modification of the set of synaptic coefficients of the network. By iterating this process on all the examples of the database (in this example, the set of images of each character), we end up with a network which gives the expected result (the names) on all the examples of the basis: we have carried out the "learning phase". After the learning phase, we can present to the network new test data that were not used for learning (in the example considered: images of the characters in other situations); when the base of examples is sufficiently representative, the network again gives the expected result (the names) on this new test data. We tested the generalization capacity of the network. This neural network can then be used in the "recognition" phase to determine the result associated with new data to be processed (in the example considered: unidentified images of the characters).
L'approche neuronale classique rappelée ci-dessus présente, notamment dans l'hypothèse de la reconnaissance de visages, plusieurs inconvénients. The conventional neural approach recalled above has, particularly in the case of face recognition, several drawbacks.
Tout d'abord la taille de la population susceptible d'être reconnue par un tel dispositif est, en l'état actuel de la technologie, passablement réduite. First of all, the size of the population likely to be recognized by such a device is, in the current state of technology, quite reduced.
Ensuite, la question de la capacité de memorisation des ordinateurs dans certaines applications peut être posée. Then, the question of the memory capacity of computers in certain applications can be asked.
Par ailleurs, le temps de la phase d'apprentissage pour la reconnaissance par exemple d'une centaine d'individus est prohibitif. En effet, le temps d'apprentissage nécessaire n'augmente pas linéairement avec le nombre d'individus, et si l'on peut estimer qu'une semaine de travail est nécessaire pour réaliser la phase d'apprentissage sur une population d'une centaine d'individus, il est probable que ce temps est beaucoup plus élevé que deux semaines pour deux cents invididus. En tout état de cause, cet aspect du problème est assez mal connu. Furthermore, the time of the learning phase for the recognition, for example, of a hundred individuals is prohibitive. Indeed, the learning time required does not increase linearly with the number of individuals, and if we can estimate that a week of work is necessary to carry out the learning phase on a population of one hundred of individuals, it is likely that this time is much higher than two weeks for two hundred individuals. In any event, this aspect of the problem is poorly understood.
On observera en outre que la mémorisation des caractéristiques d'une population se fait en un seul et même site Cette caractéristique peut présenter des inconvénients, même en supposant les problèmes relatifs à la taille mémoire et au temps d'apprentissage résolus, dans l'hypothèse d'un contrôle d'identité sur une population, à l'échelle d'un pays. En effet, le contrôle d'identité est une opération purement locale et le dispositif de communication qu'il faudrait envisager pour pouvoir réaliser un tel contrôle sur la base d'un système centralisé comportant les données d'une population très importante présente, en l'état actuel, un coût prohibitif. It will further be observed that the memorization of the characteristics of a population is done in a single site. This characteristic can have drawbacks, even assuming the problems relating to the memory size and the learning time solved, in the hypothesis an identity check on a population, at the scale of a country. Indeed, identity control is a purely local operation and the communication device that should be considered in order to be able to carry out such control on the basis of a centralized system comprising the data of a very large population present, in l 'current state, a prohibitive cost.
L'inventeur a imaginé de pallier en partie cet inconvénient en insérant, dans le badge de contrôle, un code relatif à l'identité du titulaire de la carte ; un tel code commanderait à l'unité centrale de charger des coefficients synaptiques relatifs à ce titulaire, le processeur central entrant alors en phase de reconnaissance. Cette idée a été abandonnée par l'inventeur, car elle implique d'une part, la présence d'un code relatif à l'identité sur le badge, cette présence n'étant souvent pas souhaitable, pour les raisons de sécurité mentionnées plus haut, et, d'autre part, une taille mémoire très importante. The inventor has imagined to partially overcome this drawback by inserting, in the control badge, a code relating to the identity of the card holder; such a code would command the central unit to load synaptic coefficients relating to this holder, the central processor then entering the recognition phase. This idea was abandoned by the inventor, because it implies on the one hand, the presence of an identity code on the badge, this presence is often not desirable, for the security reasons mentioned above. , and, on the other hand, a very large memory size.
La présente invention vise un procédé de reconnaissance de formes, en particulier visages ou voix, ne présentant pas les inconvénients dénoncés supra pour l'approche classique et ceux dénoncés dans l'hypothèse de l'emploi d'un réseau neuronal tel que décrit ci-dessus. The present invention relates to a method for recognizing shapes, in particular faces or voices, which does not have the disadvantages mentioned above for the conventional approach and those denounced in the event of the use of a neural network as described below. above.
En particulier, la présente invention vise un procédé de reconnaissance répondant au cahier des charges rappelé plus haut, au moyen d'un réseau neuronal, permettant de réaliser la reconnaissance sur une population élevée. In particular, the present invention relates to a recognition method meeting the specifications mentioned above, by means of a neural network, making it possible to carry out recognition on a high population.
La présente invention remplit ces objectifs puisqu'elle vise un procédé de reconnaissance de formes au moyen d'un réseau neuronal en phase dite de "reconnaissance" mis en oeuvre dans une unité de traitement, procédé dans lequel la forme est enregistrée puis numérisée, et présentée en entrée du réseau, caractérisé en ce que d'une part, le réseau neuronal présente une architecture prédéterminée et unique pour toutes les formes devant être reconnues dans une application prédéterminée, tandis qu 'il met en oeuvre une carte à puce dans laquelle sont stockés les coefficients synaptiques relatifs à la forme à reconnaître, et en ce que, d'autre part, lors d'une opération de reconnaissance, ces coefficients sont transférés à ladite unité de traitement et chargés dans le réseau, ce réseau étant en outre adapté à délivrer en sortie un signal binaire signifiant la présence ou l'absence de correspondance entre la forme enregistrée et la forme à reconnaître. The present invention fulfills these objectives since it aims at a method of recognizing shapes by means of a neural network in the so-called "recognition" phase implemented in a processing unit, process in which the shape is recorded and then digitized, and presented at the input of the network, characterized in that on the one hand, the neural network has a predetermined and unique architecture for all the forms to be recognized in a predetermined application, while it implements a smart card in which are stored the synaptic coefficients relating to the form to be recognized, and in that, on the other hand, during a recognition operation, these coefficients are transferred to said processing unit and loaded into the network, this network being further adapted to output a binary signal signifying the presence or absence of correspondence between the recorded form and the form to be recognized be.
La présente invention vise également un système de reconnaissance mettant en oeuvre ledit procédé et un badge comportant des moyens de mémorisation, notamment desdits coefficients synaptiques, pour la mise en oeuvre du procédé. The present invention also relates to a recognition system implementing said method and a badge comprising storage means, in particular said synaptic coefficients, for implementing the method.
Telle que succinctement définie ci-dessus, la présente invention remplit les objectifs rappelés plus haut
En effet, la forme à reconnaître, visage en l'espèce, est codée de façon infalsifiable. Même si le fraudeur extrait le code correspondant aux coefficients synaptiques de la carte à puce, et même en supposant qu'il ait connaissance de l'architecture prédéterminée du réseau neuronal, une telle information devant en tout état de cause être considérée comme confidentielle, il ne peut retrouver la forme du visage correspondant au code des coefficients synaptiques : le système n'est pas bijectif.As succinctly defined above, the present invention fulfills the objectives recalled above
Indeed, the shape to be recognized, face in this case, is coded in a falsifiable manner. Even if the fraudster extracts the code corresponding to the synaptic coefficients of the smart card, and even assuming that he has knowledge of the predetermined architecture of the neural network, such information must in any event be considered confidential, it cannot find the shape of the face corresponding to the code of synaptic coefficients: the system is not bijective.
On observera que la présence d'une photo sur le badge d'identification sur ladite carte à puce n'est plus nécessaire. En effet, la reconnaissance se fait par l'enregistrement de la forme, par exemple au moyen d'une prise de vue vidéo, puis par la numérisation de celle-ci, le réseau neuronal fonctionnant ensuite en phase de reconnaissance et délivrant un signal binaire signifiant la présence ou l'absence de correspondance entre la forme enregistrée, et la forme à reconnaître, c'est-à-dire celle correspondant aux coefficients synaptiques mémorisés sur la carte. It will be observed that the presence of a photo on the identification badge on said smart card is no longer necessary. Indeed, the recognition is done by the recording of the form, for example by means of a video shooting, then by the digitalization of this one, the neural network then functioning in phase of recognition and delivering a binary signal signifying the presence or absence of correspondence between the recorded form, and the form to be recognized, that is to say that corresponding to the synaptic coefficients stored on the card.
Une telle caractéristique est particulièrement avantageuse dans l'hypothèse d'une application grand public de la présente invention aux clés de domicile. La clé du domicile d'un particulier peut en effet être constituée par une carte à puce conforme à la présente invention ne portant ni la photographie ni l'identité ni l'adresse du titulaire, mais permettant à ce dernier, et à lui seul, l'accès à son domicile, grâce au procédé conforme à la présente invention. Such a characteristic is particularly advantageous in the hypothesis of a general public application of the present invention to household keys. The key to the domicile of an individual can indeed be constituted by a smart card conforming to the present invention bearing neither the photograph nor the identity or the address of the holder, but allowing the latter, and alone, access to his home, using the process according to the present invention.
Un tel procédé est peu sensible aux parasites (appelés en terme technique "bruit"). En effet, la reconnaissance de visages au moyen d'un réseau neuronal peut être faite même dans l'hypothèse où certaines caractéristiques du visage sont cachées (comme par un chapeau ou des lunettes de soleil). I1 en va de même de la reconnaissance d'une voix : en effet, certaines caractéristiques de la voix, même en présence d'un important bruit de fond, sont reconnaissables au moyen d'un réseau neuronal. Such a process is not very sensitive to parasites (in technical terms "noise"). Indeed, the recognition of faces by means of a neural network can be made even in the hypothesis where certain characteristics of the face are hidden (such as by a hat or sunglasses). The same goes for recognition of a voice: indeed, certain characteristics of the voice, even in the presence of significant background noise, are recognizable by means of a neural network.
D'un autre côté, on observera que la mémorisation des coefficients synaptiques relatifs à un individu se fait dans la mémoire de sa propre carte à puce. Cela a pour effet que la mémoire de l'unité centrale dans laquelle est mis en oeuvre le réseau neuronal n'est pas chargée par lesdits coefficients synaptiques, et ne comporte que les données relatives à la structure du réseau neuronal. On the other hand, it will be observed that the memorization of the synaptic coefficients relating to an individual is done in the memory of his own smart card. This has the effect that the memory of the central unit in which the neural network is implemented is not loaded by said synaptic coefficients, and only includes data relating to the structure of the neural network.
Par ailleurs, on notera que, pour un type de reconnaissance donnée, par exemple celles d'un visage ou d'une voix, l'architecture du réseau neuronal est tunique. Furthermore, it will be noted that, for a given type of recognition, for example that of a face or a voice, the architecture of the neural network is tunic.
Elle est développée dans un tel cas pour permettre la réalisation de la reconnaissance de visages ou de voix, mais seule une architecture prédéterminée est utilisée pour les visages ou les voix d'une population à reconnaître.It is developed in such a case to allow the recognition of faces or voices, but only a predetermined architecture is used for the faces or the voices of a population to be recognized.
Sur le plan pratique, cela se traduit par le fait que seule la simulation de l'architecture unique du réseau neuronal est mise en oeuvre dans l'unité centrale, et celleci est indépendante du visage à reconnaître, tandis que le code particulier du visage à reconnaître, constitué par les coefficients synaptiques déterminés lors de la phase d'apprentissage, est mémorisé sur la carte à puce du titulaire. A cet égard, le procédé conforme à la présente invention présente un degré de sécurité élevée du fait même de cette dissociation. On a practical level, this results in the fact that only the simulation of the unique architecture of the neural network is implemented in the central unit, and this is independent of the face to be recognized, while the particular code of the face to be recognized. recognize, consisting of the synaptic coefficients determined during the learning phase, is stored on the holder's smart card. In this regard, the method according to the present invention has a high degree of security by the very fact of this dissociation.
De plus, par exemple, dans l'hypothèse d'un système national de contrôle d'identité, le fait que les données relatives au visage d'une personne prédéterminée ne sont stockées que sur sa carte, et non en un site central, est particulièrement favorable sur le plan des libertés publiques en matière de fichiers d'informatique. In addition, for example, in the case of a national identity control system, the fact that data relating to the face of a predetermined person is only stored on his card, and not in a central site, is particularly favorable in terms of public freedoms in terms of computer files.
En outre, on observera que cette dissociation est très avantageuse sur le plan de la taille mémoire au niveau de l'unité centrale. In addition, it will be observed that this dissociation is very advantageous in terms of memory size at the level of the central unit.
Enfin, on observera que la sortie du réseau neuronal de reconnaissance est binaire ("oui" - "non"). Cela permet d'envisager soit un réseau neuronal relativemet simplifié soit un réseau neuronal de reconnaissance d'architecture plus complexe, du même type que ceux susceptibles de reconnaître plusieurs personnes, mais dont les performances (taux de réussite) sont notablement améliorées du fait qu'il est utilisé pour ne reconnaître qu'une seule personne à la fois. Finally, we will observe that the output of the neural recognition network is binary ("yes" - "no"). This makes it possible to envisage either a relatively simplified neural network or a neural network for recognizing a more complex architecture, of the same type as those capable of recognizing several persons, but whose performance (success rate) is notably improved because it is used to recognize only one person at a time.
Les caractéristiques et avantages de la présente invention ressortiront de la description qui va suivre en référence aux dessins annexés sur lesquels
- la figure 1, déjà décrite, illustre, de façon schématique, les fonctions essentielles d'un neurone,
- la figure 2 est un schéma de principe d'un système de contrôle d'accès ou d'identification mettant en oeuvre le procédé conforme à la présente invention,
- la figure 2a est une vue semblable à la figure 2, et illustre une variante de réalisation, et
- la figure 3 illustre, de façon schématique et simplifiée, le réseau de neurones mis en oeuvre dans le système illustré dans les figures 2 et 2a.The characteristics and advantages of the present invention will emerge from the description which follows with reference to the appended drawings in which
FIG. 1, already described, illustrates, schematically, the essential functions of a neuron,
FIG. 2 is a block diagram of an access control or identification system implementing the method according to the present invention,
FIG. 2a is a view similar to FIG. 2, and illustrates an alternative embodiment, and
- Figure 3 illustrates, schematically and simplified, the neural network used in the system illustrated in Figures 2 and 2a.
Selon 1 invention, le système comporte d'une part, une unité de reconnaissance 10 et, d'autre part, un dispositif de reconnaissance 7 comportant un moyen de mémorisation 8. According to 1 invention, the system comprises on the one hand, a recognition unit 10 and, on the other hand, a recognition device 7 comprising a storage means 8.
D'une manière générale, l'unité de reconnaissance 10 comporte
- un dispositif 1 d'enregistrement et de numérisation de formes Dans ce mode de réalisation, il s'agit d'un appareil photographique délivrant en sortie un signal numérisé représentant l'image photographiée du visage du personnage 6. L'appareil photographique est ici du type
FOTOMAN, Digital camera for computers de LOGITECH, INC,
Fremont, CA 94555, U.S.A.Generally, the recognition unit 10 comprises
- a device 1 for recording and digitizing shapes In this embodiment, it is a photographic device delivering as an output a digitized signal representing the photographed image of the face of the character 6. The photographic device is here like
FOTOMAN, Digital camera for computers from LOGITECH, INC,
Fremont, CA 94555, USA
- une unité de traitement 2, dans laquelle est mis en oeuvre un réseau neuronal. Dans le mode de réalisation choisi et représenté, il s'agit d'un ordinateur répondant aux normes IBM PC avec processeur INTEL 80i286 ou plus puissant ; système d'explation "Windows 3" ; adaptateur video aux normes EGA ou VGA ; et un port série RS 232 en COM 1 ou
COM 2 qui sert d'interface 3, auquel est connecté l'appareil photo 1 susmentionné.- a processing unit 2, in which a neural network is implemented. In the embodiment chosen and shown, it is a computer meeting the IBM PC standards with INTEL 80i286 processor or more powerful; "Windows 3" operating system; video adapter to EGA or VGA standards; and an RS 232 serial port in COM 1 or
COM 2 which serves as interface 3, to which the aforementioned camera 1 is connected.
Le réseau neuronal mis en oeuvre dans l'unité de traitement 2 est, dans ce mode de réalisation, simulé dans un programme de calcul, susceptible d'être mis en oeuvre sur un ordinateur de type IBM PC (voir infra). The neural network implemented in the processing unit 2 is, in this embodiment, simulated in a calculation program, capable of being implemented on a computer of the IBM PC type (see infra).
- un lecteur 4 adapté à lire l'information contenue dans le moyen de mémorisation 8. Il s'agit dans ce mode de réalisation d'un lecteur 4 de carte à mémoire raccordé à l'ordinateur. Le lecteur de carte à mémoire est ici du type lecteur universel GCR 200, fabriqué par la
Société GEMPLUS CARD INTERNATIONAL, siège social Parc d'Activités de la Plaine de Jouques, 13420 GEMENOS, France.- A reader 4 adapted to read the information contained in the storage means 8. In this embodiment, this is a memory card reader 4 connected to the computer. The memory card reader is here of the universal reader type GCR 200, manufactured by the
GEMPLUS CARD INTERNATIONAL, head office of Plaine de Jouques Business Park, 13420 GEMENOS, France.
Ce lecteur GCR 200 se présente sous forme d'un boîtier plastique compact connectable à un ordinateur de type PC par l'interface série RS 232 ou l'interface parallèle Centronics.This GCR 200 reader is in the form of a compact plastic box connectable to a PC type computer via the RS 232 serial interface or the Centronics parallel interface.
L'utilisateur, schématisé sur la figure 2 par la référence 6, est titulaire du dispositif de reconnaissance 7, qui se présente ici sous forme d'une carte 7 comportant une mémoire 8. Dans le mode de réalisation choisi et représenté sur la figure, la carte à mémoire est ici du type COS 16k
EEPROM ou MCOS 16k EEPROM, fabriquée par la Société GEMPLUS.The user, shown diagrammatically in FIG. 2 by the reference 6, is the holder of the recognition device 7, which is presented here in the form of a card 7 comprising a memory 8. In the embodiment chosen and represented in the figure, the memory card is here of the COS 16k type
EEPROM or MCOS 16k EEPROM, manufactured by the company GEMPLUS.
Cette carte est susceptible d'être lue dans le lecteur 4. This card can be read in reader 4.
On va maintenant décrire le réseau neuronal mis en oeuvre dans ce mode préféré de réalisation de l'invention. We will now describe the neural network used in this preferred embodiment of the invention.
Tout d'abord, les images utilisées pour l'apprentissage du réseau neuronal, et celles utilisées, en phase de reconnaissance, par le dispositif conforme à la présente invention sont des images normalisées du visage du personnage à reconnaître sur un format de 30 x 24 pixels codés en 8 bits (256 niveaux de gris). En réalité, l'image issue soit de l'appareil photographique 1, soit celles qui ont été prises pour la phase d'apprentissage sont des images de taille 256 x 256 pixels, le personnage étant photographié sur un fond clair et uni. Le visage est isolé par seuillage, en détectant les pixels présentant un niveau de gris supérieur à un seuil prédétermine. Le principe de la détection par seuillage est bien connu dans l'état de l'art, et n'a pas à être décrit ici. Cette opération permet donc d'extraire les pixels concernés par le visage. Il est ensuite procédé à une normalisation, pour tenir compte des variations possibles de dimensions d'un visage à un autre, de telle sorte que les images utilisées aussi bien dans la phase d'apprentissage que dans celle de reconnaissance sont des images 30 x 24 pixels codées en 8 bits. First of all, the images used for learning the neural network, and those used, in the recognition phase, by the device in accordance with the present invention are standardized images of the face of the character to be recognized on a 30 × 24 format. pixels coded in 8 bits (256 levels of gray). In reality, the image from either the camera 1, or those taken for the learning phase are images of size 256 x 256 pixels, the character being photographed on a light and plain background. The face is isolated by thresholding, by detecting the pixels having a gray level higher than a predetermined threshold. The principle of detection by thresholding is well known in the state of the art, and need not be described here. This operation therefore makes it possible to extract the pixels concerned by the face. Normalization is then carried out, to take account of possible variations in dimensions from one face to another, so that the images used both in the learning phase and in the recognition phase are 30 × 24 images. pixels coded in 8 bits.
Sur la figure 3 une telle image est schématisée sous la référence 30. In FIG. 3 such an image is shown diagrammatically under the reference 30.
D'une manière générale, le réseau de neurones utilisé pour la vérification d'identité est basé sur une architecture multi-couches utilisant des connexions locales contraintes (poids partagés). Ce type d'architecture, dit
T.D.N.N. (Time Delay Neural Network), permet l'extraction dans les premières couches du réseau de caractéristiques permettant la classification. Le faible nombre de poids synaptiques utilisé permet un apprentissage rapide et une bonne généralisation.In general, the neural network used for identity verification is based on a multi-layer architecture using constrained local connections (shared weights). This type of architecture says
TDNN (Time Delay Neural Network), allows the extraction in the first layers of the network of characteristics allowing classification. The low number of synaptic weights used allows rapid learning and good generalization.
Le réseau illustré en figure 3 comporte
- une couche d'entrée constituée par les données numérisées de l'image 30 x 24 pixels,
- trois couches cachées de neurones 31, 32, 33,
- un classifieur 34 comportant deux couches de neurones totalement connectés.The network illustrated in Figure 3 includes
- an input layer constituted by the digitized data of the image 30 x 24 pixels,
- three hidden layers of neurons 31, 32, 33,
- a classifier 34 comprising two completely connected layers of neurons.
La première couche de neurones 31 est ici divisée en quatre groupes de neurones 31,, 312, 313, 314. Chaque groupe 31 n est raccordé à la couche d'entrée 30 par un masque 35n (n = 1 ... 4). The first layer of neurons 31 is here divided into four groups of neurons 31 ,, 312, 313, 314. Each group 31 n is connected to the input layer 30 by a mask 35n (n = 1 ... 4).
En matière de reconnaissance de formes avec une architecture de type T.D.N.N., on entend par "masque" : un ensemble de coefficients agencés en matrice à deux dimensions ce masque est "déplacé" sur les données de l'image qui est, elle aussi, une matrice à deux dimensions (schématisée en figure 3 sous la référence 30) ; un produit de chacun des coefficients du masque par la donnée de l'image correspondant à la position du coefficient considéré du masque est réalisé pour chacune des positions possibles du masque sur l'image : il s'agit en réalité, ici, d'un "produit de convolution" entre les données du masque et celles de l'image. In terms of pattern recognition with a TDNN type architecture, the term "mask" means: a set of coefficients arranged in a two-dimensional matrix, this mask is "moved" over the image data, which is also a two-dimensional matrix (shown diagrammatically in FIG. 3 under the reference 30); a product of each of the coefficients of the mask by the data of the image corresponding to the position of the considered coefficient of the mask is produced for each of the possible positions of the mask on the image: in reality, this is a "convolution product" between the mask and image data.
Dans le mode de réalisation choisi et représenté, les masques 3 5n sont des matrices de 7 x 3. Pour chacune des "positions" possibles du masque sur l'image 30 correspond un neurone dans le groupe de neurones 31 n Dans le mode de réalisation choisi et représenté, l'image étant de dimension 30 x 24, il y a 528 positions possibles du masque 35n, et par conséquent 528 neurones dans chacun des groupes de neurones 31n de la première couche masquée 31. In the embodiment chosen and shown, the masks 3 5n are matrices of 7 x 3. For each of the possible "positions" of the mask on the image 30 corresponds a neuron in the group of neurons 31 n In the embodiment chosen and represented, the image being of dimension 30 × 24, there are 528 possible positions of the mask 35n, and consequently 528 neurons in each of the groups of neurons 31n of the first masked layer 31.
Les données associées à chacun des masques 35 sont des coefficients synaptiques de liaison entre la couche d'entrée constituée par les données de l'image 30 et le groupe de neurones 31n considéré. The data associated with each of the masks 35 are synaptic coefficients of connection between the input layer constituted by the data of the image 30 and the group of neurons 31n considered.
La première couche cachée de neurones comporte donc dans ce mode de réalisation quatre groupes de 528 neurones, soit 2112 neurones. The first hidden layer of neurons therefore comprises in this embodiment four groups of 528 neurons, or 2112 neurons.
Dans le mode de réalisation choisi et représenté, chaque groupe de neurones 31 n est raccordé à un groupe de neurones 32n par un masque de taille 3 x 5, réalisant sur les états de sortie des neurones du groupe 31 n auquel le groupe considéré 32n est raccordé, les opérations similaires à celles décrites précédemment. A cet égard, on notera que les états de sortie des neurones de chaque groupe 31 n sont agencés en matrice 24 x 22 (correspondant aux positions du masque 35n sur l'image 30). In the embodiment chosen and shown, each group of neurons 31 n is connected to a group of neurons 32n by a mask of size 3 × 5, producing on the output states of the neurons of group 31 n to which the group considered 32n is connected, operations similar to those described above. In this respect, it will be noted that the output states of the neurons of each group 31 n are arranged in a 24 × 22 matrix (corresponding to the positions of the mask 35n on the image 30).
Chaque groupe de neurones 32n comporte 396 neurones, correspondant aux positions possibles des masques 36n sur les matrices constituées par les états de sortie du groupe 31 n considéré. La seconde couche cachée 32 comporte ainsi 1584 neurones. Each group of neurons 32n comprises 396 neurons, corresponding to the possible positions of the masks 36n on the matrices formed by the exit states of the group 31 n considered. The second hidden layer 32 thus comprises 1584 neurons.
Chacun des neurones de la couche 32 est connecté à chacun des 180 neurones de la troisième couche cachée 33, les interconnexions ayant été schématisées de façon simplifiée sur la figure 3 Ces connexions sont pondérées de façon classique par un coefficient synaptique. Each of the neurons of layer 32 is connected to each of the 180 neurons of the third hidden layer 33, the interconnections having been schematized in a simplified manner in FIG. 3 These connections are weighted in a conventional manner by a synaptic coefficient.
Les deux couches de neurones du classifieur 34 comportent : deux neurones pour celle de sortie (acceptationrejet) et vingt neurones pour la couche d'entrée du classifieur, en aval de la troisième couche cachée 33. Chaque neurone de la couche 33 est interconnecté avec chaque neurone de la première couche du classifieur 34, ces connexions étant, elles aussi, pondérées, de façon classique par des coefficients synaptiques. Il en va de même pour les connexions entre les deux couches du classifieur. The two layers of neuron in classifier 34 include: two neurons for the output layer (acceptance rejection) and twenty neurons for the input layer of the classifier, downstream from the third hidden layer 33. Each layer 33 neuron is interconnected with each neuron of the first layer of the classifier 34, these connections also being weighted, in a conventional manner by synaptic coefficients. The same goes for the connections between the two layers of the classifier.
Les coefficients synaptiques associés aux masques 35, 36 et aux liaisons entre les couches 32, 33 et celles du classifieur, sont déterminés lors d'une phase d'apprentissage par application des algorithmes classiques (rétropropagation en l'espèce). L'apprentissage nécessite une base de données d'images de visages. Cette base comporte ici 20 images du visage du titulaire du dispositif de reconnaissance 7 et 100 visages divers, qui sont des exemples de personnes à rejeter. The synaptic coefficients associated with the masks 35, 36 and with the links between the layers 32, 33 and those of the classifier, are determined during a learning phase by application of the conventional algorithms (backpropagation in this case). Learning requires a face image database. This database here includes 20 images of the face of the holder of the recognition device 7 and 100 various faces, which are examples of people to be rejected.
Chaque personne a été photographiée assise et a répété la même succession de positions (face, profil ...) sous divers éclairages.Each person was photographed seated and repeated the same succession of positions (face, profile ...) under various lights.
Le réseau neuronal qui vient d'être succinctement décrit est simulé au moyen d'un logiciel de simulation de réseaux neuronaux. Dans le mode de réalisation choisi et représenté, le logiciel de simulation est le logiciel
MIMENICE, développé et commercialisé par la Société MIMETICS, 5 Centrale Parc, Avenue Sully Prud'homme, 92298 CHATENAY
MALABRY, France. Un autre logiciel de simulation de réseaux neuronaux est d'ailleurs susceptible de convenir. Il en va de même pour l'architecture du réseau neuronal, qui n'a été décrite ici qu'a titre d'exemple.The neural network which has just been briefly described is simulated using software for simulating neural networks. In the embodiment chosen and represented, the simulation software is the software
MIMENICE, developed and marketed by MIMETICS, 5 Centrale Parc, Avenue Sully Prud'homme, 92298 CHATENAY
MALABRY, France. Another neural network simulation software is also likely to be suitable. The same goes for the architecture of the neural network, which has only been described here by way of example.
Le fonctionnement du dispositif est le suivant
Conformément à l'invention, les coefficients synaptiques relatifs à la forme à reconnaître, ici le visage du titulaire 6, sont mémorisés dans le moyen de mémorisation 8, ici dans la mémoire 8 de la carte 7. Cette carte est alors délivrée à son titulaire.The operation of the device is as follows
According to the invention, the synaptic coefficients relating to the shape to be recognized, here the face of the holder 6, are stored in the storage means 8, here in the memory 8 of the card 7. This card is then issued to its holder .
On observera que cette carte ne comporte, dans ce mode de réalisation, aucune indication et aucun code relatifs à l'identité du titulaire. De même, elle ne comporte pas la photographie de ce dernier. It will be observed that this card does not include, in this embodiment, any indication and any code relating to the identity of the holder. Similarly, it does not include the photograph of the latter.
Lors d'une opération de reconnaissance, telle qu'un contrôle d'accès ou un contrôle d'identité, conformément à l'invention les coefficients synaptiques relatifs à la forme à reconnaître sont transférés du moyen de mémorisation 8 à l'unité de traitement 2, et chargés dans le réseau neuronal mis en oeuvre dans cette unité de traitement. During a recognition operation, such as an access control or an identity control, in accordance with the invention the synaptic coefficients relating to the form to be recognized are transferred from the storage means 8 to the processing unit 2, and loaded into the neural network used in this processing unit.
Dans le mode de réalisation choisi et représenté lors d'un contrôle d'accès ou un contrôle d'identité, pour permettre le transfert des coefficients synaptiques, le titulaire 6 de la carte 7 introduit celle-ci dans le lecteur 4. In the embodiment chosen and represented during an access control or an identity control, to allow the transfer of the synaptic coefficients, the holder 6 of the card 7 inserts it into the reader 4.
Conformément à l'invention, lors de la phase de reconnaissance, la forme à reconnaître est enregistrée et numérisée et présentée en entrée du réseau neuronal. According to the invention, during the recognition phase, the shape to be recognized is recorded and digitized and presented at the input of the neural network.
Dans le mode de réalisation choisi et représenté, lors du contrôle d'accès, le titulaire se présente devant l'objectif de l'appareil photographique 1 sur un fond uni. In the embodiment chosen and shown, during access control, the holder stands before the objective of the camera 1 on a plain background.
L'introduction de la carte 7 dans le lecteur 4 déclenche un signal qui est interprété par le logiciel de l'ordinateur 2 comme un ordre de prise de vue. L'ordinateur 2 commande donc la prise de vue à l'appareil numérique 1. Une photographie numérisée du visage du titulaire 6 de la carte 7 est alors prise. Les données numériques de ladite photographie sont alors renvoyées par l'appareil 1 vers l'interface 3 et chargées dans la mémoire de l'ordinateur qui procède â la normalisation de l'image en 30 x 24 pixels susmentionnée.The insertion of the card 7 into the reader 4 triggers a signal which is interpreted by the software of the computer 2 as a shooting order. The computer 2 therefore controls the shooting with the digital camera 1. A digitized photograph of the face of the holder 6 of the card 7 is then taken. The digital data of said photograph are then returned by the apparatus 1 to the interface 3 and loaded into the memory of the computer which proceeds to the normalization of the image into 30 x 24 pixels mentioned above.
Parallèlement, le lecteur 4 lit dans la mémoire de la puce 8 les coefficients synaptiques de reconnaissance déterminée lors de la phase d'apprentissage, à propos du titulaire de la carte 7. Ces coefficients synaptiques sont également chargés dans la mémoire de l'ordinateur 2. At the same time, the reader 4 reads from the memory of the chip 8 the synaptic recognition coefficients determined during the learning phase, with regard to the card holder 7. These synaptic coefficients are also loaded into the memory of the computer 2 .
L'ordinateur 2 procède alors avec les données chargées dans sa mémoire aux calculs des potentiels des neurones simulés par le logiciel mentionné plus haut et, par conséquent, à l'évaluation du réseau. The computer 2 then proceeds with the data loaded in its memory to the calculations of the potentials of the neurons simulated by the software mentioned above and, consequently, to the evaluation of the network.
Conformément à l'invention, le résultat du calcul est binaire. Ce résultat est "un" dans l'hypothèse où le calcul d'évaluation montre qu'il y a correspondance entre la forme enregistrée, ici au moyen de l'appareil photographique 1, et la forme à reconnaître, caractérisée par les coefficients synaptiques lus par l'ordinateur 2 dans la mémoire 8 de la carte 7 ; il est "zéro" dans l'hypothèse contraire. According to the invention, the result of the calculation is binary. This result is "a" in the hypothesis where the evaluation calculation shows that there is correspondence between the recorded form, here by means of the camera 1, and the form to be recognized, characterized by the synaptic coefficients read by computer 2 in memory 8 of card 7; it is "zero" on the contrary hypothesis.
Le signal binaire "un" peut alors débloquer un acces. The binary signal "one" can then unlock an access.
En variante, figure 2a, l'unité de traitement peut être intégrée dans la carte 7a. En effet, il est envisagé à ce jour, que les cartes dites "à puce" puissent comporter des microprocesseurs suffisamment puissants pour mettre en oeuvre un logiciel de simulation de réseaux neuronaux, tels que le réseau et le logiciel mis en oeuvre dans le mode de réalisation qui vient d'être décrit. As a variant, in FIG. 2a, the processing unit can be integrated into the card 7a. Indeed, it is envisaged to date, that the so-called "smart" cards may include microprocessors powerful enough to implement software for simulating neural networks, such as the network and the software used in the mode of realization which has just been described.
Dans une telle hypothèse, l'unité de traitement 2a est constituée par le microprocesseur 8a de la carte à puce 7a, tandis que l'unité dite de "reconnaissance" ne comporte qu'un lecteur 4a et un dispositif d'enregistrement et de numérisation tel que l'appareil photographique la, raccordé à ce lecteur. In such a case, the processing unit 2a is constituted by the microprocessor 8a of the smart card 7a, while the so-called "recognition" unit only comprises a reader 4a and a recording and digitizing device such as the camera there, connected to this player.
Lorsque le titulaire du badge se présente en face de l'appareil photographique la, il introduit sa carte dans le lecteur 4a. Les données de l'image prise par l'appareil photographique sont alors transmises par le lecteur 4a dans la mémoire du micropr privilégiée consistant en la reconnaissance de visages, une autre application privilégiée consiste en la reconnaissance de voix. Il peut être demandé dans une telle hypothèse au porteur du badge de prononcer une série de mots prédéterminés. Le son enregistré est alors traduit sous forme d'un signal qui est numérisé. Cette forme particulière peut évidemment être reconnue grâce au procédé conforme à la présente invention. When the badge holder comes in front of the camera, he introduces his card into the reader 4a. The image data taken by the camera are then transmitted by the reader 4a in the preferred micropr memory consisting of face recognition, another preferred application consists of voice recognition. In this case, the wearer of the badge may be asked to pronounce a series of predetermined words. The recorded sound is then translated into a signal which is digitized. This particular shape can obviously be recognized by the process according to the present invention.
De même, d'autres reconnaissances de formes peuvent être envisagées, telles que reconnaissance d'empreintes digitales, ces dernières étant numérisées lors des phases d'apprentissage ou de reconnaissance par tout moyen approprié. Similarly, other pattern recognition can be envisaged, such as recognition of fingerprints, the latter being digitized during the learning or recognition phases by any appropriate means.
D'autres applications peuvent être développées telles que reconnaissance d'images dans le domaine médical (radiographies, etc...).Il peut être en effet intéressant de mémoriser les données relatives aux formes à reconnaître dans des images médicales sur une carte indépendante du reste du système. Cela permet de vendre, de façon séparée, d'une part, une station de traitement générique d'images médicales, et, d'autre part, les cartes correspondant aux diverses formes à reconnaître. Other applications can be developed such as image recognition in the medical field (x-rays, etc.) It may indeed be advantageous to store the data relating to the forms to be recognized in medical images on a card independent of the rest of the system. This makes it possible to sell, separately, on the one hand, a generic medical image processing station, and, on the other hand, the cards corresponding to the various forms to be recognized.
La présente invention trouve donc en particulier un intérêt pour la commercialisation sélective sur un support physique séparé de données relatives à la reconnaissance de toutes formes. The present invention therefore finds particular interest in the selective marketing on a separate physical medium of data relating to the recognition of all forms.
La présente invention trouve ainsi une application générale à la reconnaissance de toute forme au sens défini dans le préambule de la présente demande. The present invention thus finds general application to the recognition of any form in the sense defined in the preamble to the present application.
Claims (6)
Priority Applications (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR9202656A FR2688329A1 (en) | 1992-03-05 | 1992-03-05 | METHOD FOR RECOGNIZING SHAPES USING A NEURONAL NETWORK, SYSTEM AND DEVICE IMPLEMENTING THIS METHOD. |
| JP5515383A JPH07504522A (en) | 1992-03-05 | 1993-03-02 | Pattern recognition method using neural network, system and device for realizing this method |
| EP93905446A EP0629304A1 (en) | 1992-03-05 | 1993-03-02 | Pattern recognition method using a neural network, and system and device therefor |
| PCT/FR1993/000210 WO1993018472A1 (en) | 1992-03-05 | 1993-03-02 | Pattern recognition method using a neural network, and system and device therefor |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR9202656A FR2688329A1 (en) | 1992-03-05 | 1992-03-05 | METHOD FOR RECOGNIZING SHAPES USING A NEURONAL NETWORK, SYSTEM AND DEVICE IMPLEMENTING THIS METHOD. |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| FR2688329A1 true FR2688329A1 (en) | 1993-09-10 |
Family
ID=9427399
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| FR9202656A Withdrawn FR2688329A1 (en) | 1992-03-05 | 1992-03-05 | METHOD FOR RECOGNIZING SHAPES USING A NEURONAL NETWORK, SYSTEM AND DEVICE IMPLEMENTING THIS METHOD. |
Country Status (4)
| Country | Link |
|---|---|
| EP (1) | EP0629304A1 (en) |
| JP (1) | JPH07504522A (en) |
| FR (1) | FR2688329A1 (en) |
| WO (1) | WO1993018472A1 (en) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0322071A2 (en) * | 1987-12-23 | 1989-06-28 | Koninklijke Philips Electronics N.V. | Neural network with dynamic refresh capability |
| EP0399718A1 (en) * | 1989-05-16 | 1990-11-28 | Products From Ideas Ltd. | A recognition procedure and an apparatus for carrying out the recognition procedure |
-
1992
- 1992-03-05 FR FR9202656A patent/FR2688329A1/en not_active Withdrawn
-
1993
- 1993-03-02 EP EP93905446A patent/EP0629304A1/en not_active Withdrawn
- 1993-03-02 JP JP5515383A patent/JPH07504522A/en active Pending
- 1993-03-02 WO PCT/FR1993/000210 patent/WO1993018472A1/en not_active Application Discontinuation
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0322071A2 (en) * | 1987-12-23 | 1989-06-28 | Koninklijke Philips Electronics N.V. | Neural network with dynamic refresh capability |
| EP0399718A1 (en) * | 1989-05-16 | 1990-11-28 | Products From Ideas Ltd. | A recognition procedure and an apparatus for carrying out the recognition procedure |
Non-Patent Citations (3)
| Title |
|---|
| IEEE TRANSACTIONS ON CONSUMER ELECTRONICS vol. CE-32, no. 3, Août 1986, NEW YORK US pages XX - XXV G.H. WARFEL 'The IC Card and Consumer Electronics - The American Market' * |
| PATENT ABSTRACTS OF JAPAN vol. 15, no. 242 (P-1217)21 Juin 1991 & JP-A-30 75 860 ( HITACHI LTD ) 29 Mars 1991 * |
| PROCEEDINGS OF THE 1991 IEEE SEVENTEENTH ANNUAL NORTHEAST BIOENGINEERING CONFERENCE 4-5 Avril 1991, HARTFORD, US pages 206 - 207 B.A. DONAHUE ET AL. 'Application of a neural network in recognizing facial expression' * |
Also Published As
| Publication number | Publication date |
|---|---|
| JPH07504522A (en) | 1995-05-18 |
| EP0629304A1 (en) | 1994-12-21 |
| WO1993018472A1 (en) | 1993-09-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ahmed et al. | Analysis survey on deepfake detection and recognition with convolutional neural networks | |
| CA2627068C (en) | Device and method for interaction with a user | |
| US7319779B1 (en) | Classification of humans into multiple age categories from digital images | |
| US20210117529A1 (en) | Authenticating an identity of a person | |
| EP0178232B1 (en) | Identity document protected against falsification and method for manufacturing the same | |
| CN111886842B (en) | Remote user authentication using threshold-based matching | |
| EP2140401B1 (en) | Method of comparing images, notably for iris recognition, implementing at least one quality measurement determined by applying a statistical learning model | |
| EP2502211A1 (en) | Method and system for automatically checking the authenticity of an identity document | |
| EP2013816A1 (en) | Procedure for identifying a person by eyelash analysis | |
| EP3582141A1 (en) | Method for learning parameters of a convolutional neural network | |
| Sharma et al. | Multi-Modality Biometric Assisted Smart Card Based Ration Distribution System | |
| Ikram et al. | A performance enhancement of deepfake video detection through the use of a hybrid CNN Deep learning model | |
| Nasar et al. | Deepfake detection in media files-audios, images and videos | |
| Kavitha et al. | Fuzzy local ternary pattern and skin texture properties based countermeasure against face spoofing in biometric systems | |
| FR2849738A1 (en) | Video mobile phone for e.g. tele-survillance to provide security of premises, has analysis and diagnosis module output to send diagnostic data to control organ according to analysis and diagnosis of video signal | |
| FR2688329A1 (en) | METHOD FOR RECOGNIZING SHAPES USING A NEURONAL NETWORK, SYSTEM AND DEVICE IMPLEMENTING THIS METHOD. | |
| FR3099016A1 (en) | Method for generating a private key from biometric characteristics. | |
| Ghonge et al. | Real time fake note detection using deep convolutional neural network | |
| CN113032758B (en) | Identification method, device, equipment and storage medium for video question-answering flow | |
| Dorizzi | Biometrics at the frontiers, assessing the impact on Society Technical impact of Biometrics | |
| Cui et al. | An anti-forensic scheme on computer graphic images and natural images using generative adversarial networks | |
| FR3112008A1 (en) | Method of detecting at least one biometric trait visible on an input image using a convolutional neural network | |
| Maphisa et al. | Face Anti-spoofing based on Convolutional Neural Networks | |
| Wayman et al. | Technology assessment for the state of the art biometrics excellence roadmap | |
| Pugliese | The alleged liveness of “Live”: Legal visuality, biometric liveness testing and the metaphysics of presence |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| ST | Notification of lapse |