Skip to content

L’Armée développe une technologie de reconnaissance faciale nocturne pour le soldat

Des chercheurs de l’armée américaine élaborent une méthode pour faire correspondre des images faciales infrarouges à des bases de données existantes

Des chercheurs de l’armée américaine ont mis au point une technique permettant de convertir une image thermique du visage d’une personne en une image visuelle qui peut être comparée à une image existante par un système humain ou automatisé. La méthode utilise l’intelligence artificielle et l’apprentissage automatique (machine learning) pour permettre la reconnaissance faciale dans des conditions de faible luminosité ou de nuit, selon R & D Magazine.

« Cette technologie permet de faire correspondre les images de visage thermiques aux bases de données / listes de surveillance biométriques existantes qui ne contiennent que des images de visages visibles », explique Benjamin S. Riggan, membre de l’équipe de scientifiques du Laboratoire de recherche de l’armée américaine (U.S. Army Research Laboratory). « La technologie offre un moyen de comparer visuellement les images faciales visibles et thermiques grâce à la synthèse de visages thermo-visibles. »

Un document technique intitulé «Thermal to Visible Synthesis of Face Images using Multiple Regions» décrivant la technique a été présenté en mars à la Conférence de l’IEEE sur les applications de la vision par ordinateur. Dans le cadre de la présentation, les chercheurs ont démontré une preuve du concept en utilisant une caméra thermique FLIR (Forward Looking Infrared) Boson 320 et un ordinateur portable, avec l’algorithme de conversion d’images en temps quasi réel.

A conceptual illustration for thermal-to-visible synthesis for interoperability with existing visible-based facial recognition systems. (Courtesy Eric Proctor, William Parks and Benjamin S. Riggan)

Les chercheurs ont effectué une vérification faciale avec une architecture de réseau neuronal profond open source conçue pour la reconnaissance visible du visage, et ont trouvé que leur approche était meilleure qu’une approche générative basée sur le réseau accusatoire qui avait montré des propriétés photoréalistes, selon R & D.

La recherche est soutenue par Defense Forensics and Biometrics Agency DFBA.

U.S. Army Research Laboratory – Army.mil

Laisser un commentaire

Shares