Chaima N.

CONSULTANT

118 dollar

Mon expérience

Voir plus

AltranJuly 2018 - March 2019

Projet: Morpho Civis – Client : IDEMIA Morpho
Développement et maintenance des solutions d’identité et des applications civiles
(Enrôlement, production des cartes d’identité, cartes électorales, cartes résident et
passeports).
•    Participation au développement de l’application pour deux gouvernements: Le
gouvernement d’Albanie et celui du Tchad.
•    Mise à jour du système central pour la gestion des demandes de production de
permis de conduire biométrique et de cartes grises.
•    Mise à niveau du système central en mettant en œuvre l’interfaçage avec une
nouvelle version du système de personnalisation de documents.
•    Intégration et test des composants.
•    Maintenance et correction des anomalies.
•    Préparation et/ou mise à jour des documents de spécification et de conception.
Outils: C++, SOAP, Workflow, Oracle 11g, PL\SQL, Toad, SoapUI, SVN, TestLink, Redmine.
Voir plus

ENISOJanuary 2014 - January 2017

Mémoire de mastère de recherche :
Laboratoire des technologies avancées et des systèmes intelligents(LATIS) ENISO, "Contribution à l’identification biométrique par le visage dans des conditions dégradées par des points d’intérêts".
Résumé:
Dans ce travail, des techniques de la biométrie par le visage robustes aux conditions
réelles sont traitées dans le but de fiabiliser et d’améliorer la reconnaissance
de visages. Une étude comparative des points d’intérêts SURF de la méthode
d’extraction des caractéristiques a été menée. Le classifieur utilisé est l’arbre binaire
(KD-tree) avec l’algorithme de K-plus proche voisin (K-NN). Les performances de
notre système ont été évaluées sur les deux bases de données KinectFaceDB et
IST-Eurecom LFFD.
Mots clés: Extraction des caractéristiques, points d’intérêts, SURF, classification,
K-PPV (K-NN), arbre binaire(KD-tree).

Projet de fin d’études :
Laboratoire des technologies avancées et des systèmes intelligents(LATIS) ENISO, "Contribution à l’identification biométrique par le visage dans des conditions dégradées".
Résumé:
Une étude comparative entre les principales méthodes d’extraction des caractéristiques
(HOG, LBP, SURF) a été menée. Le classifieur utilisé est les machines à
vecteur de support(SVM). Les performances de notre système ont été évaluées sur
la base de données KinectFaceDB.
Mots clés: Reconnaissance faciale, Extraction des caractéristiques, SURF, HOG,
LBP, Machines à vecteurs de support (SVM).

Mes compétences

TortoiseSVN, SQL, Python, PL/SQL, Oracle Database Server, MySQL, MS Office, Matlab Simulink, Matlab, Linux, Embedded Visual C++, Embedded C/C++, C/C++, C Language