Remerciez-le!

Remerciez @Admin pour avoir partagé cet document gratuitement, de la manière la plus simple, en partageant sur les réseaux sociaux.

Reconnaissance fasciale Reconnaissance faciale L ? extraction des caractéristiques Cette étape représente le c ?ur du système de reconnaissance on extrait de l'image les informations qui seront sauvegardées en mémoire pour être utilisées plus tard dans la

Reconnaissance faciale L ? extraction des caractéristiques Cette étape représente le c ?ur du système de reconnaissance on extrait de l'image les informations qui seront sauvegardées en mémoire pour être utilisées plus tard dans la phase de décision Le choix de ces informations utiles revient à établir un modèle pour le visage elles doivent être discriminantes et non redondantes L ? analyse est appelée indexation représentation modélisation ou extraction de caractéristiques L ? e ?cacité de cette étape a une in uence directe sur la performance du système de reconnaissance de visage La comparaison des caractéristiques classi ?cation et décision Elle consiste à modéliser les paramètres extraits d ? un visage ou d ? un ensemble de visages d ? un individu en se basant sur leurs caractéristiques communes Un modèle est un ensemble d ? informations utiles discriminantes et non redondantes qui caractérise un ou plusieurs individus ayant des similarités ces derniers seront regroupés dans la même classe et ces classes varient selon le type de décision Selon les caractéristiques extraites précédemment les algorithmes de comparaison di ?èrent On trouve dans la littérature plusieurs approches dont la plus simple est le calcul de distance recherche de similarité D'autres méthodes se basent sur la classi ?cation des caractéristiques par un seul classi ?eur SVM classi ?eur bayésien réseau de neurones RN etc ou par plusieurs Adaboost L'apprentissage consiste donc à mémoriser les représentations calculées dans la phase analyse pour les individus connus Généralement les deux étapes d ? analyse et d ? apprentissage sont confondues et regroupées en une seule étape Les methodes de detection de visage Détection du visage dans une image D Selon Hjelmas et Low les méthodes de détection de visages peuvent être classées en approche globale ? dans laquelle on analyse le visage dans son entier ou en approche locale ? dans laquelle on va essayer de détecter localiser et regrouper les di ?érents éléments constitutifs du visage nez yeux bouche ? Des informations complémentaires peuvent aussi être utilisées pour détecter les di ?érents composants du visage telles que la couleur le mouvement ou encore la forme Les deux méthodes de détection de visage que nous allons présenter dans cet article relève de la catégorie des méthodes globales Elles di ?èrent seulement dans leur première phase de mise en oeuvre Ccomme l ? illustre la ?gure c'est-à-dire en fait par la technique utilisée pour caractériser l ? image à traiter La première méthode utilise les propriétés géométriques à travers le calcul des moments de Zernike La seconde est basée sur une projection sur un sous espace Nommée Eigenfaces ? c ? est une technique bien connue en particulier dans le domaine de la reconnaissance de visages La deuxième étape de ce processus de détection est assurée par un réseau de neurones entra? né par les vecteurs caractéristiques calculés à partir des Eigenfaces ? ou des moments de Zernike Sa sortie délivre des points de contour supposés délimiter un visage dans l ? image d ? origine