|
| Titre : |
Traitement automatique d’images de visages algorithmes et architecture |
| Type de document : |
texte imprimé |
| Auteurs : |
Ayeche,Farid, Auteur ; Alti,Adel, Directeur de thèse |
| Editeur : |
Setif:UFA |
| Année de publication : |
2021 |
| Importance : |
1 vol (152 f .) |
| Format : |
29 cm |
| Langues : |
Français (fre) |
| Catégories : |
Thèses & Mémoires:Informatique
|
| Mots-clés : |
Reconnaissance des expressions faciales
Vecteur de caractéristiques |
| Résumé : |
Le potentiel de reconnaissance faciale et d’expressions faciales a suscité un intérêt accru pour les interactions sociales et l'identification biométrique. La plupart des méthodes d'identification existantes souffrent d'un consensus entre le taux de précision et le temps de calcul. L’objectif de notre travail est de construire un nouveau système de reconnaissance des visages et de leurs expressions rapide et robuste aux diverses conditions d'éclairage. Pour cela, nous avons proposé un système automatique qui permet de fournir aux utilisateurs un classificateur approprié pour identifier de manière plus précise les visages et les expressions faciales. Le système est basé sur deux étapes fondamentales de l’apprentissage automatique, à savoir l’extraction des caractéristiques et la classification des caractéristiques. Le modèle des contours actifs (Active Shape Model, ASM) se compose des points de repère est utilisé pour sélectionner des traits de visage tandis que l'algorithme de classification des visages et des expressions faciales se base sur le classificateur le plus performant parmi sept classificateurs standard. Les résultats d’expérimentations montrent que le classificateur d’analyse quadratique discriminant (Quadratic Discriminant Analysis, QDA) offre d'excellentes performances et surpasse les autres classificateurs avec un taux de reconnaissance de 94,25% sur le même jeu de données. Ensuite, nous avons proposé de combiner les descripteurs de texture LBP et LGC sous forme un nouveau descripteur appelé LGN (Local Gradient Neighborhood) pour une reconnaissance efficace des visages et des expressions faciales. Tout d'abord, l'image du visage est divisée en plusieurs blocs. Pour chaque bloc, le vecteur des caractéristiques de l'image est extrait via LGN. Puis, les classificateurs SVM et K-NN sont utilisés pour classifier les visages de différentes personnes dans des benchmarks standards JAFFE et ORL. Un taux de reconnaissance égale à 98,50% et un temps d’exécution réduit à l’aide d’un vecteur de taille réduit sont atteints. Enfin, pour avoir une reconnaissance efficace des visages et des expressions faciales avec un vecteur de caractéristiques réduit, nous avons proposé deux nouveaux descripteurs appelés histogramme du gradient directionnel (Histogram of Directional Gradient,HDG) et histogramme du gradient directionnel généralisé (Histogram of Directional Gradient Generalized, HDGG) pour extraire les caractéristiques discriminantes des expressions faciales en termes des taux de reconnaissance d’une bonne classification par rapport aux classificateurs existants. Les descripteurs proposés sont basés sur les gradients locaux directionnels combinés avec le classificateur SVM. Les résultats d’expérimentations montrent que le descripteur HDG donne un taux de précision égale à 92,12% dans tous les ensembles de données testées par rapport aux travaux existants. Il démontre également un temps d'exécution rapide pour la reconnaissance faciale allant de 0.4 s à 0.7 s dans toutes les bases de données évaluées. |
| Côte titre : |
DI/0058 |
| En ligne : |
http://dspace.univ-setif.dz:8888/jspui/bitstream/123456789/3795/1/These_Farid_ay [...] |
| Format de la ressource électronique : |
PDF |
Traitement automatique d’images de visages algorithmes et architecture [texte imprimé] / Ayeche,Farid, Auteur ; Alti,Adel, Directeur de thèse . - [S.l.] : Setif:UFA, 2021 . - 1 vol (152 f .) ; 29 cm. Langues : Français ( fre)
| Catégories : |
Thèses & Mémoires:Informatique
|
| Mots-clés : |
Reconnaissance des expressions faciales
Vecteur de caractéristiques |
| Résumé : |
Le potentiel de reconnaissance faciale et d’expressions faciales a suscité un intérêt accru pour les interactions sociales et l'identification biométrique. La plupart des méthodes d'identification existantes souffrent d'un consensus entre le taux de précision et le temps de calcul. L’objectif de notre travail est de construire un nouveau système de reconnaissance des visages et de leurs expressions rapide et robuste aux diverses conditions d'éclairage. Pour cela, nous avons proposé un système automatique qui permet de fournir aux utilisateurs un classificateur approprié pour identifier de manière plus précise les visages et les expressions faciales. Le système est basé sur deux étapes fondamentales de l’apprentissage automatique, à savoir l’extraction des caractéristiques et la classification des caractéristiques. Le modèle des contours actifs (Active Shape Model, ASM) se compose des points de repère est utilisé pour sélectionner des traits de visage tandis que l'algorithme de classification des visages et des expressions faciales se base sur le classificateur le plus performant parmi sept classificateurs standard. Les résultats d’expérimentations montrent que le classificateur d’analyse quadratique discriminant (Quadratic Discriminant Analysis, QDA) offre d'excellentes performances et surpasse les autres classificateurs avec un taux de reconnaissance de 94,25% sur le même jeu de données. Ensuite, nous avons proposé de combiner les descripteurs de texture LBP et LGC sous forme un nouveau descripteur appelé LGN (Local Gradient Neighborhood) pour une reconnaissance efficace des visages et des expressions faciales. Tout d'abord, l'image du visage est divisée en plusieurs blocs. Pour chaque bloc, le vecteur des caractéristiques de l'image est extrait via LGN. Puis, les classificateurs SVM et K-NN sont utilisés pour classifier les visages de différentes personnes dans des benchmarks standards JAFFE et ORL. Un taux de reconnaissance égale à 98,50% et un temps d’exécution réduit à l’aide d’un vecteur de taille réduit sont atteints. Enfin, pour avoir une reconnaissance efficace des visages et des expressions faciales avec un vecteur de caractéristiques réduit, nous avons proposé deux nouveaux descripteurs appelés histogramme du gradient directionnel (Histogram of Directional Gradient,HDG) et histogramme du gradient directionnel généralisé (Histogram of Directional Gradient Generalized, HDGG) pour extraire les caractéristiques discriminantes des expressions faciales en termes des taux de reconnaissance d’une bonne classification par rapport aux classificateurs existants. Les descripteurs proposés sont basés sur les gradients locaux directionnels combinés avec le classificateur SVM. Les résultats d’expérimentations montrent que le descripteur HDG donne un taux de précision égale à 92,12% dans tous les ensembles de données testées par rapport aux travaux existants. Il démontre également un temps d'exécution rapide pour la reconnaissance faciale allant de 0.4 s à 0.7 s dans toutes les bases de données évaluées. |
| Côte titre : |
DI/0058 |
| En ligne : |
http://dspace.univ-setif.dz:8888/jspui/bitstream/123456789/3795/1/These_Farid_ay [...] |
| Format de la ressource électronique : |
PDF |
|
Ajouter le résultat dans votre panier Affiner la recherche
