UNE COMBINAISON DE CLASSIFIEURS POUR LA RECONNAISSANCE DES VISAGES HUMAINS
No Thumbnail Available
Date
2006
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
La reconnaissance automatique des visages humains demeure toujours un réel
challenge dans le domaine de la recherche, ceci est dû essentiellement à la nature même de
cette biométrie qu’est le visage très riche en informations sociales, et fortement dynamique à
la fois , à cause des variations de l’environnement, le vieillissement, la pilosité….chose qui
rend la tâche de reconnaissance plus complexe ; De ce fait, une multitude de méthodes
déployées pour résoudre ce problème; mais malgré la pléthore de techniques élaborées et les
énormes progrès atteints , il n’existe pas une méthode qui soit à elle seule invariante à toutes
les variations que peut subir ce stimulus. Pour essayer de cerner la maximum de ces
changements , une nouvelle tendance a vu le jour visant à faire participer plusieurs classifieurs
, et à combiner leurs raisonnements et leurs résultats en vue d’augmenter le taux de
reconnaissance.
Dans ce projet, un comité de trois classifieurs a été mis au point dont les membres sont
une approche globale qui est celle de l’Analyse en Composantes Principales (ACP), une
approche géométrique du plus proche voisin , et enfin une approche également géométrique
toujours celle du plus proche voisin, mais à laquelle on a introduit la notion du floue, ces trois
classifieurs auront en entrée l’image du visage à reconnaître ; L’ensemble des images
provient de trois bases distinctes (ORL, OWN, GRIA ), ces dernières ont été sujet à une série
d’opérations de prétraitements (normalisation, binarisation, lissage), après quoi, la
transformée de Hough appliquée sur elles, permettra d’en extraire le vecteur des
caractéristiques représentant chaque visage; En sortie, chacun des classifieurs fournira une
liste des identités susceptibles d’être celles du visage test, accompagnées de mesures de
confiance. Une règle de combinaison sera appliquée sur ces dernières afin d’obtenir une
décision unifiée avec un taux d’erreur réduit.