Repository logo
  • English
  • Català
  • Čeština
  • Deutsch
  • Español
  • Français
  • Gàidhlig
  • Italiano
  • Latviešu
  • Magyar
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Suomi
  • Svenska
  • Türkçe
  • Tiếng Việt
  • Қазақ
  • বাংলা
  • हिंदी
  • Ελληνικά
  • Yкраї́нська
  • Log In
    New user? Click here to register.Have you forgotten your password?
Repository logo
  • Communities & Collections
  • All of DSpace
  • English
  • Català
  • Čeština
  • Deutsch
  • Español
  • Français
  • Gàidhlig
  • Italiano
  • Latviešu
  • Magyar
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Suomi
  • Svenska
  • Türkçe
  • Tiếng Việt
  • Қазақ
  • বাংলা
  • हिंदी
  • Ελληνικά
  • Yкраї́нська
  • Log In
    New user? Click here to register.Have you forgotten your password?
  1. Home
  2. Browse by Author

Browsing by Author "Yessaadi Sabrina"

Now showing 1 - 1 of 1
Results Per Page
Sort Options
  • No Thumbnail Available
    Item
    Un modèle basé Template Matching/ Réseau de Neurones pour la Reconnaissance des visages
    (2006) Yessaadi Sabrina
    La reconnaissance automatique des visages est l’un des plus importants domaines de biométrie, elle se base sur la reconnaissance des individus en utilisant le visage comme principale caractéristique. Ce domaine est très actif, ceci est sans doute dû à la multiplicité et la variété des champs d’application, dont on peut citer : les compagnies gouvernementale, les sociétés sécuritaires, l’inerraction homme-machine et la vision par ordinateur. Les recherches dans cet axe sont nombreuses et plusieurs approches ont été proposées, tel que : l’Analyse en Composantes Principales (ACP), l’Analyse en Composantes Indépendantes (ACI), les Réseaux de Neurones Artificiels (RNA) et les techniques de mise en correspondance par motif “ Template Matching ”,..., etc. Dans cette thèse, on proposera un modèle pour la reconnaissance automatique des visages, en combinant entre deux approches de l’Intelligence Artificielle. Les images utilisées sons représentées en forme d’intensité de pixel, avec une vue frontale des visages. Chaque visage sera décrit par un vecteur de caractéristiques représentant les trois principales composantes du visage qui sont : les yeux, le nez et la bouche. On utilisera pour la description de ces caractéristiques la théorie des moments invariants, et plus particulièrement, les invariants de Hu. Ces moments vont construire l’ensemble des vecteurs de caractéristiques utilisés comme entrées pour l’apprentissage et le test du réseau de neurones, en fin le réseau établira son identification et sa décision finales. La base des images sera indexée en utilisant la méthode d’indexation des images basée sur leur contenu locale.

DSpace software copyright © 2002-2025 LYRASIS

  • Cookie settings
  • Privacy policy
  • End User Agreement
  • Send Feedback