Détection et suivi de visages en temps Réel sur Flux Vidéo
| dc.contributor.author | Mohammed khammari | |
| dc.date.accessioned | 2023-05-03T08:47:52Z | |
| dc.date.available | 2023-05-03T08:47:52Z | |
| dc.date.issued | 2016 | |
| dc.description.abstract | A côté des techniques sophistiquées d’identification telles empreintes digitales, empreintes génétiques, examen de l’iris, voix, réseaux capillaires, etc., l’identification la plus basique d'un individu vivant, se fait par reconnaissance faciale après détection de visages. Viola et Jones ont présenté une nouvelle et efficace méthode de détection de visage. La première méthode capable de détecter des visages en temps-réel. Le travail de Viola et Jones rend possible l’utilisation des applications de la détection de visage dans le monde réel tels que appareil photos numérique, mobile, caméra de surveillance, etc. Pour notre détecteur de visage humain, nous nous sommes intéressés à l’hybridation de méthodes existantes dans la littérature. Pour cela, nous avons utilisé les Filtres de Haar like, les LBP (Motifs binaires locaux), les WLD (Descripteur Locale de Weber), les réseaux de neurones, entraînés par Adaboost et SVM (Machine à Vecteur de Support). L’information couleur de peau est utilisée pour minimisé l’espace de recherche dans l’image, ce qui permet au détecteur de scanner uniquement les régions susceptibles d’être des régions de peau. Cela a permis de réduire le temps de calcul et aussi dans certains cas les fausses détections. Des études comparatives ont été menées entre les filtres de Haar like et LBP avec les SVM et Adaboost sur des images couleur et niveaux de gris, la comparaison entre les 2 approches se comporte sur les performances et le temps d’exécution. Pour les images niveau de gris ils balaient toute l’image en cherchant des visages tant disque pour les images couleur on utilise l’information couleur de peau pour minimiser le champ de recherche des visages, la meilleure méthode peut être utilisée pour le suivi du visage dans une séquence d'images. Les résultats sont très prometteurs, nous avons augmenté le taux de détection avec la combinaison des caractéristiques, nous avons trouvé une différence de facteur de 3,77 dans le temps de calcule entre les deux approches et un facteur de 2,4 dans le temps de calcule avec la même approche. | |
| dc.identifier.uri | https://dspace.univ-annaba.dz//handle/123456789/2671 | |
| dc.language.iso | fr | |
| dc.title | Détection et suivi de visages en temps Réel sur Flux Vidéo | |
| dc.type | Thesis | |
| dspace.entity.type |