Techniques et systèmes de reconnaissance automatique de visages

Abstract

Cette thèse propose un nouveau système de reconnaissance faciale intégrant une méthode hybride basée sur la pyramide de transformation en cosinus discrète (DCT) pour l'extraction des caractéristiques, des mesures statistiques pour la réduction de la dimensionnalité des caractéristiques, et un réseau de neurones à rétropropagation à deux couches pour la classification. La pyramide DCT est utilisée pour capturer efficacement les informations de basse et haute fréquence des images faciales, améliorant ainsi la capacité du système à reconnaître les visages avec précision. Parallèlement, l'introduction de mesures statistiques pour la réduction de la dimensionnalité aide à diminuer la complexité computationnelle et offre une meilleure discrimination, conduisant à un traitement plus efficace. De plus, le réseau de neurones à deux couches, qui joue un rôle essentiel dans la gestion efficace des motifs complexes, améliore davantage les capacités de reconnaissance du système. Grâce à ces avancées, le système atteint un taux de reconnaissance exceptionnel de 99 % sur l'ensemble de données du Laboratoire de Recherche Olivetti (ORL), 98,88 % sur YALE, et 99,16 % sur AR. Cette performance démontre la robustesse et le potentiel du système proposé pour des applications réelles en reconnaissance faciale.