WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Authentification de visages par la méthode d'analyse discriminante linéaire de Fischer

( Télécharger le fichier original )
par Loubna BEDOUI
Université Mohamed Kheider de Biskra  - Ingénieur d'état en Automatique  2008
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

Chapitre 04

Résultats expérimentaux

4.1. Introduction

Jusqu?ici nous avons approché l?authentification automatique des visages d?un point de vue théorique, et dans ce chapitre nous présentons notre étude expérimentale des divers algorithmes d?authentification de visages présenter en chapitre 2. Les expériences ont été exécutées sur les visages de la base de données XM2VTS décrit en chapitre 3.

Le chapitre est organisé comme suit : nous présentons les étapes de prétraitement utilisées, en suite les résultats expérimentaux exécutés sur la base de données XM2VTS des algorithmes ACP (Eigen Face) et de LDA sont donnés et discutés.

4-2.Architecture structurelle du système d'authentification proposé

Notre objectif est de réalisé un système automatique d?authentification basé sur l?approche LDA ayant pour but de vérification (authentification) des personnes.

L?architecture structurelle du système d?authentification proposé est présentée par la figure (4.1).

- Acquisition d'image : Il faut d?acquérir les images de visage par un capteur (caméra).

- Réduction d'image : Sont les étapes de prétraitement (découpage, décimation, filtrage, normalisation), ont pour but l?amélioration de l?aspect visuel de l?image en éliminant tous les bruits éventuels.

- Création des matrices de données : On crée les matrices et enchaîner ces vecteurs. - Calcul LDA : Les étapes de LDA sont rédigées en chapitre 2.

- Projection des images : On projete les images dans un sous espace LDA.

- Calcul les distances intra et extra et le seuil : On a calculé les distances entre les mêmes individus et les différents individus et le seuil de comparaison.

Individu inconnu
Rejet'

Non Oui

Calcul de la
distance « D »

Projection

D < S

Enchainement des lignes ou colonnes

Décimation d?image

Photo-normalisation

Acquisition d?image

Découpage d?image

Filtrage

Calcul des distances (intra/extra) et le
seuil « S »

Création de la matrice de donnée
d?apprentissage

Calcul LDA (Vp de LDA)

Normalisation des données

Individu connu
'Accepté'

Projection des images

Réduction
d?image

- Test : L?individu est accepté si la distance est inférieure au seuil, l?individu est rejeté si la distance est supérieure au seuil.

4-3. Réduction des données

L?étape de prétraitement joue le rôle d?une réduction des données ainsi d?une atténuation des effets d?une différence de conditions lors des prises de vues. Dans notre travail nous supposons que les images sont prises dans les conditions favorables suivantes :

· Une vue frontale de toutes les images.

· L?éclairage des visages ne change pas.

· Une distance fixe entre le visage et la caméra (plus /moins quelque cm).

La figure 4.2 présente quelques exemples des images de la base de données XM2VTS prises dans des conditions favorables.

Figure 4.2 : Exemple d?images de la base de données XM2VTS.

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Un démenti, si pauvre qu'il soit, rassure les sots et déroute les incrédules"   Talleyrand