Reconnaissance de visages par Analyse Discriminante Linéaire(LDA )

II.5.Test et Evaluation:

Pour tester l'efficacité de notre système nous avons créé deux nouvelles bases de test et d'apprentissage à partir de la base Yale, cette création c'est une simple sélection de visages à partir de la base originale (Yale data base) :

Ø La première base est composée de 105 images d'apprentissages et 60 pour le test et cela a conduit à des résultats qui sont illustrés dans le tableau suivant :

Temps d'apprentissage= 4sec	Taux de reconnaissance (%)	Taux d'erreur(%)
Base d'apprentissage (105 visages)	100%	0%
Base de test (60 visages)	36,66%	63,44%

Tableau III-1 : Résultat obtenu sur la 1^ere base de donnée

Ø La deuxièmebase est composée de 20 images d'apprentissages et 10 pour le test, les résultats sont illustrés dans le tableau suivant :

Temps d'apprentissage= 1sec	Taux de reconnaissance (%)	Taux d'erreur(%)
Base d'apprentissage (20)	100%	0%
Base de test (10)	60%	40%

Tableau III-2 : Résultat obtenu sur la2^eme base de donnée

II.6. Discussion des résultats :

La méthode LDA que nous avons appliqué donne de bons résultats quand le nombre d'images d'apprentissages est limité (Tableau III-2), et donne de mauvais résultats lorsque le nombre d'images d'apprentissages augmente (Tableau III-1).

Ce problème est souvent reconnu en littérature sous le nom SSS ( Small Sample Size).

Conclusion:

Dans ce chapitre, nous avons illustré l'architecture globale de notre système dereconnaissance de visages basé sur la LDA et les détails des fonctions qui le composent, ainsi que le langage qui assure son fonctionnement.Et à travers les tests obtenus on peut dire que la performance du système repose sur un critère, qui est le bon choix des images d'apprentissages.

Conclusion Générale et perspectives