Conclusion Générale
&
Perspectives
Dans ce mémoire, nous avons apporté notre
contribution dans le domaine de détection de visages dans une image en
adoptant une approche basée sur l'exploitation des réseaux
d'ondelettes Bêta basés sur la théorie des frames.
Nous avons commencé par une présentation de
l'état de l'art comportant une explication du principe de la
détection de visages ainsi qu'un survol sur les différentes
méthodes et techniques antérieures.
Ensuite, nous avons présenté les réseaux
d'ondelettes en décrivant la technique de l'analyse en ondelettes et ses
avantages par rapport à l'analyse de Fourrier. Nous avons passé
aussi par les avantages des réseaux d'ondelettes par rapport aux
réseaux de neurones à travers une comparaison entre les deux
approches. A la fin de cette partie, quelques méthodes utilisant les
réseaux d'ondelettes ont été citées.
Les réseaux d'ondelettes sont largement utilisés
dans les problèmes de la classification et l'identification. Nous avons
d'une part, étudié les particularités des réseaux
d'ondelettes dans ce domaine. D'autre part, nous avons démontré
leur capacité de réaliser un taux de détection assez
élevé.
Dans l'approche proposée dans ce travail, nous avons
exploité les réseaux d'ondelettes Bêta. Nous avons
présenté d'abord, les étapes d'une démarche
permettant d'assurer la phase d'apprentissage en utilisant les frames. Puis,
une autre démarche a été proposée pour la phase de
détection de visages.
En fait, la théorie des frames assure une
représentation exacte et sans redondance d'un signal en le projetant sur
la base des ondelettes, ce qui nous permet un calcul direct et d'une
façon optimale des poids de connexions de nos réseaux.
A la fin de ce mémoire, les résultats
expérimentaux de l'implémentation sont présentés et
interprétés pour montrer l'efficacité de la
méthode proposée.
Ce travail réalisé peut être
amélioré par son test sur d'autres bases d'images ou dans
d'autres domaines de détection ou par son optimisation en adoptant une
démarche sélective des ondelettes à introduire dans les
réseaux. Il peut être exploité, aussi, par son
intégration dans un processus de reconnaissance de visages par
réseaux d'ondelettes dans une image ou une séquence vidéo.
Bibliographie
· Articles, ouvrages et mémoires
[1] H. A. Rowley, S. Baluja, and T. Kanade.
Neural network-based face detection. IEEE Trans.
Pattern Analysis Machine Intelligence, 20:23-38, 1998.
[2] S.-H. Lin, S.-Y. Kung, and L.-J. Lin.
Face recognition/detection by probabilistic decision based neural
network. IEEE Trans. Neural Networks, 8:114-132, 1997.
[3] W. Karam, C. Mokbel, H. Greige, B.
Pesquet-Popescu, G. Chollet : Un système de
détection de visage et d'extraction de paramètres basé sur
les SVM et des contraintes, Computer Science Department,
University of Balamand, Tripoli, Lebanon, Ecole Nationale Supérieure des
Télécommunications, Paris, France, 2004.
[4] F. Boray Tek: Face detection
using learning networks, A thesis from the middle east technical
university, June 2002
[5] L.Carminati :
Détection et suivi de visage par Support Vector Machine
robustes aux changements d'echelle, Thèse du Centre
National de la Recherche Sientifique.
[6] M. Benkiniouar, M. Benmohamed :
Méthodes d'identification et de reconnaissance de visages en
temps réel basées sur AdaBoost, Novembre 2005
[7] Y. Wang, C.S. Chua: Robust
face recognition from 2D and 3D images using structural Hausdorff
distance, Image and Vision Computing 24(2)(2006)176-185.
[8] G. Potamianos, C. Neti, J. Luettin, and
I. Matthews, Audio-Visual Automatic Speech Recognition: An
Overview. In: Issues in Visual and Audio-Visual Speech
Processing, G. Bailly, E. Vatikiotis-Bateson, and P. Perrier (Eds.), MIT Press,
2004.
[9] D. Ginhac, E. Prasetyo, M. Paindavoine,
Localisation et Reconnaissance de visages : Vers une implantation
sur silicium, Laboratoire LE2I - UMR CNRS 5158 Université
de Bourgogne
[10] G. Yang and T. S. Huang.
Human face detection in complex background. Pattern
Recognition, 27:53-63, 1994.
[11] Iyengar S.S., E.C. Cho and V. Phoha,
Foundations of Wavelet Networks and Applications.
Chapman and Hall/CRC Press, June 2002.
[12] L. Chiunhsiun, F. Kuo-chin,
Human Face Detection using Geometric triangle
relationship, 15th International Conference on Pattern
Recognition ICPR'2000, Barcelona, September 3-8, 2000.
[13] M. Zaied, Etude des
réseaux d'ondelettes Bêta : Application à la reconnaissance
de visages. Thèse de doctorat, Laboratoire REGIM-ENIS.
Sfax, Février 2008.
[14] A. J. Colmenarez and T. S. Huang.
Face detection with information-based maximum
discrimination. IEEE Proc. of Int. Conf. on Computer Vision and
Pattern Recognition, 1997.
[15] O. Sawettanusorn, Y. Senda, S. Kawato,
N. Tetsutani, and H. Yamauchi, Real-Time Face Detection Using
Six-Segmented Rectangular Filter (SSR Filter) Ritsumeikan
University, Shiga, Japan and ATR Media Information Science Laboratories,
Kyoto, Japan
[16] S. Kawato and J. Ohya.
Real-time detection of nodding and head-shaking by directly
detecting and tracking the between-eyes. Proceedings Fourth IEEE
International Conference on Automatic Face and Gesture Recognition, 2000.
[17] J. Cai and A. Goshtasby.
Detecting human faces in color images. Image and
Vision Comput., 18:63-75, 1999.
[18] R. Kjedsen and J. Kender.
Finding skin in color images. Proc. of the
2nd Int. Conf. on Automatic Face and Gesture Recognition, pages
312-317, 1996.
[19] J. Yang and A. Waibel. A
real-time face tracker. IEEE Proc. of the 3rd Workshop
on Applications of Computer Vision, 1996.
[20] E. Osuna, R. Freund, and F. Girosi.
Training support vector machines: An application to face
detection. IEEE Proc. of Int. Conf. on Computer Vision and
Pattern Recognition, 1997.
[21] R. O. Duda, P. Hart, and D. G. Stork.
Pattern Classification. WileyInterscience, 2 edition,
2001.
[22] R. Fransens, C. Strecha, L. Van Gool,
Parametric Stereo for Multi-Pose Face Recognition and 3D-Face
Modeling, PSI ESAT-KUL, Leuven, Belgium 2005
[23] H. Schneiderman and T. Kanade.
Probabilistic modeling of local appearance and spatial
relationships for object recognition. IEEE Conference on Computer
Vision and Pattern Recognition, 6, 1998.
[24] H. Schneiderman and T. Kanade.
A statistical model for 3d object detection applied to faces and
cars. IEEE Conference on Computer Vision and Pattern Recognition,
2000.
[25] V. Kumar and T. Poggio.
Learning-based approach to real time tracking and analysis of
faces. Proc. 4th IEEE Int. Conf. on Automatic Face and Gesture
Recognition, Sept.1999.
[26] N. Oliver, A. Pentland and F. Berard.
A real-time face and lips tracker with
facial expression recognition. IEEE Trans. on Pattern
Recognition, 33:1369-1382, 2000.
[27] A Pentland, B. Moghaddam, and T.
Strarner. View-based and modular eigenspaces for face
recognition. IEEE Proc. of Int. Conf. on Computer Vision and
Pattern Recognition, pages 84-91, 1994.
[28] B. Moghaddam and A. Pentland.
Probabilistic visual learning for object representation.
IEEE Trans. Pattern Analysis and Machine Intelligence, 19(1),
1997.
[29] V. Kumar and T. Poggio.
Learning-based approach to real time tracking and analysis of
faces. Proc. 4th IEEE Int. Conf. on Automatic Face and Gesture
Recognition, 2000.
[30] D. Roth, M.-H. Yang, and N. Ahuja.
A snow-based face detector. Advances in Neural Information
Processing Systems. 12, 2000.
[31] Y. Zhu, S. Schwartz, and M. Orchard.
Fast Face Detection Using Subspace Discriminant Wavelet
Features. Electrical Engineering, Princeton University. IEEE Int.
Conf. on Computer Vision and Pattern Recognition, 2000.
[32] I. Boaventura, V. M. Volpe, A. Sanches
et A. Gonzaga. A face detector using Neural Networks and Discrete
Wavelet Transforms. IBILCE-UNESP UNIRP EESC-USP.
[33] R. Lim, M. J.T. Reinders and Thiang.
Face Detection Using Skin Color and Gabor Wavelet Representation.
Proc. of the International Conf. on Electrical, Electronics,
Communication, and Information CECI'2001, March 7-8, Jakarta
[34] M.H. Yang, N. Ahuja, D. Kriegman:
Detecting Human Faces in Color Images. Proc. of the
1998 IEEE International Conference on Image Processing (ICIP 98), pp. 127-139,
Chicago, October, 1998.
[35] M.H. Yang, N. Ahuja, D.
Kriegman: Face Detection Using a Mixture of Factor
Analyzers. Proc. of the 1999 IEEE International Conference on
Image Processing (ICIP 99), Kobe, Japan, 1999.
[36] E. Viennet and F. Fogelman
Soulié. Connectionist methods for human face processing, in
Face Recognition: From Theory to Application. Springer-Verlag,
Berlin/New York, 1998.
[37] C. Garcia, G. Zikos and G. Tziritas.
Face Detection in Color Images using Wavelet Packet Analysis.
Institute of Computer Science, Foundation for Research and
Technology-Hellas. Greece.
[38] S. Zhou, V. Krueger, and Rama Chellappa.
Face Recognition from Video: A CONDENSATION Approach.
Center for Automation Research (CfAR), Department of Electrical
& Computer Engineering, University of Maryland.
[39] S. Satoh, Y. Nakamura, and T. Kanade.
Name-it: naming and detecting faces in news videos.
IEEE Multimedia, 6:22-35, 1999.
[40] R.S. Feris, J. Gemmell, V. Krüger,
and K. Toyama. Facial Feature Detection Using A Hierarchical
Wavelet Face Database. Microsoft Research, University of
Maryland.
[41] Y. Oussar. Réseaux
d'ondelettes et réseaux de neurones pour la modélisation statique
et dynamique de processus. Thèse de doctorat de
l'université Pierre et Marie Curie. Paris, France. Juillet 1998.
[42] L. Sirovich and M. Kirby.
Low-dimensional procedure for the characterization of human
faces. Journ. Optical Society America, 4:519-524, 1987.
[43] T. H. Lin, W. P. Shih.
Automatic face authentication with self compensation. Image and
Vision Computing. October 2007.
[44] I. Daubechies. Ten Lectures
of Wavelets. Rutgers University and AT & T bell Laboratories,
Sept.1992.
[45] D. Jonathan, B. Michael et F.
Sébastien. Les Ondelettes. Université
Libre de Bruxelles. Printemps des Sciences. Bruxelles. Belgique.
[46] J.-C. Terrillon, M. Shirazi, H.
Fukamachi, and S. Akamatsu. Comparative performance of different
skin chrominance models and chrominance spaces for the automatic detection of
human faces in color images. in Proceedings Fourth IEEE
International Conference on Automatic Face and Gesture Recognition, 2000.
[47] M. Turk and A. Pentland.
Eigenfaces for recognition. Journal Cognitive
Neuroscience, 3(1) : 71-86. 1991.
[48] M. Zaied,C. Ben Amar and A. M. Alimi.
Beta Wavelet Networks For Face Recognition.
Intelligent Decision Systems, pages 109-122. JDS-14/2005.
[49] W.Bellil, C. Ben Amar et M. A. Alimi.
Etude d'une nouvelle famille d'ondelettes à base de la
fonction Bêta. Laboratoire REGIM-ENIS, Sfax, Tunisie. 2004.
· Références Web
v Face Detection & Recognition
http://www.liacs.nl/home/lim/face.detection.html
| 
