Apprentissage des réseaux d'ondelettes bêta basé sur la théorie des frames : application à la détection de visages

v Projet Traitement Numérique des images: Bases d'ondelettes
http://www.tsi.enst.fr/tsi/enseignement/ressources/mti/ondelettes

v Index of pub face data bases
http://ftp.uni-erlangen.de/pub/facedb/

v Sébastien Marcel - Frontal Face Data bases
http://www.idiap.ch/resources/frontalfaces/

v BioID-Technology Research: The BioID Face Database

http://www.bioid.com/downloads/facedb/index.php

v Resources for Face Detection
http://vision.ai.uiuc.edu/mhyang/face-detection-survey.html

v Face Detection Homepage: Face finding and recognition

http://www.facedetection.com/

v Face detection
http://vasc.ri.cmu.edu/NNFaceDetector/

v Pittsburgh Pattern Recognition
http://www.pittpatt.com/

Apprentissage des réseaux d'ondelettes Bêta par la théorie des frames :

Application à la détection de visages

Faouzi HAJJEM

ÇáÎáÇÕÉ : ÕÈÍÊ ÊÞäíÇÊ ÊÚÑ ÇáæÌæå ãä ÎáÇá ÇáÕæÑ ÈÇÓÊÎÏÇã ÇáÌåÒÉ ÇáÑÞãíÉ æÇáÑæÈæÊÇÊ ßËÑ ßËÑ ÊØæÑÇ áÊáÈíÉ ÇÍÊíÇÌÇÊ ÇáÅäÓÇä í ãÌÇáÇÊ Çáãä æÇáÊÍßã ÇáÂáí. æ ÈäÇÁ Úáíå Åä ÇáßÔ Úä ÇáæÌæå í åÐå ÇáÕæÑ íãËá ãÑÍáÉ ÍÇÓãÉ ÊÓÈÞ ãÑÍáÉ ÇáÊÚÑ ÚáíåÇ. æ ãä åäÇ ÊÊí ÇáÍÇÌÉ ÇáãáÍÉ áÊÍÓíä ÊÞäíÇÊ ÇáßÔ Úä ÇáæÌæå æÇáÊí åí ãæÖæÚ åÐå ÇáãÐßÑÉ.

áÞÏ ÙåÑÊ ÚÏíÏ ÊÞäíÇÊ ÇáßÔ Úä ÇáæÌæå ãäåÇ Êáß ÇáÊí ÊÚÊãÏ ??? ÎÕÇÆÕ åäÏÓÉ ÇáæÌå æ ÎÑì ÊÚÊãÏ Úáì ÔÈßÇÊ ÇáÎáÇíÇ ÇáÚÕÈíÉ ÇáÇÕØäÇÚíÉ ÈíäãÇ ÊÚÊãÏ ÊÞäíÉ ËÇáËÉ ??? ÇáßËÇÉ æÇááæä í ÇáÕæÑÉ...

æäÍä í åÐÇ ÇáÚãá äÏáí ÈãÓÇåãÊäÇ í ÇáÊÍáíá æÇáßÔ Úä ÇáæÌæå ÈæÇÓØÉ ÔÈßÇÊ ÇáãæíÌÇÊ Bêta ÇáÞÇÆãÉ Úáì äÙÑíÉ ÇáãæíÌÇÊ ÇáãÇÆáÉ ÞÏãäÇ æÕÇ ááäãæÐÌ ÇáãÞÊÑÍ áåÐå ÇáÔÈßÉ æ ßííÉ ÊÏÑíÈåÇ Ëã ÞÏãäÇ ÇáãÈÇÏÆ æ ÇáÎØæÇÊ ÇáãÊÈÚÉ. æ ÞÏ Êã ÊØæíÑ äãæÐÌ ÈæÇÓØÉ MATLAB ááÇÎÊÈÇÑ æ ÇáãÕÇÏÞÉ.

ÎíÑÇ æ áÊÞííã ÇáäÊÇÆÌ ÚÏÏíÇ æ ÊÞííã ÚÇáíÉ ÇáäãæÐÌ ÇáãÞÊÑÍ ÍÏÏäÇ ÈÚÖ ÇáãÚÇííÑ æÇÓÊÎÑÌäÇ ÈÚÖ ÇáÌÏÇæá Úáì ÓÇÓåÇ ááÊÍáíá æÇáÇÓÊÎáÇÕ.

ÇáßáãÇÊ ÇáãÇÊíÍ : ßÔ ? ÍÕÑ ÇáæÌæå? ÇáãæíÌÇÊ? ÇáãæíÌÇÊ ÇáãÇÆáÉ? ÔÈßÇÊ ÇáãæíÌÇÊ? ÇáãæíÌÉBêta .

Résumé : Les techniques de la reconnaissance de visages, à l'aide des appareils digitaux et des robots, sont de plus en plus perfectionnés pour satisfaire des besoins humains dans les domaines de la sécurité et du contrôle automatisé. Il est donc indispensable de s'intéresser à la détection de visages dans une image qui représente une phase primordiale qui précède la phase de la reconnaissance. D'où la nécessité d'améliorer les techniques de détection de visages, qui fait l'objet de ce mémoire.

Différentes méthodes de détection ont été développées, parmi lesquelles, on peut citer les approches exploitant la géométrie et les caractéristiques du visage, les approches neuronales et les approches basées sur des modèles probabilistes de l'intensité et de la couleur dans l'image.

Nous avons, dans ce travail, apporté notre contribution à l'analyse et détection de visages par réseaux d'ondelettes Bêta basés sur la théorie des frames. Nous avons décrit l'architecture proposée de ce réseau et son algorithme d'apprentissage. Ensuite nous avons présenté le principe et les étapes de notre approche. Un prototype graphique sous MATLAB a été développé pour valider les algorithmes utilisés et tester l'approche suivie.

Enfin, pour apprécier numériquement les résultats et évaluer l'efficacité de la démarche proposée, nous avons défini quelques mesures et nous avons dégagé des tableaux d'évaluation en fonction de ces mesures.

Mots clés : Détection de visages, Ondelettes, Frames, Réseaux d'ondelettes, ondelette Bêta.

Abstract : The techniques of faces recognition, using digital machines and robots, are increasingly successful to satisfy human needs in the field of security and automated control. It's thus necessary to be interested in face detection in an image that represents a paramount phase which precedes that of recognition. From where appears the necessity of improving the techniques of face detection, that represents the object of this memory.

Various detection methods were developed, among which, we can speak about the approaches exploiting the geometry and the characteristics of the face, the neural approaches and those based on probabilistic models of the intensity and the color in the image.

In this work, we have contributed to face analysis and detection thanks to Beta wavelet networks that are based on frames theory. We have also used proposed architecture of this network and its training algorithm. Then, we presented principle and stages of our approach. A graphic prototype under MATLAB was developed to validate the used algorithm and to test the followed approach.

Finally, to value the results and evaluate the effectiveness of the proposed process, we identified some measurements as well as evaluation tables according to these measurements.

Key-words : Faces detection, Wavelets, Frames, Wavelets networks, Beta wavelet.