II. Approches et
méthodes de détection de visages
Des nombreuses méthodes de détection de visages
sont apparues dans les deux dernières décennies et qui se
diffèrent, aussi bien par les approches qu'elles emploient, que par les
techniques d'apprentissage qu'elles utilisent. Yang et al. classifient ces
techniques en quatre classes [3, 8]:
Ø techniques descriptives basées sur la
connaissance,
Ø techniques basées sur l'extraction de
paramètres caractéristiques invariants,
Ø techniques basées sur la superposition de
caractéristiques,
Ø techniques basées sur l'apparence.
Les techniques, basées sur l'apparence, utilisent
l'analyse statistique et l'apprentissage automatique pour construire des
machines capables de séparer les visages des non-visages. Les
réseaux de neurones, les machines à vecteurs de support (SVM),
les classificateurs Bayesiens, les modèles de Markov cachés (HMM)
sont parmi les méthodes d'apprentissage automatique les plus souvent
utilisées.
Ces méthodes peuvent être divisées en deux
catégories : les méthodes géométriques et les
méthodes globales. La performance de ces méthodes dépend
de la précision (nombre de paramètres) avec laquelle les
informations utiles du visage sont extraites.
1. Les Méthodes basées sur
les caractéristiques du visage
On les appelle aussi les méthodes à traits,
à caractéristiques locales, ou analytiques. L'analyse du visage
humain est donnée par la description individuelle de ses parties, leurs
positions et de leurs relations. Ce modèle correspond à la
manière avec laquelle l'être humain perçoit le visage,
c'est à dire, à nos notions de traits de visage et ses parties
comme les yeux, le nez et la bouche, ce qui permet de conclure la
présence ou non du visage dans l'image à analyser [6].
a.
Approches basées sur la géométrie de visages :
Les travaux réalisés se sont au début
basés contours (les années 70) [5], ensuite la plupart des
approches se sont concentrées sur l'extraction des traits du visage
à partir d'une image et sur la définition d'un modèle
adéquat pour représenter ce visage. Un certain nombre de
stratégies ont modélisé et classé les visages sur
la base de distances normalisées et angles entre points
caractéristiques : les yeux, les sourcils, la bouche, le nez,...
mais peuvent être d'un niveau de détail beaucoup plus fin.
Cette phase d'extraction des traits caractéristiques du
visage constitue l'étape clé du processus, car la performance du
système entier en dépend.
Figure 1.3 : Modèle
géométrique du visage
| 
