Utilisation de l’Analyse Automatisée des Images pour la Reconnaissance des Expressions Faciales

Abstract

L'objectif de ce mémoire est de rechercher, concevoir et mettre en œuvre un modèle de reconnaissance des émotions. Où plusieurs disciplines ont été impliquées dans les stratégies d'identification des expressions faciales. Dans notre travail nous avons présenté un état de l’art des différentes méthodes récentes dans ce domaine (LBP, HOG, BRISK, BRIEF, SIFT, SURF etc) Après une étude approfondie des techniques utilisées pour identifier les expressions faciales, nous avons présenté les deux principaux étapes du système de reconnaissance de l'expression faciale, en commençant par l'étape de l'extraction des caractéristiques, et la classification, en utilisant les techniques que nous avons choisi et expliquées dans le 2éme chapitre. Dans la phase d'implémentation nous avons effectué plusieurs expériences, en se basant sur le descripteur (LBP) en en appliquant une nouvelle approche (découpage d'image), et sur le type de classificateur (SVM) d’autre part, Toutes ces expériences ont été menées sur la base de données ck+, comme décrit dans le 3éme chapitre. D’après les résultats obtenus et présentés dans le 3éme chapitre, les meilleurs résultats obtenus étaient basés sur le classificateur SVM, où le score de reconnaissance des expressions faciales a atteint 96.6% , pour le descripteur LBP. Aussi nous avons également obtenu un score de 92.87% avec le descripteur LBP et SPM et classificateur SVM pendant la comparaison. Nous avons observé que le choix de type du classificateur, et le prétraitement d'images et l'étape de l'extraction des caractéristiques, jouent un rôle très important dans l'amélioration des résultats et augmentent de l'efficacité du système d'identification des expressions faciales,