TY  - BOOK
AU  - Chougdali, Khalid
AU  - Jedra, Mohamed
AU  - Zahid, Noureddine
AU  - Sbihi, Abderahmane
AU  - Raoof, Kosai
AU  - Regragui, Fakhita
AU  - Jedra, Mohamed
AU  - Ettouhami, Aziz
AU  - Belhadj, Abdenabi
ED  - Université Mohammed V - Agdal
TI  - Conception de nouveaux algorithmes pour la reconnaissance des visages
U1  - 005.1 22
PY  - 2010///
CY  - Rabat
PB  - Université Mohammed V - Agdal, Faculté des Sciences
KW  - Sciences de l'ingénieur
KW  - Informatique
KW  - Microélectronique
KW  - Reconnaissance de visages
KW  - Sécurité biométrique
KW  - Singularité des matrices
KW  - Méthode à noyau
KW  - Données aberrante
KW  - Classification floue
N1  - Sous format papier; Le travail présenté dans cette thèse se rapporte aux systèmes de sécurité biométriques faciales dont le but est de reconnaître automatiquement des individus à travers leur visages. Une des approches clés de la reconnaissance de visage est l’analyse discriminante linéaire (LDA) qui maximise la séparation entre les classes (personnes) tout en minimisant la séparation intra-classe. Après avoir rappelé les deux problèmes majeurs de LDA à savoir la singularité des matrices de dispersion et la sensibilité aux données aberrantes, nous développons un nouveau algorithme (RWLDA/QR) qui résout ces problèmes. Ensuite, nous proposons un deuxième algorithme (KRWDA) basé sur l’utilisation des noyaux pour rendre RWLDA/QR non linéaire. Dans cette étape, nous introduisons aussi deux nouvelles fonctions noyaux qui n’ont pas été utilisées auparavant pour la reconnaissance faciale. Les résultats des tests sur des bases de visages standards montrent que les deux algorithmes proposés aboutissent à des taux de reconnaissance plus élevés par rapport aux méthodes courantes, en particulier les méthodes Fisherface et LDA/QR. Dans la deuxième partie du travail, nous nous intéressons à l’intégration du flou dans deux algorithmes d’analyse discriminante linéaire et non linéaire. Nous proposons un nouvel algorithme que nous avons appelé LDA/QR floue. Il repose sur la fuzzification des matrices de dispersion tout en résolvant le problème de leur singularité par la décomposition QR. LDA/QR floue a donné de bons résultats en termes de taux de reconnaissance. Par ailleurs, nous avons développé la méthode KSDA floue qui prend en compte les non-linéarités des données tout en évitant le problème de la singularité sans calcul matriciel compliqué. Tous les algorithmes intégrants le concept flou, ont été évalués à travers une série d’expériences sur des bases d’images connues. Les résultats obtenus montrent que le flou améliore le taux de reconnaissance des algorithmes mais cela nécessite un temps d’exécution plus grand
ER  -