Résumé:
L'interprétation des expressions faciales est devenu ces derniers temps un moyen très efficace de communication homme-machine. Au cours de cette thèse, nous avons effectué une série de testes pour pouvoir déterminer les méthodes qui une fois regroupées vont former un système capable de reconnaitre les expressions faciales avec fiabilité et efficacité.
Deux testes ont été effectués pour déterminer la méthode de détection de changement dans le visage une par rapport aux changements des positions (coordonnées) des points caractéristiques détectés où 33 points ont été sélectionnés, et l'autre par rapport à la relation spatiale entre les points caractéristiques où 6 relations spatiales ont été sélectionnées.
Une fois les méthodes de détection de changement ont été sélectionnées, des testes
de classification ont été effectués sur les deux méthodes en utilisant la méthode simple est naïve le K-means qui est la méthode efficace et largement utilisée la machine à vecteur de support SVM. Qui ont donnés comme résultat la meilleure combinaison de méthodes (détection de changement et classification).
Le système final est composé de la méthode de détection de changement dans le visage par rapport à la position des 33 points caractéristiques et la méthode de classification SVM et qui une fois combinés ont donné un résultat final de 60,93%.
