Résumé:
Dans ce mémoire, nous proposons une étude comparative de deux méthodes de reconnaissance de visage. Nous sommes partis de l'hypothèse que si les résultats de la DCT combinée à la PCA étaient satisfaisants, ceux de la DCT combinée à la DiagPCA seraient meilleurs car, théoriquement, la diagonalisation de la PCA donne de meilleurs résultats.
Apports et limites
Nous avons testé séparément les anciennes approches, autrement dit la PCA et la DiagPCA. Mais, ces dernières se sont avérées sensibles à la luminance. Nous avons alors songé à les combiner à la DCT, celle-ci étant moins sensible à la luminance et ayant le pouvoir de réduire la taille des images, ce qui nous donne un gain considérableen temps d'exécution de la PCA.
D'essai en essai, nous sommes arrivés à la DCT Globale-(2D)PCA qui, elle, a donné de meilleurs résultats que toutes les combinaisons que nous avons testées, à savoir un bon taux de reconnaissance (94%) et une meilleure stabilité à la luminance.
Rappelons toutefois que les résultats obtenus sont relatifs à la base de données. En effet, les résultats sont relatifs aux images acquises. Ainsi, si l'image acquise présentait des contraintes (orientation du visage, cheveux, lunettes,...), cela ne faciliterait pas la reconnaissance.
Nous avons, par ailleurs, utilisé d'autres classificateurs (Frobinius, Yang et Assembled Matrix Distance) qui ne figurent pas sur le mémoire, faute d'espace et de temps, mais nous les avons intégrés dans l'application. Ces classificateurs ont donné de
très bons résultats avec une base de donnés plus importante.