WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Reconnaissance de visages par Analyse Discriminante Linéaire(LDA )

( Télécharger le fichier original )
par Amira Chiheb
Université du 8 mai 45 de Guelma Algérie - Licence en informatique 2003
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

II.4. Performances d'un système de reconnaissances de visage :

La performance d'un système biométrique peut se mesurer principalement à l'aide de trois critères : sa précision, son efficacité (vitesse d'exécution) et le volume de données qui doit être stocké pour chaque utilisateur et ces performances dépendent de plusieurs facteurs qui interviennent à plusieurs niveaux et qui peuvent limiter le degré de précision.

Cependant, il serait judicieux de s'intéresser à ces facteurs avant de mesurer la performance d'un système de reconnaissance.

Nous citons ici les principaux facteurs :

-L'environnement au moment de l'acquisition.

- Les différentes positions des capteurs.

- La qualité des capteurs.

- La mauvaise interaction entre l'utilisateur et les capteurs.

II.4.1. Performance d'un système d'identification:

Pour évaluer les performances d'un système d'identification, on calcule le taux de reconnaissance du système.

v Taux de reconnaissance= nombre de décision correctes divisé par le nombre de décision totale.

II.4.2. Performance d'un système de vérification:

Pour évaluer les performances d'un système de vérification, on calcule le taux d'erreurdu système.

v Taux d'erreur = nombre de décision erronées par le nombre de décision totale.

Dans ce cas, deux types d'erreurs peuvent être commises : Soit l'individu est rejeté alors qu'il s'agit bien d'un utilisateur enregistré, c'est ce qu'on appelle le Faux Rejet « False rejection FR», soit l'individu est accepté alors qu'il s'agit d'un imposteur, on l'appelle Fausse Acceptation « False acceptance FA».

La figure suivante montre en fait la courbe de ce type d'erreurs :

Figure I-8:Seuil de décision et taux d'erreurs

Dans un système idéal FRR=FAR= 0, mais ce n'est pas le cas dans la pratique; quand FR augmente, FA diminue et vice versa. Par conséquent, il faut trouver un compromis entre les deux taux qui est la jonction des courbes, c'est-à-dire le point X où le couple (FAR, FRR) est minimal.

Figure I-9: Relation entre FAR et FRR

Conclusion:

La reconnaissance de visage est une technologie biométrique qui est très utilisé dans les applications de contrôle de frontières, dans la sécurité des établissements et des zones urbaines et dans l'identification des conducteurs. C'est une technique commune, populaire, simple et qui offre beaucoup d'avantages.

Dans le chapitre suivant on présentera une méthode de reconnaissance globale qui est la LDA, cette méthode sera utilisée pour faire une reconnaissance sur une base de visage standard (Yale).

Dans ce chapitre : Introduction

1. Présentation

2. Linear Discriminant Analysis (LDA)

3. Fondement mathématique de la LDA

4. LDA pour la reconnaissance

5. Avantages et inconvénients de LDA

Conclusion

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"L'ignorant affirme, le savant doute, le sage réfléchit"   Aristote