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. Réalisation :

Dans cette partie nous allons décrire l'aspect implémentation de l'application réalisée. Parler de l'implémentation revient à détailler l'aspect matériel, l'environnement de développement et les différents modules qui composent le système.

II.1.Aspect matériel:

Notre projet a été développé sur un micro portable:

Ø Processeur : Intel(R) Core (TM) 2 Duo CPU T6570 Ø Capacité Mémoire (RAM) : 2.00 Go

Ø Vitesse d'horloge : 2.10 Ghz

Ø Capacité disque dur : 320 Go

Ø Système d'exploitation : Windows 7 Edition intégrale.

II.2. Outils de développement :

Pour la réalisation de notre système nous avons choisi le langage de programmation
MATLAB Version 7.5 (R2007b). MATLAB est un environnement de calcul scientifique et de

visualisation de données. Sa facilité d'apprentissage et d'utilisation (due à une syntaxe très claire) en ont fait un standard adapté pour les divers problèmes l'ingénierie.

Parmi les raisons qui nous ont poussés à l'utiliser, on trouve :

" Ses très nombreuses fonctions prédéfinies et prêtes à l'emploi.

" Sa simplicité à l'implémentation et rapidité de calculs.

" Sa fiabilité et sa robustesse.

MATLAB offre un certain nombre de fonctionnalités pour la documentation et le partage du travail. On peut intégrer le code MATLAB avec d'autres langages et applications, et distribuer les algorithmes et applications MATLAB.

Figure III-4 : Fenêtre principale de MATLAB

II.3. Différents fonctions de l'application :

Notre application comporte un ensemble de fonctions qui assure les points discutées dans la partie conception, dans ce qui suit nous donnerons une description de ces fonctions :

· La création de la base de données est l'étape initiale qui permet d'introduire les images d'apprentissage, cela est assuré dans notre application par la fonction Acquisition.

· La fonction Acquisition utilise la variable« AppDatabasePath » comme entrée et retourne « T » une matrice contenant tous les images transformée en vecteur colonne. Cette fonction transforme toutes les images de la base d'apprentissage en un vecteur colonne 1D,

· Chaque colonne de la matrice « T » est une personne de la base d'apprentissage qui est a été remodelée.

· La fonction Fisherface2 a comme entré la matrice « T » et retourne la moyenne des images d'apprentissage «m_databse », les vecteurs propres «V_PCA » de la matrice de covariance, les vecteurs propres « V_Fisher » de la matrice de projection et la variable « ProjectedImages_Fisher » qui est la projection de toutes les images dans l'espace de Fisher.

· Pour la reconnaissance on fait appel à la fonction Recognition qui a 5 entrées, « TestImage » qui est l'une des images qu'on cherche à identifier, elle est extraite de la base de teste, « m-database », « V_PCA », « V_Fisher », et «ProjectedImages_Fisher » qu'on a vu précédemment. Et elle retourne «équivalentImage » qui est l'image équivalente à l'image de test dans la base d'apprentissage, en outre c'est l'image qui a la distance la plus petite avec l'image test.

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








"Il ne faut pas de tout pour faire un monde. Il faut du bonheur et rien d'autre"   Paul Eluard