Sélection des paramètres pertinents pour la reconnaissance des expressions faciales en mode indépendant des personnes

Abstract

La reconnaissance automatique des expressions faciales est une tâche essentielle dans de nombreux domaines tels que la psychologie, l'interaction homme-machine, et la surveillance. Un système de REF se divise principalement en deux phases : la phase d'apprentissage et la phase de reconnaissance. Dans un premier temps, l'apprentissage vise à modéliser les différentes expressions faciales en extrayant des caractéristiques discriminantes. Dans un second temps, la phase de reconnaissance permet de classifier une nouvelle image faciale en fonction de son expression émotionnelle à l'aide de techniques telles que les classifieurs K-Nearest Neighbors (KNN), Support Vector Machines (SVM), ou encore les réseaux de neurones artificiels (ANN). Toutefois, les systèmes REF opérant en mode indépendant de la personne, c'est-à-dire sans personnalisation préalable aux individus, présentent généralement des taux de reconnaissance plus faibles. Cette baisse de performance est souvent due à la variabilité des visages selon les personnes (âge, sexe, morphologie), créant des interférences lors de la reconnaissance des expressions. Afin de surmonter cette difficulté, la sélection de paramètres pertinents devient un enjeu majeur. Cette thèse vise à améliorer les performances de ces systèmes en sélectionnant un ensemble de paramètres pertinents pour la reconnaissance des expressions, qui permettent de distinguer efficacement les expressions tout en minimisant l'influence des variations entre individus. En s'appuyant sur des techniques de sélection de caractéristiques telles que les méthodes de type filter, wrapper ou embedded, ce travail vise à concevoir un système plus robuste et performant dans des contextes où les expressions faciales doivent être reconnues de manière fiable et indépendante de l'identité des sujets