Etude comparative de PCA et KPCA associées au SVM en biométrie

Abstract

Résumé : La reconnaissance de visage est une technologie biométrique en vogue, elle est très utilisée dans les applications de contrôle d’accès. Dans la littérature, on trouve plusieurs méthodes globales, locales et hybrides de reconnaissance de visages. Le but de ce projet est d’établir une étude comparative entre deux approches monomodales l’une basée sur l’Analyse en Composantes Principales (ACP) et la deuxième est une ACP à laquelle on associe un noyau (Kernel) pour mieux assurer la classification non linéaire. L’approche est basée sur un filtrage de Gabor dont les paramètres sont prise en considération dans l’amélioration des performances du système de reconnaissance de visages. Nous utilisons un classifieur à machines de vecteurs supports qui donne des résultats satisfaisants. Et l’étude comparative est menée entre une approche (PCA) et une approche KPCA associées à deux types de classifieurs SVM et mesures de distances. Le système de reconnaissance de visage à base de KPCA et SVM est réalisé sur la base de donnée XM2VTS et nous pouvons dire que le noyau PCA sur cette base donne de bons résultats surtout avec l’utilisation de filtre Gabor