COMPARAISON DES METHODES DE REDUCTION D’ESPACE ET L’APPLICATION DES SVMS POUR LA CLASSIFICATION DANS L’AUTHENTIFICATION DE VISAGES

Abstract

Dans cet article, nous présenterons quatre méthodes d’extraction de caractéristiques à base de réduction d’espace à une dimension: L’Analyse en Composantes Principales (ACP), L’Analyse Discriminante Linéaire(ADL), le Modèle Discriminant Linéaire Amélioré de Fisher (EFM) et la ADL Directe (ADLD) et deux méthodes à deux dimensions : l’Analyse Discriminante Linéaire Bidimensionnelle Orientée en Lignes (ADL2DOL) et en Colonnes (ADL2DOC). Une présentation théorique de ces approches et leurs applications au domaine du visage sur la base de données XM2VTS est faite. Puis une étude comparative entre ces algorithmes est effectuée. La meilleure méthode de réduction d’espace est retenue. Pour la classification nous proposons d’utiliser un nombre de machines à vecteurs de support (SVM) égal ou nombre des clients.