Apprentissage des Descripteurs HOGs pour la Reconnaissance des Objets

Abstract

La reconnaissance d'objets est l'un des problèmes les plus difficiles en vision par ordinateur. Elle est en même temps une étape primordiale pour la mise en oeuvre de plusieurs applications actuelles. Par conséquent, il existe un intérêt croissant dans ce domaine de recherche durant ces dernières années et une vaste littérature. Récemment, les histogrammes de gradients orientés (HoGs) se sont révélés être un descripteur efficace pour la reconnaissance des objets en général et la reconnaissance de visages en particulier. Dans ce travail, nous présenterons un système de reconnaissance d'objets visage, basé sur les HoGs et le classifieur K-ppv (K-plus proches voisins) qui est une méthode de classiffication connue par sa simplicité. Nous avons développé et testé un système basd HoG avec différentes régions locales. Des expérimentations ont été faites afin de pouvoir déterminer la meilleure taille de cellule (patch : 4x4, 6x6 ou 8x8) selon le type de filtre utilisé (filtre dérivatif l-D centré, sobel et dérivée seconde); ce qui permettra de fixer le seuil optimal selon la distance utilisée dont le but de reconnaître I'apparence de l'objet le plus similaire. Les résultats de tests ont permis de déterminer les meilleurs paramètres qui donnent un bon taux de reconnaissance des objets visage qui a affeint 94% Mots clés : caractéristiques locales, descripteurs, reconnaissance d,objets, vision par ordinateur, histogrammes de gradients orientés (HoGs), classifieur K-ppr, (K-plus proches voisins), classification.