Titre :	Détection de visage dans les images omnidirectionnelles à PVU
Type de document :	theses et memoires
Auteurs :	Youcef Lassal, Auteur ; Gaya Lounis, Auteur ; Djamal Alouache, Directeur de thèse
Editeur :	TIZI-OUZOU : FGEI.UMMTO
Année de publication :	2022
Importance :	79 p.
Présentation :	ill.
Format :	30 cm.
Note générale :	Bibliogr.
Langues :	Français
Mots-clés :	Détection de visage  Image omnidirectionnelle  Point de vue unique  Vision artificielle  Vision omnidirectionnelle  Système catadioptrique  Objectif Fish-Eye  Visualisation sphérique  Image panoramique  Caméra catadioptrique centrale  Miroir parabolique  Modèle de projection unifié  Calibrage des caméras  Viola et Jones  Caractéristiques de Haar  Cascade de classifieurs  AbaBoost.
Résumé :	Ce mémoire de fin d'études se concentre sur l'analyse des images numériques, en mettant l'accent sur leurs caractéristiques, les types et les formats d'images, ainsi que les techniques de compression associées. Une partie importante de cette étude est consacrée à la vision artificielle, qui constitue le fondement de la détection et de la reconnaissance de visages. Un autre aspect étudié est la vision omnidirectionnelle et les différentes étapes impliquées dans ce processus. Le système catadioptrique, en particulier, est examiné en détail, mettant en évidence sa modélisation et son calibrage pour obtenir des images de haute qualité. Le mémoire se penche également sur les méthodes et les approches de détection de visage, notamment la méthode de Viola-Jones, qui est largement utilisée dans le domaine de la vision par ordinateur. Une analyse approfondie de cette méthode est réalisée, y compris son fonctionnement et son adaptation aux images spécifiques. Une partie importante de cette étude est dédiée à l'implémentation de la méthode de ViolaJones sur des images omnidirectionnelles et fish-eye. Les résultats obtenus démontrent que les images panoramiques offrent de meilleures performances de détection de visage par rapport aux images omnidirectionnelles. De plus, les images fish-eye se révèlent plus adaptées pour la détection de visage que les images omnidirectionnelles. En conclusion, ce mémoire fournit une analyse complète des images numériques, de la vision artificielle et de la détection de visage. Les résultats obtenus confirment l'efficacité de la méthode de Viola-Jones et mettent en évidence l'importance de choisir le bon type d'image pour des performances optimales de détection de visage.
Diplôme :	Master
Permalink :	./index.php?lvl=notice_display&id=36903

Détection de visage dans les images omnidirectionnelles à PVU [theses et memoires] / Youcef Lassal, Auteur ; Gaya Lounis, Auteur ; Djamal Alouache, Directeur de thèse . - TIZI-OUZOU (TIZI-OUZOU) : FGEI.UMMTO, 2022 . - 79 p. : ill. ; 30 cm.
Bibliogr.
Langues : Français

Mots-clés :	Détection de visage  Image omnidirectionnelle  Point de vue unique  Vision artificielle  Vision omnidirectionnelle  Système catadioptrique  Objectif Fish-Eye  Visualisation sphérique  Image panoramique  Caméra catadioptrique centrale  Miroir parabolique  Modèle de projection unifié  Calibrage des caméras  Viola et Jones  Caractéristiques de Haar  Cascade de classifieurs  AbaBoost.
Résumé :	Ce mémoire de fin d'études se concentre sur l'analyse des images numériques, en mettant l'accent sur leurs caractéristiques, les types et les formats d'images, ainsi que les techniques de compression associées. Une partie importante de cette étude est consacrée à la vision artificielle, qui constitue le fondement de la détection et de la reconnaissance de visages. Un autre aspect étudié est la vision omnidirectionnelle et les différentes étapes impliquées dans ce processus. Le système catadioptrique, en particulier, est examiné en détail, mettant en évidence sa modélisation et son calibrage pour obtenir des images de haute qualité. Le mémoire se penche également sur les méthodes et les approches de détection de visage, notamment la méthode de Viola-Jones, qui est largement utilisée dans le domaine de la vision par ordinateur. Une analyse approfondie de cette méthode est réalisée, y compris son fonctionnement et son adaptation aux images spécifiques. Une partie importante de cette étude est dédiée à l'implémentation de la méthode de ViolaJones sur des images omnidirectionnelles et fish-eye. Les résultats obtenus démontrent que les images panoramiques offrent de meilleures performances de détection de visage par rapport aux images omnidirectionnelles. De plus, les images fish-eye se révèlent plus adaptées pour la détection de visage que les images omnidirectionnelles. En conclusion, ce mémoire fournit une analyse complète des images numériques, de la vision artificielle et de la détection de visage. Les résultats obtenus confirment l'efficacité de la méthode de Viola-Jones et mettent en évidence l'importance de choisir le bon type d'image pour des performances optimales de détection de visage.
Diplôme :	Master
Permalink :	./index.php?lvl=notice_display&id=36903