Journal de télédétection et SIG

Abstrait

Application du théorème du « Sinus Général » à l'algorithme de reconnaissance faciale

Mostafa Derraz, Faouzya El Farissi et Abdellatif Ben Abdellah

L'interaction homme-machine est l'un des acteurs les plus influents pour l'avenir de la robotique. En raison de la nécessité d'améliorer l'entrée du robot et de s'éloigner autant que possible des lignes de commande et de la remplacer par des capteurs et des contrôleurs. L'interaction homme-machine (IHM) fait référence à la communication et à l'interaction entre un homme et une machine via une interface utilisateur. De nos jours, les interfaces utilisateur naturelles telles que les gestes attirent de plus en plus d'attention, car elles permettent aux humains de contrôler les machines grâce à des comportements naturels et intuitifs. Dans l'IHM basée sur les gestes, par exemple, un capteur et une caméra sont utilisés pour capturer les postures et les mouvements humains afin de reconnaître le visage humain (utilisateur), qui est traité pour contrôler une machine. La tâche principale de l'IHM basée sur les gestes est de reconnaître les expressions significatives du visage humain et les mouvements à l'aide des données fournies par la caméra et le capteur, notamment les informations RVB (rouge, vert, bleu), la profondeur et le squelette. De nombreux algorithmes de reconnaissance faciale sont basés sur des méthodes basées sur les caractéristiques qui détectent un ensemble de caractéristiques géométriques sur le visage telles que les yeux, les sourcils, le nez et la bouche. Les propriétés et les relations telles que les surfaces, les distances et les angles entre les minuties (points caractéristiques) servent de descripteurs pour la reconnaissance faciale. En général, il faut détecter 30 à 60 points caractéristiques pour décrire un visage de manière robuste. Les performances de la reconnaissance faciale basée sur les caractéristiques géométriques dépendent de la précision de l'algorithme de localisation des caractéristiques ou explorons de plus près les théorèmes et les formules géométriques. Cependant, il n'existe pas de réponse universelle au problème du nombre de points qui donnent les meilleures performances, des caractéristiques importantes et de la manière de les extraire automatiquement. Cela implique que la configuration géométrique globale des traits du visage est suffisante pour la reconnaissance. Comme mentionné ci-dessus, il existe de nombreuses approches au problème de la reconnaissance faciale. L'une d'elles est basée sur les points de caractéristiques faciales. Dans ce cas, il s'agit d'images numériques du portrait de face. Il faut 30 à 60 points pour décrire un visage de manière robuste. La localisation de certains points dépend de l'expression du visage. Il y a deux problèmes : définir et extraire les points les plus invariants, et trouver l'ensemble de caractéristiques géométriques optimal pour la reconnaissance faciale. Il y a dix ans, nous avons développé un théorème qui reformulait à partir d'une autre philosophie le concept/la fonction de Sinus, donc après cinq ans, nous avons publié le théorème sous le nom de "The General Sins". Dans l'article de General Sinus, nous avons discuté des résultats, du contexte et de l'arrière-plan. Et comment généraliser la fonction Sinus ? Le sinus général a été défini par Sin (x, y) avec deux paramètres, qui peuvent être utilisés dans un n-gone pas nécessairement dans un rectangle. Et comment avons-nous appliqué la fonction sinus générale dans un n-gone ? afin de déterminer toutes les propriétés intrinsèques du n-gone, en utilisant une quantité minimale et raisonnable de données, où aucune condition ne s'applique dans la nature du n-gone.Nous avons prouvé que cette formule est la plus généralisée en géométrie euclidienne. En nous basant sur le théorème général des sinus, nous pouvons améliorer les performances de l'algorithme de reconnaissance faciale. L'application de formules générales des sinus permet de traiter des points plus caractéristiques et d'obtenir des informations plus précises telles que la distance et les angles entre chaque point, tout en améliorant le temps de traitement de l'algorithme pour qu'il soit plus rapide.