Une approche métaheuristique pour l’optimisation des paramètres des filtres Gabor dans le contexte de la détection des expressions faciales.

Abstract

Au cours de la dernière décennie, des efforts importants ont été déployés pour développer des méthodes efficaces pour la reconnaissance des expressions faciales. Plusieurs entre eux utilisent les filtres de Gabor pour l’extraction des caractéristiques émotionnelles. Étant donné que les études existantes permet de trouver les valeurs des paramètres de Gabor d’une manière expérimentale. Autrement, les systèmes immunitaires artificiels ont été performant et très utilisé dans les problèmes d’optimisations. Dans ce projet, nous proposons une nouvelle approche pour l’optimisation des paramètres de Gabor avec systèmes immunitaires artificiels (AIS) pour la reconnaissance des expressions faciales, et nous utilisons Support Vecteur Machine (SVM) pour l’apprentissage et la prédiction des émotions. Ensuite, nous implémentons notre système, afin de réaliser une expérimentation. Nous avons trouvé un taux de reconnaissance de 90.11% pour la base de données JAFFE et 81.15% pour CK+, avec temps de convergence pour AIS de 160 min.