Détection de la couleur de peau par Réseaux de Neurones à Convolution

Abstract

La couleur de la peau humaine a attiré beaucoup d’attention par rapport à d’autres caractéristiques humaines, en raison de son importance et de son efficacité dans de nombreux domaines de vision artificielle dans divers applications tel que l’interaction homme-machine, la récupération des données dans les bases multimédias, la sécurité, la médecine, ...etc. L’objectif de notre projet est de concevoir un système intelligent capable de détecter dans une image arbitraire RVB toutes les régions ayant les caractéristiques de la couleur de la peau humaine. Aucune condition n’a été posé sur les images testées soit : éclairage variable, environnement fermé ou ouvert, background a complexité variable, nombres d’individu présent dans les images variables et à différentes échelles. Notre système est fondé principalement sur les réseaux de neurones convolutionels, principalement Lenet-5 et VGG-16 un choix justifié par la comparaison entre un réseau pré-entrainé utilisant le ‘transfert learning’ (VGG-16) et un réseau dont l’entraînement est effectué par nos soins du début à la fin. Les trois réseaux ont été entraîné sur 8944 échantillons de la base SFA où Nous avons obtenus des précisions de 93 % avec le réseau Lenet-5 ,86% avec le réseau VGG-16 et précision de 96 % avec le VGG-16 pré-entraîné. Les tests finaux ont été réalisés sur des images réelles , avec environnement à complexité variable , issue des bases de données BAO et SFA . Nous avons obtenue des résultats très satisfaisants avec le réseau Lenet-5 , avec un taux de bonne détection de 95% parmi les images de test de la base BAO.