Etudiant : EL GHAMCH ZAKARIA

Filière : Master Web Intelligence et Sciences des Données (WISD)

Encadrant : Pr. EL FAZAZY KHALID

Annèe : 2022

Résumé : L’expression faciale est l’un des moyens non verbaux les plus couramment utilisés par les humains pour transmettre les états émotionnels internes, joue un rôle fondamental dans les interactions interpersonnelles. Bien qu’il existe un large éventail d’expressions faciales possibles, les psychologues ont identifié six expressions fondamentales (la joie, la tristesse, la surprise, la colère la peur et le dégoût) universellement reconnues. Il est évident qu’un système capable de réaliser une reconnaissance automatique des émotions humaines est une tâche souhaitable pour un ensemble d’applications telles que l’interaction homme-machine. Différentes approches de reconnaissance des émotions ont été proposées dans la littérature. Le travail de ce mémoire vise à concevoir un système robuste de reconnaissance d’expressions faciales (REF). Un système de REF peut être divisé en trois modules, à savoir l’enregistrement du visage, l’extraction de caractéristiques et la classification. Dans ce travail, nous sommes intéressés à deux modules du système de REF. Dans le premier module, nous présentons une nouvelle méthode simple et efficace de REF à partir un modèle de visage analytique consistait en un vecteur de caractéristiques géométriques à 26 dimensions. Ces propriétés sont utilisées efficacement pour identifier les changements faciaux résultant de différentes expressions. La variation et les incertitudes de ces caractéristiques compliquent le problème de reconnaissance des émotions. Pour réduire ces complications, nous proposons un regroupement basé sur la distance et des mesures d'incertitude de la nouvelle méthode de base pour la reconnaissance des émotions à partir de l'expression faciale en utilisant sélectionne automatiquement 19 diagnostics d'unités d'action (AU) dans une image faciale 2D à l'aide du système d'inférence floue de type 2. Le système proposé comprend un schéma de génération automatisé du vecteur de caractéristiques faciales géométriques. Le système proposé a classé cinq expressions faciales à l'aide de la base de données FACES Facial Expression. Dans le deuxième module, nous présentons une méthode efficace de représentation de l’image d’un visage, grâce à une décomposition automatique de l’image du visage en régions d’intérêt (ROI) en se basant sur des points faciaux. Cette méthode consiste à extraire six ROIs représentant plus précisément des composantes faciales impliquées dans l’expression des émotions (sourcil gauche, sourcil droit, œil gauche, œil droit, nez et bouche). Ceci permet de garantir un meilleur enregistrement du visage et par la suite une représentation faciale appropriée. Dans le deuxième module, chaque ROI est caractérisé par plusieurs descripteurs de texture, de forme et de leur combinaison et deux classifieurs (SVM et Random Forest) ont été mis en œuvre pour classer une image d’entrée en une de cinq expressions faciales de base et l’état neutre. Le système proposé a classé cinq et six expressions faciales à l'aide de la base de données FACES et JAFFEE Facial Expression.