Aspects computationnels et de performance des algorithmes de reconnaissance faciale basés sur l'analyse en composantes principales (ACP)

Les algorithmes basés sur l'analyse en composantes principales (ACP) constituent la base de nombreuses études dans la littérature psychologique et algorithmique sur la reconnaissance faciale. L'ACP est une technique statistique et son intégration dans un algorithme de reconnaissance faciale nécessite de nombreuses décisions de conception. Nous énonçons explicitement les décisions de conception en introduisant un algorithme ACP modulaire générique. Cela nous permet d'examiner ces décisions, y compris celles qui ne sont pas documentées dans la littérature. Nous avons expérimenté différentes mises en œuvre de chaque module et évalué ces mises en œuvre en utilisant le protocole d'évaluation FERET de septembre 1996 (la norme de fait pour évaluer les algorithmes de reconnaissance faciale). Nous avons expérimenté avec (i) le changement de la procédure de normalisation de l'éclairage ; (ii) l'étude des effets sur la performance de l'algorithme de la compression d'images avec les algorithmes de compression JPEG et par ondelettes ; (iii) la variation du nombre d'autovecteurs dans la représentation ; et (iv) le changement de la mesure de similarité dans le processus de classification. Nous avons réalisé deux expériences. Dans la première expérience, nous avons obtenu des résultats de performance sur les ensembles d'images de grande galerie standards de septembre 1996 FERET. Dans la deuxième expérience, nous avons examiné la variabilité de la performance de l'algorithme sur différents ensembles d'images faciales. L'étude a été réalisée sur 100 ensembles d'images générés aléatoirement (galeries) de la même taille. Nos deux résultats les plus significatifs sont (i) que le changement de la mesure de similarité a produit le plus grand changement de performance, et (ii) qu'une différence de performance de +/- 10 % est nécessaire pour distinguer les algorithmes.