Skin Color Segmentation in Face Images
An Approach for False Positive Reduction
 Encadré par Professeur JAMAL KHARROUBI
...
PLAN
1 RNA
SFA Data Base Approche FPAR
Conclusion
2 3
4
2
P M C
INTRODUCTION
3
La Perception à partir une base de connaissances
LA BASE DE DONNÉES SFA
La base de données SFA
Image Binaire
RGB
YCbCr
rgb normalisé
HSV
ImageSFA
4
APPRENTISSAGE
20
55
6
APPRENTISSAGE
La couche
cachée Processus de binarisation
PROCESSUS DE BINARISATIONCouchedesortie
Binarisation
30%
Seuil
77
Le nombre des pixels blancs
707x 30% = 212
212
Présente le nombre maximal des pixels de fausse
détection
88
FPAR
707
originale Z.Vérité PMC FPAR
0
2
4
6
8
10
12
14
Category 1
Fausse détection
RNA FPAR
99
RÉSULTATS
Une nouvelle approche pour réduire le taux de fausse
détection dans la reconnaissance faciale.
1010
Couleur de la peau
R...
Prochain SlideShare
Chargement dans…5
×

Segmentation de la couleur de la peau dans les images faciales

422 vues

Publié le

reconnaissance faciale par segmentation de la couleur de la peau en utilisant un un perceptron multicouche

Publié dans : Sciences
0 commentaire
1 j’aime
Statistiques
Remarques
  • Soyez le premier à commenter

Aucun téléchargement
Vues
Nombre de vues
422
Sur SlideShare
0
Issues des intégrations
0
Intégrations
4
Actions
Partages
0
Téléchargements
10
Commentaires
0
J’aime
1
Intégrations 0
Aucune incorporation

Aucune remarque pour cette diapositive

Segmentation de la couleur de la peau dans les images faciales

  1. 1. Skin Color Segmentation in Face Images An Approach for False Positive Reduction  Encadré par Professeur JAMAL KHARROUBI  Présenté par ABDELHAMID EL HASSANI Segmentation de la couleur de la peau dans les images faciales  Encadré par Professeur JAMAL KHARROUBI  Présenté par ABDELHAMID EL HASSANI Université Sidi Mohammed Ben Abdellah Faculté des Sciences et Techniques Fès Sais Master Systèmes Intelligents et Réseaux RECONNAISSANCE DE FORMES APPROCHE POUR RÉDUIRE LA FAUSSE DÉTECTION
  2. 2. PLAN 1 RNA SFA Data Base Approche FPAR Conclusion 2 3 4 2 P M C
  3. 3. INTRODUCTION 3 La Perception à partir une base de connaissances
  4. 4. LA BASE DE DONNÉES SFA La base de données SFA Image Binaire RGB YCbCr rgb normalisé HSV ImageSFA 4
  5. 5. APPRENTISSAGE 20 55
  6. 6. 6 APPRENTISSAGE La couche cachée Processus de binarisation
  7. 7. PROCESSUS DE BINARISATIONCouchedesortie Binarisation 30% Seuil 77
  8. 8. Le nombre des pixels blancs 707x 30% = 212 212 Présente le nombre maximal des pixels de fausse détection 88 FPAR 707
  9. 9. originale Z.Vérité PMC FPAR 0 2 4 6 8 10 12 14 Category 1 Fausse détection RNA FPAR 99 RÉSULTATS
  10. 10. Une nouvelle approche pour réduire le taux de fausse détection dans la reconnaissance faciale. 1010 Couleur de la peau Réseau de neurones Artificiel FPAR CONCLUSION

×