Résumé:
تأثرت العديد من جوانب حياتنا اليومية مثل: السلامة، الصحة، التسويق وواجهات الإنسان والآلة ... إلخ ، بمجال التعرف التلقائي على تعابير الوجه ، الذي يعتبر ميدانا خصبا للبحوث. لكن النجاح الواسع الذي عرفه "التعلم العميق" دفع الباحثين لاستغلال الأنواع المختلفة من بنى هذه التقنية للحصول على أداء أفضل. في هذه المذكرة ، نقترح مساهمتنا في التعرف على تعابير الوجه باستخدام نموذج التعلم الخاص بنا. أولاً ، يتم تحديد الوجه من فيديو في الوقت الفعلي ، ومن ثم استخراج الملامح العميقة باستخدام شبكة عصبية تلافيفية ، ثم يتم نقلها إلى المصنف للتنبؤ بأحد تعابير الوجه السبعة التي حددها دوشين ، وهي: الفرح ، الحزن ، الغضب ، الاشمئزاز ، الخوف ، المفاجأة والحياد.
الكلمات المفتاحية: تعبيرات الوجه ، التعلم العميق ، الشبكة العصبية التلافيفية
ABSTRACT:
Several aspects of our daily life such as: security, health, marketing, and human-computer interfaces ...etc, are affected by the automatic recognition of facial expressions (ARFE), which is a vast field of research. But the success of Deep Learning, has pushed researchers to exploit the different types of architectures of this technique, to obtain better performance. In this thesis, we propose our contribution to facial expression recognition using our learning model. First, the face is detected from real time videos, a deep feature extraction performed using convolutional neural network, and then passed to a classifier to predict one of the seven facial expressions defined by Duchenne, which are: joy, sadness, anger, disgust, fear, surprise, neutrality.
Keywords: Facial expression, Deep Learning, Convolutional neural network
RÉSUMÉ :
Plusieurs aspects de notre vie quotidienne tels que : la sécurité, la santé, le marketing et les interfaces homme-machine …etc, sont affectés par la reconnaissance automatique des expressions faciales (RAEF), qui est un vaste champ de recherche. Mais le succès de l'apprentissage profond (Deep Learning), a poussé les chercheurs à exploiter les différents types d'architectures de cette technique, pour obtenir de meilleures performances. Dans ce mémoire, Nous proposons notre contribution à la reconnaissance des expressions faciales en utilisant notre modèle d'apprentissage. Tout d'abord, le visage est détecté à partir de vidéos en temps réel, une extraction des caractéristiques profondes réalisé à l'aide de réseau neuronal convolutif, puis transmises à un classificateur pour prédire l'une des sept expressions faciales définies par Duchenne, et qui sont : la joie, la tristesse, la colère, le dégout, la peur, la surprise, la neutralité.
Mots-clés : Expression faciale, Deep Learning, Réseau neuronal convolutif
