Le secourisme des personnes dans les bâtiments intélligents par la classifications d'images et de la parole

Abstract

يتمثل مشروعنا ي لسنراا لسائ ة ا ي ويريو ام ذ ي يئ إ ىسإ ىاذ ي صرأو عع ن ش عصرأ يع شرر ي مناإ ي يتور ذال لسام ذ م ام م متلرن ل سترل. للعي يذرذ لتلرا ق ق سلرررو عهرا للصررأ ست ي م ىيل ارل ي يول علسث ا يذرذ لتلررا ق لسودذ ست ي م ىيل ارل ي يو وتضرم لسعرع ي ا للعس ا ىلدأ ع لر ة لسون يا لسلر ا م دي ام ما لسا حتإ يتموارل م لست ل عىاذ ي لسشرأو لسمعول سنأيو ستلرا ق لسلررود لعرتأ ما مأيي ا ور.يع عسرل RGBلسذ عر ا عمأيي ا ور.يع انر LBPلسذ عر اد ل سار يا ىسإ ةسا لسمتائ ا لس لنما (SVM (أقلش لومارا عم ستلررررا ق لسودذد يذر لعررررتأر مار MFCCست ر ي معنمر ا لسودذ ع SVMسنتلا ق. لسونم ا لسمفت ح ا: صروشد دذد عههد ىعع ي ا ععس اد ولا ق SVM Résume Notre projet de fin d’étude consiste à réaliser un système intelligent qui a pour objectif de secourir une personne particulièrement ou plusieurs personnes qui vivent dans un bâtiment intelligent. ce système est compose de deux systèmes qui sont montes en parallèle. Le premier consiste à faire la classification des images précisément des visages des personnes pour voir est ce qu’ils en danger, le deuxième consiste à faire la classification de la parole afin de voir est ce qu’ils en danger. Le secourisme consiste à informer les concernes de la sante par notre système intelligent pour intervenir et secourir la personne en danger. Pour la classification des images nous avons utilisés, les 2 histogrammes de couleurs RGB normalisés et les histogrammes de textures LBP normalisés, et les SVM (support vecteur Machine) comme un outil de programmation. Pour la classification de la parole nous avons utilisés les MFCC pour la parametrisation de la parole et les SVM pour la classification Mots clés : image, parole, visage, secourisme, classification, SVM Summary Our final year project consists of developing an intelligent system aimed at rescuing a specific person or several people living in a smart building. This system is composed of two systems that are connected in parallel. The first consists of precisely classifying images of people's faces to determine if they are in danger; the second consists of classifying speech to determine if they are in danger. First aid involves informing healthcare professionals through our intelligent system so that they can intervene and rescue the person in danger. For image classification, we used normalized RGB color histograms and normalized LBP texture histograms, as well as SVM (Support Vector Machine) as a programming tool. For speech classification, we used MFCC for speech parameterization and SVM for classification. Keywords: image, speech, face, first aid, classification, SVM