{"id":{"repo_id":"moncton","oai_identifier":"oai:umoncton.scholaris.ca:20.500.14658/8284"},"canonical_url":"https://search.dev.ndltd.org/etd/moncton/oai:umoncton.scholaris.ca:20.500.14658/8284","repository":{"repo_id":"moncton","name":"University de Moncton","base_url":"https://umoncton.scholaris.ca/server/oai/request"},"display":{"title":"Classification d'images en utilisant les forêts aléatoires et les histogrammes de gradients orientés: application à la reconnaissance faciale","abstract":""La reconnaissance faciale est une branche trds importante dans le domaine de la biometrie. Les systemes de reconnaissance de visages performants sont ceux qui sont capables d ’atteindre un taux de reconnaissance 61ev6 avec un temps d'exdcution relativement court. Fondamentalement, un systdme de reconnaissance de visages ndcessite deux Stapes: la premiere qui consiste h extraire les caracteristiques du visage et la seconde qui consiste &les classifier. Concemant I’extraction des caract^ristiques, nous utilisons dans notre recherche les histogrammes de gradients orientls. Ces histogrammes ont d6ja ete utilises dans le domaine de la reconnaissance faciale et ils sont connus pour etre trds prdcis et necessiter trds peu de temps pour etre g6ner6s. En integrant la logique floue dans les histogrammes de gradients orientes, nous avons pu obtenir une meilleure description des caractdristiques des visages et par consequent un taux de reconnaissance plus 61ev£ tout en gardant une dimension raisonnable du vecteur caractdristique. En ce qui conceme la classification, nous apportons deux contributions dans cette th&se, en utilisant deux m&hodes de classification differentes. Dans le premier, nous employons les forets aieatoires qui sont des classifieurs rapides, notre but etant de faire la reconnaissance en temps r£el. Dans le deuxi&me travail, nous nous concentrons surtout sur la caractdrisation des visages pour laquelle nous utilisons un classifieur classique, £-savoir le classifieur k-voisins plus proches (KNN)."--Résumé.","abstract_html":""La reconnaissance faciale est une branche trds importante dans le domaine de la biometrie. Les systemes de reconnaissance de visages performants sont ceux qui sont capables d ’atteindre un taux de reconnaissance 61ev6 avec un temps d'exdcution relativement court. Fondamentalement, un systdme de reconnaissance de visages ndcessite deux Stapes: la premiere qui consiste h extraire les caracteristiques du visage et la seconde qui consiste &les classifier. Concemant I’extraction des caract^ristiques, nous utilisons dans notre recherche les histogrammes de gradients orientls. Ces histogrammes ont d6ja ete utilises dans le domaine de la reconnaissance faciale et ils sont connus pour etre trds prdcis et necessiter trds peu de temps pour etre g6ner6s. En integrant la logique floue dans les histogrammes de gradients orientes, nous avons pu obtenir une meilleure description des caractdristiques des visages et par consequent un taux de reconnaissance plus 61ev£ tout en gardant une dimension raisonnable du vecteur caractdristique. En ce qui conceme la classification, nous apportons deux contributions dans cette th&se, en utilisant deux m&hodes de classification differentes. Dans le premier, nous employons les forets aieatoires qui sont des classifieurs rapides, notre but etant de faire la reconnaissance en temps r£el. Dans le deuxi&me travail, nous nous concentrons surtout sur la caractdrisation des visages pour laquelle nous utilisons un classifieur classique, £-savoir le classifieur k-voisins plus proches (KNN)."--Résumé.","abstract_has_math":false,"creators":["Salhi, Abdel Ilah"],"institution":"Département d'informatique, Faculté des sciences, Campus de Moncton, Université de Moncton","degree_name":"Maîtrise ès sciences (informatique)","degree_level":"2e cycle","degree_discipline":"Faculté des sciences","degree_department":null,"school":null,"contributors":[],"advisors":["Kardouchi, Mustapha"],"committee_chairs":[],"committee_members":[],"year":2013,"date_issued":"2013","date_published":"2013","updated_at":"2026-07-24T03:10:04Z","subjects":["Reconnaissance des visages (Informatique)","Identification biométrique","Traitement d'images","Reconnaissance des formes (Informatique)","Arbres (Théorie des graphes)","Arbres de décision","Méthodologie"],"languages":["iso639-2b","fre"],"rights":["Author"],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["oclc: 854842254","oclc: 892043157"],"render_values":[{"text":"oclc: 854842254","href":null,"code":true},{"text":"oclc: 892043157","href":null,"code":true}]},{"key":"dc:identifier.other","label":"Dc Identifier Other","values":["umir:1475"],"render_values":[{"text":"umir:1475","href":null,"code":true}]}]},"links":{"outbound_url":"https://hdl.handle.net/20.500.14658/8284","outbound_label":"Handle","outbound_source":"dc:identifier.uri"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:contributor.advisor","label":"Advisor","values":["Kardouchi, Mustapha"]},{"key":"dc:creator","label":"Author","values":["Salhi, Abdel Ilah"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date.accessioned","label":"Dc Date Accessioned","values":["2024-12-20T18:17:31Z","2025-05-13T19:42:54Z"]},{"key":"dc:date.available","label":"Dc Date Available","values":["2024-12-20T18:17:31Z","2025-05-13T19:42:54Z"]},{"key":"dc:date.issued","label":"Date","values":["2013"]},{"key":"dc:publisher","label":"Institution","values":["Département d'informatique, Faculté des sciences, Campus de Moncton, Université de Moncton"]},{"key":"dc:type","label":"Dc Type","values":["Text","thèse"]},{"key":"thesis:degree_discipline","label":"Discipline","values":["Faculté des sciences"]},{"key":"thesis:degree_level","label":"Degree Level","values":["2e cycle"]},{"key":"thesis:degree_name","label":"Degree Name","values":["Maîtrise ès sciences (informatique)"]},{"key":"thesis:institution_name","label":"Thesis Institution Name","values":["Université de Moncton"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Reconnaissance des visages (Informatique)","Identification biométrique","Traitement d'images","Reconnaissance des formes (Informatique)","Arbres (Théorie des graphes)","Arbres de décision","Méthodologie"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["fre"]},{"key":"dc:language.iso","label":"Language (ISO)","values":["iso639-2b"]},{"key":"dc:rights","label":"Dc Rights","values":["Author"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["oclc: 854842254","oclc: 892043157"]},{"key":"dc:identifier.other","label":"Dc Identifier Other","values":["umir:1475"]},{"key":"dc:identifier.uri","label":"Identifier URI","values":["https://hdl.handle.net/20.500.14658/8284"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description.abstract","label":"Abstract","values":[""La reconnaissance faciale est une branche trds importante dans le domaine de la biometrie. Les systemes de reconnaissance de visages performants sont ceux qui sont capables d ’atteindre un taux de reconnaissance 61ev6 avec un temps d'exdcution relativement court. Fondamentalement, un systdme de reconnaissance de visages ndcessite deux Stapes: la premiere qui consiste h extraire les caracteristiques du visage et la seconde qui consiste &les classifier. Concemant I’extraction des caract^ristiques, nous utilisons dans notre recherche les histogrammes de gradients orientls. Ces histogrammes ont d6ja ete utilises dans le domaine de la reconnaissance faciale et ils sont connus pour etre trds prdcis et necessiter trds peu de temps pour etre g6ner6s. En integrant la logique floue dans les histogrammes de gradients orientes, nous avons pu obtenir une meilleure description des caractdristiques des visages et par consequent un taux de reconnaissance plus 61ev£ tout en gardant une dimension raisonnable du vecteur caractdristique. En ce qui conceme la classification, nous apportons deux contributions dans cette th&se, en utilisant deux m&hodes de classification differentes. Dans le premier, nous employons les forets aieatoires qui sont des classifieurs rapides, notre but etant de faire la reconnaissance en temps r£el. Dans le deuxi&me travail, nous nous concentrons surtout sur la caractdrisation des visages pour laquelle nous utilisons un classifieur classique, £-savoir le classifieur k-voisins plus proches (KNN)."--Résumé."]},{"key":"dc:format","label":"Dc Format","values":["application/pdf"]},{"key":"dc:format.medium","label":"Dc Format Medium","values":["electronic"]},{"key":"dc:title","label":"Title","values":["Classification d'images en utilisant les forêts aléatoires et les histogrammes de gradients orientés: application à la reconnaissance faciale"]}]}],"canonical_facts":{"dc:contributor.advisor":["Kardouchi, Mustapha"],"dc:creator":["Salhi, Abdel Ilah"],"dc:date.accessioned":["2024-12-20T18:17:31Z","2025-05-13T19:42:54Z"],"dc:date.available":["2024-12-20T18:17:31Z","2025-05-13T19:42:54Z"],"dc:date.issued":["2013"],"dc:description.abstract":[""La reconnaissance faciale est une branche trds importante dans le domaine de la biometrie. Les systemes de reconnaissance de visages performants sont ceux qui sont capables d ’atteindre un taux de reconnaissance 61ev6 avec un temps d'exdcution relativement court. Fondamentalement, un systdme de reconnaissance de visages ndcessite deux Stapes: la premiere qui consiste h extraire les caracteristiques du visage et la seconde qui consiste &les classifier. Concemant I’extraction des caract^ristiques, nous utilisons dans notre recherche les histogrammes de gradients orientls. Ces histogrammes ont d6ja ete utilises dans le domaine de la reconnaissance faciale et ils sont connus pour etre trds prdcis et necessiter trds peu de temps pour etre g6ner6s. En integrant la logique floue dans les histogrammes de gradients orientes, nous avons pu obtenir une meilleure description des caractdristiques des visages et par consequent un taux de reconnaissance plus 61ev£ tout en gardant une dimension raisonnable du vecteur caractdristique. En ce qui conceme la classification, nous apportons deux contributions dans cette th&se, en utilisant deux m&hodes de classification differentes. Dans le premier, nous employons les forets aieatoires qui sont des classifieurs rapides, notre but etant de faire la reconnaissance en temps r£el. Dans le deuxi&me travail, nous nous concentrons surtout sur la caractdrisation des visages pour laquelle nous utilisons un classifieur classique, £-savoir le classifieur k-voisins plus proches (KNN)."--Résumé."],"dc:format":["application/pdf"],"dc:format.medium":["electronic"],"dc:identifier":["oclc: 854842254","oclc: 892043157"],"dc:identifier.other":["umir:1475"],"dc:identifier.uri":["https://hdl.handle.net/20.500.14658/8284"],"dc:language":["fre"],"dc:language.iso":["iso639-2b"],"dc:publisher":["Département d'informatique, Faculté des sciences, Campus de Moncton, Université de Moncton"],"dc:rights":["Author"],"dc:subject":["Reconnaissance des visages (Informatique)","Identification biométrique","Traitement d'images","Reconnaissance des formes (Informatique)","Arbres (Théorie des graphes)","Arbres de décision","Méthodologie"],"dc:title":["Classification d'images en utilisant les forêts aléatoires et les histogrammes de gradients orientés: application à la reconnaissance faciale"],"dc:type":["Text","thèse"],"thesis:degree_discipline":["Faculté des sciences"],"thesis:degree_level":["2e cycle"],"thesis:degree_name":["Maîtrise ès sciences (informatique)"],"thesis:institution_name":["Université de Moncton"]},"updated_at":"2026-07-24T03:10:04Z"}