Ce projet de reconnaissance faciale en trois parties exploite différentes techniques pour identifier et suivre les visages.
Dans la première partie, nous utilisons LBPH (Local Binary Patterns Histograms) avec OpenCV pour détecter et reconnaître les visages. LBPH est une méthode populaire pour extraire des caractéristiques locales des images, ce qui en fait une méthode efficace pour la reconnaissance faciale.
La deuxième partie du projet utilise Dlib, un ensemble d'outils de vision par ordinateur, combiné à un réseau de neurones convolutif (CNN) pour détecter les visages et calculer les distances entre les caractéristiques faciales extraites. Cette approche permet une reconnaissance plus précise et robuste des visages en comparant les caractéristiques extraites avec celles d'une base de données.
Enfin, dans la troisième partie, nous mettons en œuvre la reconnaissance faciale en temps réel en utilisant la webcam de l'ordinateur. Cette partie du projet combine les techniques précédentes pour détecter et reconnaître les visages en temps réel, offrant ainsi une application pratique de la reconnaissance faciale pour diverses applications telles que la sécurité, la surveillance ou l'authentification.
En résumé, ce projet explore différentes approches de reconnaissance faciale, de la méthode classique LBPH à l'utilisation de techniques avancées telles que les réseaux de neurones convolutifs, tout en offrant une application pratique et en temps réel grâce à l'utilisation de la webcam.
[In english ] This three-part facial recognition project employs various techniques to identify and track faces. In the first part, we utilize LBPH (Local Binary Patterns Histograms) with OpenCV to detect and recognize faces. LBPH is a popular method for extracting local features from images, making it an efficient approach for facial recognition.
The second part of the project utilizes Dlib, a computer vision toolkit, combined with a Convolutional Neural Network (CNN) to detect faces and calculate distances between extracted facial features. This approach enables more accurate and robust face recognition by comparing the extracted features with those in a database.
Finally, in the third part, we implement real-time facial recognition using the computer's webcam. This part of the project combines the previous techniques to detect and recognize faces in real-time, providing a practical application of facial recognition for various purposes such as security, surveillance, or authentication.
In summary, this project explores different approaches to facial recognition, from the classical LBPH method to the use of advanced techniques such as Convolutional Neural Networks, while offering a practical real-time application through webcam usage.