L'innovation

L’identification faciale, l’extraction d’expression faciale, la classification automatique de textures font de plus en plus l’objet d’applications sur des systèmes embarqués disposant de ressources limitées. L’approche LBP (local binary pattern), voire ses variantes comme RLBP (ring local binary pattern), y sont souvent utilisées en raison de leur simplicité. Ces approches fournissent un attribut de l’image sous forme d’un histogramme observant la distribution de leurs caractérisations.

Pour des classifications supervisées, les descripteurs des bases de données en référence doivent rester les plus compacts possibles, et donc les dimensions de ces histogrammes (nombre de bins) doivent être réduites au minimum.

La solution propose une réduction du volume de la caractérisation des images pour cette approche LBP et ce sans en changer l’algorithmique. La base de données avec sa caractérisation initiale peut continuer à être exploitée, autorisant une meilleure extension des applications aux systèmes embarqués : simplicité logicielle, réduction matérielle, réduction de la consommation.

La simplification opère par réduction du nombre des caractérisations (codes ou bins) issues de l’algorithmique LBP ou RLBP en tabulant leurs caractéristiques extraites dans un espace à nombre de codes ou bins réduit.