Etude comparative d'algorithmes de reconnaissance d'objects

Abstract

La vision par ordinateur est devenue un domaine incontournable de l’intelligence artificielle. Parmi les applications les plus importantes de ce domaine, nous citons la reconnaissance d’objet. Il existe différentes approches et plusieurs méthodes dont le but est la détection et la reconnaissance d’objet sur les images. L’une des approches ayant donnée de bons résultats récemment est l’approche locale. L’objectif de ce projet consiste à comparer les algorithmes suivants: SIFT, SURF, SFOP et ORB selon plusieurs critères. Ces algorithmes sont basés sur l’approche locale. Ils extraient des points d’intérêts et calculent des descripteurs afin de caractériser une image. Cette comparaison permettrait à un éventuel utilisateur de choisir entre les différentes méthodes existantes, selon le contexte de son application. Nous avons étudié ces algorithmes théoriquement et nous les avons appliqués à une base de données contenant des images de modèles de voitures. Nous avons montré grâce à des statistiques effectuées sur Matlab, les performances de chacun des algorithmes pour différentes variations de l’image.