Vous êtes sur la page 1sur 3

Après avoir obtenu la position du visage dans une image et ensuite, nous devons découvrir de petites

caractéristiques du visage comme les sourcils, les lèvres, etc. La détection de repère facial indique
toutes les caractéristiques requises d'un visage humain que nous voulons. Caractéristiques du visage
68 de Dlib: L'image ci-dessous est un exemple du modèle de 68 points d'un Dlib. Là, nous pouvons
voir que les points vont de 1 à 68. Mais parfois nous n'avons pas besoin des 68 points
caractéristiques, alors pour cela, nous ferons dans le prochain post, comment nous pouvons
personnaliser ces points en fonction de nos besoins. Dans cet article, nous ne verrons qu'environ 68
points de Dlib pour une compréhension claire.

Outre la fréquence respiratoire (RR), l'extraction automatisée de la fréquence cardiaque (FC) à partir
d'images thermiques est également une tâche souvent abordée. Il est conceptuellement similaire à
l'analyse RR car les deux nécessitent de surveiller le changement de température dans une région
donnée, mais l'analyse HR est plus difficile en raison du caractère plus subtil du changement de
température induit par HR et de la fréquence du signal plus élevée. Contrairement à l'analyse du
signal respiratoire qui concentre son attention sur la région nasale pour des raisons évidentes, il n'y a
pas non plus d'opinion dominante dans quelle région le signal de fréquence cardiaque doit être
extrait. Plusieurs régions et combinaisons de régions ont été analysées dans la littérature [10,23,24].
Une autre tâche fréquemment abordée est l'analyse des émotions, soit en analysant les expressions
faciales telles qu'elles sont couramment effectuées dans le domaine visuel, soit en étudiant les
changements dans la signature thermique. L'idée derrière ce dernier est que les changements
affectifs peuvent être détectés dans le domaine thermique. Une tâche notable qui relève de l'analyse
de l'état affectif est la détection du stress. Plusieurs auteurs ont souligné que le stress mental peut
être détecté en analysant le signal thermique avec [25,26,27] étant des publications notables et
actuelles dans ce domaine. Un troisième domaine de recherche majeur est la reconnaissance faciale
et l'identification des personnes avec des images thermiques. Les publications notables incluent [28]
et l'aperçu donné dans [29].
. Modules d'analyse

Notre système vise à fournir une plate-forme qui permettrait l'utilisation d'algorithmes d'analyse
existants sur des données sous contraintes et d'accélérer le développement de nouveaux
algorithmes en fournissant une épine dorsale de suivi fiable, permettant à l'utilisateur de se
concentrer sur la validation de l'analyse elle-même. Pour démontrer et valider la viabilité de cette
approche, nous avons implémenté des modules d'analyse qui abordent deux des tâches les plus
courantes du traitement thermique d'image: l'extraction de la fréquence respiratoire et la
reconnaissance des émotions.

3.4.1. Analyse du taux de respiration

L'analyse de la fréquence respiratoire est utilisée pour démontrer comment le module de


frontalisation du visage peut être appliqué aux données d'image pour utiliser des ROI fixes sur des
visages en mouvement libre. Après avoir obtenu les repères, le visage est frontalisé selon la méthode
décrite dans [30] et la température moyenne d'un ROI défini autour des narines est calculée.

https://www.pyimagesearch.com/2017/04/03/facial-landmarks-dlib-opencv-python/

https://www.mdpi.com/1424-8220/19/19/4135/htm

https://yzrobot.github.io/publications/sc18embc.pdf

Vous aimerez peut-être aussi