Résumé:
Ce travail a pour objectif de proposer et d’implémenter un système de reconnaissance
automatique des émotions (RAE) performant. Deux systèmes RAE proposés sont basés sur
le classificateur KNN (k-Nearest Neighbors) et la stratégie de la règle de vote. Ces deux
systèmes utilisent deux méthodes d’extraction différentes. Le premier système se base sur
l’extraction des paramètres MFCC (Mel-Frequency Cepstral coefficients), alors que le
deuxième système utilise l’analyse en ondelettes pour extraire des paramètres énergétiques
appelés DWE (Discret Wavelet Energy), calculés à des niveaux de décomposition dyadique.
Chacun des deux descripteurs MFCC et DWE inclut également ses paramètres dynamiques
∆ et ∆∆. Les performances du système sont évaluées en termes du taux de classification, sous
la base de données EMO-DB. Les résultats obtenus montrent la pertinence des paramètres
MFCC avec un taux de classification de signaux égal à 76.74%, alors que les paramètres
DWE présentent un faible taux de classification de 56.58%. De plus, la combinaison de ces
deux descripteurs améliore légèrement le taux de classification à 79.04 %, mais avec une
augmentation du temps d’exécution.
