Résumé
Les modèles d'apparence permettent d'encoder les variabilités de forme, de pose, et d'illumination dans une seule représentation compacte. Le modèle d'apparence probabiliste de Moghaddam et al. (Moghaddam and Pentland, 1997; Tipping and Bishop, 1997b), reposant sur une interprétation statistique de l'Analyse en Composantes Principales (ACP) s'est récemment illustré par ses excellentes performances en détection et en reconnaissance des formes, surpassant de nombreuses autres méthodes linéaires et non linéaires. Ce modèle, performant, se heurte toutefois à une complexité calculatoire importante. Nous proposons, dans cet article, une approximation de ce modèle qui se prête à une mise en oeuvre rapide, dans le cadre de schémas d'estimation statistique. Des gains en complexité et en temps de calcul supérieurs à 10, sont obtenus, sans aucune perte de qualité dans les résultats des traitements.