Alors que l’être humain effectue les tâches de vision de façon instantanée , sans effort et le plus souvent inconsciemment [Mur03], la mise au point de systèmes artificielles de vision se révèle d’une très grande complexité , même pour des applications limitées .La difficulté du problème provient de la nature même des informations manipulées : signaux et symboles. Une image résulte d’un échantillonnage discret de la luminance d’une scène réelle, le signal ainsi obtenu varie beaucoup selon l’angle de prise de vue, l’éclairage de la scène, etc. De plus, ce signal subit de nombreuses distorsions dues à des phénomènes mal maîtrisés tels que les occlusions plus au moins complètes d’objets, les réflexions spéculaires , les conditions atmosphériques , les distorsions introduites par les optiques , etc [Mur03]. De même , les symboles sur lesquels les algorithmes de vision s’appliquent sont complexes , multiformes et éminemment variables quels que soient leurs niveaux d’abstraction ( par exemple , l’objet générique « arbre » peut s’instancier sous forme d’un très grand nombre d’ensembles de symboles , selon l’angle de prise de vue, la saison et bien sur la variété de l’arbre et son âge !).
Les êtres humains sont complètement habiles à s’identifier les uns les autres via leurs apparences physiques, ou comportementales. Grâce aux développements dans le domaine informatique, il est aujourd’hui possible de faire de la machine un dispositif capable de reconnaître les humains par les mêmes traits, cette branche de la technologie est appelée « la biométrie »[kar 02], c’est à dire l’identification de personnes à travers leurs composantes biométriques (empreintes digitales, visage, voix, main, iris, rétine………).
Le visage est une biométrie qui ne permet pas seulement d’identifier une personne , l’analyse visuelle de sa structure et du pattern de contractions musculaires permet , par ailleurs de déterminer , l’âge approximatif , le genre et même l’origine ethnique [Hax 00], mais , il permet également des inférences sur l’état émotionnel , il est même utilisé pour se former une impression sur la personnalité, à l’insu de la personne elle-même, pouvant nous signaler les dispositions et les intentions de cette dernière telles que l’intelligence, l’honnêteté, la peur ,……[Zha 03] .
LA BIOMETRIE
L’APPORT DE LA BIOMETRIE
Savoir déterminer de manière à la fois efficace et exacte l’identité d’un individu est devenu un problème critique et difficile , il existe traditionnellement deux manières d’identifier un individu.
La première méthode est basée sur une connaissance (knowledge) , qui correspond par exemple à un mot de passe , un code ,c’est-à-dire ce que l’on sait, utilisée surtout pour le contrôle d’accès logique( réseaux informatiques, Bases de données….) [Clu 03].
La deuxième est basée sur une possession ( token-based), il s’agit d’un badge, une carte d’identité , une clef, c’est-à-dire ce que l’on a , utilisée le plus souvent pour le contrôle d’accès physique (bâtiments gouvernementaux, …….) [Per 03].
Ces deux méthodes peuvent être utilisées de manière complémentaire pour obtenir une sécurité accrue , néanmoins, elles ont leurs limites respectives ; dans le premier cas , le mot de passe peut être oublié par son utilisateur ou deviné par une autre personne, dans le second cas, le badge ou la carte peut être perdue ou volée .
Une véritables alternative à ces méthodes pour palier leurs limites est la biométrie : qui consiste à identifier une personne à partir de ce qu’on est , c’est-à-dire :
➤ L’analyse morphologique ou physique ( empreintes digitales, , voix, visage, forme de la main, réseaux veineux de la rétine, iris de l’œil……..).
➤ L’analyse comportementale ( dynamique du tracé de la signature , de frappe sur un clavier d’ordinateur…)
➤ L’analyse de trace biologique ( odeur, salive, ADN, urine….) .
La biométrie, se définit comme est une science qui consiste à identifier un individu à partir de ses caractéristiques physiques ou comportementales ou biologiques uniques à chacun d’entre nous [Per 03], elle connaît depuis quelques années un renouveau spectaculaire dans la communauté du traitement du signal et la vision par ordinateur. Elle a aussi reçu une attention accrue de la part des médias depuis les tragiques évènements du 11 septembre 2001 [PD02].
En résumé , la biométrie constitue un identificateur de personne qui ne peut être volé, oublié ou dupliqué .
L’unité biométrique sur laquelle se basera le système d’identification doit remplir certaines conditions :
1- L’unicité : il est nécessaire qu’elle soit unique pour chaque personne, deux individus ne peuvent pas avoir exactement la même voix ou ADN
2- Universelle :toute la population doit posséder cette biométrie.
3- Mesurable : le système doit pouvoir la quantifier.
4- Enregistrable : peut être emmagasinée.
L’INDUSTRIE DE LA BIOMETRIE
Le marché des produits d’authentification individuelle par l’approche biométrique est en forte croissance, certe la technologie actuellement dominante est celle employant les empreintes digitales , la raison en est simple : on accepte depuis longtemps le fait que les empreintes digitales soient uniques pour chacun d’entre nous [kar02], néanmoins, après les empreintes digitales, la tendance se tend de plus en plus vers le visage.
IDENTIFICATION ET AUTHENTIFICATION
Il est rappelé que l’identité d’un individu est l’ensemble des données de fait et de droit qui permettent d’individualiser ce dernier ; de là , il est nécessaire de distinguer entre :
L’identification :qui revient à retrouver l’identité d’une personne à partir d’une vue de visage, qui est une tâche cognitive complexe, les modèles qui cherchent à la simuler utilisent en général un code arbitraire pour le visage et une base de référence ; le but serait de vérifier que l’identité de l’individu qui se présente existe dans cette base de référence.
L’authentification : qui revient à décider si ce visage a été vu précédemment ( avec la même vue ou non ) ; c’est une tâche de mémoire épisodique.
APPORT DES SCIENCES COGNITIVES
Pour l’homme , le visage est un stimulus particulièrement facile à traiter , sa reconnaissance se fait instantanément en moins d’une seconde [Abd 99] , sans effort apparent , de manière innée et inouïe à la fois , et ceci sous différentes conditions même les plus défavorables , de plus , le nombre de visages différents qu’il est possible d’apprendre et de reconnaître ne semble pas être limité , et l’apprentissage d’un nouveau visage se fait rapidement et facilement ; plus encore , l’homme est capable de reconnaître des centaines de visages qu’il n’a pas vu depuis 35 ans avec une très bonne précision [Wur 02] ; cette capacité mystérieuse à conduit les chercheurs à conclure que l’homme est un expert en reconnaissance de visages.
Des expériences menées en neuropsychologie sur des patients cérébro-lésés (prosopagnosie) ont démontré que ces malades ne se rappelaient pas des visages de leurs parents en les revoyant, mais dés qu’ils entendaient leurs voix , certains pouvaient les reconnaître, ceci à conduit à la déduction que l’altération des facultés en reconnaissance des visages peut survenir chez un individu indépendamment d’une détérioration des facultés en reconnaissance d’objets , à l’opposé, certains patients incapables de reconnaître différents types d’objets ( agnosie des objets visuels ) n’éprouvent aucune difficulté à reconnaître les visages [Mos 97], cette double dissociation suggère que le cerveau sait dégager un « invariant physionomique » sous-jacent dédié au visage qu’il conserve en mémoire [Far 96], Le but des chercheurs qui s’intéressent au sujet est donc de déceler et de modéliser cet invariant [Zha 03].
|
Table des matières
INTRODUCTION GENERALE
PLAN DE LECTURE
CHAPITRE 1 : La reconnaissance des visages humains
1. Introduction
2 .La Biométrie
2.1 L’apport de la Biométrie
2.2 L’industrie de la Biométrie
2.3 Identification et Authentification
3. Apport des Sciences Cognitives
4. Caractéristiques du Visage Humain
4.1 Définition du visage
4.2 Pourquoi le visage ?
4.3 D’où vient la Difficulté ?
5. Architecture générale d’un système de reconnaissance des visages
6. Détection des visages
7. Extraction des paramètres des visages
7.1 L’intégrale des projections verticales et horizontales
7.2 La méthode des moments invariants
7.3 La transformée de symétrie généralisée
8. Les Méthodes de Reconnaissances des visages
8.1 Principe
8.2 Les méthodes existantes
8.2.1. Les méthodes Géométriques
8.2.2 Les méthodes globales
8.2.2.1 Les Visages Propres
8.2.2.2 Les Réseaux de Neurones
8.2.2.3 Les Templates Matching
8.2.2.4 Les Machines à Vecteurs de Support SVM
8.2.2.5 Les Modéles de Markov Cachés
8.2.2.6 Les Systèmes Multi-Classifieurs
8.3 Avantages et Limites des méthodes de reconnaissance
9. Principaux domaines d’application
10. Conclusion
CHAPITRE 2 : Traitement d’images et Classification
1. Introduction
2. Traitement Numérique d’images
3. Représentation de l’image numérique
4. Caractéristiques d’une image numérique
5. Les Systèmes de Traitement d’Images
6. Classification
6.1. Définition de la classification
6.2 La Règle de Bayes
6.3 Classification paramétrique
6.3.1 Classificateur Euclidien
6.3.2 Classificateur Quadratique
6.4 Classification non paramétrique
6.5 Les Méthodes Connexionnistes
6.6 Les Méthodes Structurelles
7. L’Analyse en Composantes Principales
7.1 Introduction
7.2 Fonctionnement de l’ACP
7.2.1 Principe de l’ACP
7.2.2 Formulation de l’ACP
7.3 Avantages et inconvénients de l’ACP
8. L’Approche des K Plus Proches Voisins
8.1 Principe de la Méthode des KPPV
8.2 Formulation de la Méthode des KPPV
8.3 Mise en Place de la méthode des KPPV
9. La Logique Floue
9.1 Principe de Fonctionnement
9.2 Internet de la Logique Floue
10. Conclusion
CHAPITRE 3 :Combinaison des Classifieurs
1. Introduction
2. Pourquoi combiner les classifieurs?
3. Méthodologie de Combinaison
4. Stratégies de Combinaison
4.1 Combinaison Séquentielle
4.2 Combinaison Parallèle
4.3 Combinaison hybride
4.4 Combinaison avec bouclage
4.5 Combinaison avec interaction entre les classifieurs
4.6 Combinaison utilisant la forme X
5. Types de Réponses fournies par un classifieur
5.1 Réponse de type Classe
5.2 Réponse de type Ensemble
5.3 Réponse de type Rang
5.4 Réponse de type Mesure
6. Conversion de type
6.1 Conversion de type Mesure
7. Taxonomie de Combinaison des Classifieurs
7.1 Méthode de Combinaison Séquentielle
7.2 Méthode de Combinaison Parallèle
7.2.1 Combinaison de Classifieur de Type Classe
7.2.1.1 Méthodes de Vote
7.2.1.2 Comparaison des Méthodes de Vote
7.2.1.3 Méthode de Bayes
7.2.1.4 Méthode de Dempster-Shafer
7.2.1.5 Méthode de l’Espace de Connaissance de Comportement
7.2.2 Combinaison de Classifieurs de Type Rang
7.2.2.1 Méthode du Meilleur Rang
7.2.2.2 Méthode de la Somme des Rangs
7.2.2.3 Méthode de la Somme Pondérée
7.2.3 Combinaison de Classifieurs de Type Mesure
7.2.3.1 Méthode Linéaire
7.2.3.2 Méthode Multiplicative
8. Conclusion
CHAPITRE 4 :CONCEPTION PROPOSEE
1. Introduction
2. Présentation du Système
3. Architecture de la Combinaison Proposée
3.1 Particularité de la Combinaison
3.2 Acquisition des images des visages
3.3 Stockage et Nomenclature de la Base
4. Prétraitement des Images des Visages
4.1 Normalisation des images des visages
4.2 Binarisation des images des visages
4.3 Lissage des Images des Visages
5. Extraction des caractéristiques du visage
5.1 La transformée de Hough
5.1.1 Principe de la Transformée de Hough
5.1.2 Formulation de la Transformée de Hough
5.1.3 Application de la Transformée de Hough sur la base des Images
6. Application du premier classifieur ACP
6.1 L’Algorithme de la méthode de ‘ACP
6.2 Application de l’ACP sur la base des images des Visages
6.3 Détection d’un nouveau Visage
7. Application de l’Approche K-PPV
8. Application de l’Approche K-PPV Floue
9. Le module de combinaison
9.1 La conversion
9.2 La combinaison
10.Résultats et Discussion
CONCLUSION GENERALE
REFERENCES BIBLIOGRAPHIQUES
ANNEXE
