Les techniques de détection et de reconnaissance du visage

Table des matières

REMERCIEMENTS
TABLES DES MATIERES
NOTATIONS
INTRODUCTION GENERALE
CHAPITRE 1 : LA BIOMETRIE
1.1 Introduction
1.2 Le marché mondial de la biométrie
1.3 Les parts de marché par technologie
1.4 Les différentes techniques biométriques
1.4.1 L’analyse morphologique
1.4.2 L’analyse comportementale
1.5 Architecture d’un système biométrique
1.5.1 Module d’apprentissage
1.5.2 Module de reconnaissance
1.5.3 Module d’adaptation
1.6 Evaluation de performance
1.7 Quelques technologies biométriques
1.7.1 Les empreintes digitales
1.7.2 L’empreinte palmaire
1.7.3 La voix
1.7.4 L’iris
1.7.5 La rétine
1.7.6 La signature
1.7.7 Le visage
1.8 Conclusion
CHAPITRE 2 : LES TECHNIQUES DE DETECTION ET DE RECONNAISSANCE DU VISAGE
2.1 Introduction
2.2 Approche de la détection du visage
2.2.1 Approches basées sur l’apparence
2.2.2 Approches basées sur les connaissances acquises
2.2.3 Approches basées sur la Template matching
2.2.4 Approches basées sur des caractéristiques invariantes
2.2.4.1 Les méthodes basées sur les caractéristiques du visage
2.2.4.2 Les méthodes basées sur la couleur de la peau
2.3 Le prétraitement
2.3.1 Normalisation photométrique
2.3.2 La normalisation géométrique
2.4 Les principales difficultés de la reconnaissance du visage
2.4.1 Changement d’illumination
2.4.2 Variation de pose
2.4.3 Expressions faciales
2.4.4 Présence ou absence des composantes structurels
2.4.5 Occultations partielles
2.5 Les algorithmes de reconnaissance du visage
2.5.1 Dimensionnalités de l’espace visage
2.5.2 Analyse en Composantes Principales
2.5.3 Analyse discriminante linéaire
2.5.4 Direct Fractional-step Linear Discriminative Analysis
2.5.5 Analyse en composantes indépendantes
2.5.6 Le réseau de neurones
2.5.7 Machine à vecteur de support
2.5.8 Modèle de Markov caché
2.5.9 Méthode basée sur l’apparence locale
2.5.10 Template matching
2.6 Conclusion
CHAPITRE 3 : LES RESEAUX DE NEURONES ARTIFICIELS 
3.1 Introduction
3.2 Définitions
3.3 Principes
3.4 Modélisation d’un neurone formel
3.5 Architecture
3.6 Apprentissage des réseaux de neurones
3.6.1 Apprentissage supervisé et renforcement
3.6.2 Apprentissage non supervisé ou auto-organisationnel
3.6.3 Apprentissage mode hybride
3.6.4 Règles d’apprentissages
3.6.4.1 Loi de Hebb
3.6.4.2 Règle de Widrow-Hoff
3.6.4.3 Règle de correction d’erreurs
3.6.4.4 Règle d’apprentissage par compétitions
3.7 Différents types de réseau de neurones artificiel
3.7.1 Réseaux feedforward
3.7.1.1 Perceptron simple
3.7.1.2 Adaline
3.7.1.3 Le Perceptron multicouches ou Multi-Layer Perceptron (MLP)
3.7.2 Réseaux récurrents
3.7.2.1 Réseau de Kohonen
3.7.2.2 Réseau de Hopfield
3.7.2.3 Les réseaux Adaptive Resonance Theory
3.8 Propriétés des réseaux de neurones
3.9 Conclusion
CHAPITRE 4 : CONCEPTION ET REALISATION
4.1 Description de projet
4.1.1 Présentation du projet
4.1.2 Spécification des besoins fonctionnels
4.1.3 Spécification des besoins non fonctionnels
4.1.4 Objectifs du projet
4.2 Outils de travail
4.2.1 Matériel
4.2.2 Logiciels
4.2.2.1 EDI Netbeans
4.2.2.2 JMerise
4.2.2.3 MySQL
4.2.3 Langage informatique
4.2.3.1 Java
4.2.3.2 SQL
4.2.4 Framework et Librairie
4.2.4.1 OpenCV
4.2.4.2 JavaCV
4.3 Conception
4.3.1 Algorithme de détection du visage
4.3.2 Normalisations
4.3.3 Les réseaux de neurones artificiels dans la reconnaissance du visage
4.3.3.1 Prétraitement
4.3.3.2 Architecture
4.3.3.3 Fonction de transfert
4.3.3.4 Fonctionnement
4.3.3.5 Apprentissage
4.3.4 Présentation de MERISE
4.3.4.1 Modèle conceptuel de données
4.3.4.2 Modèle logique de données
4.3.4.3 Modèle physique de donnée.
4.4 Réalisation
4.4.1 Présentation général de l’application
4.4.2 Fonctionnalité de base
4.4.3 Fonctionnalité supplémentaire
4.5 Conclusion
CONCLUSION GENERALE 
ANNEXE 1 : NEURONE BIOLOGIQUE
ANNEXE 2 : SCRIPT SQL POUR LA CREATION DE LA BASE DE DONNEES
ANNEXE 3 : CONFIGURATION DE NETBEANS AVEC L’OPENCV 
ANNEXE 4 : CONFIGURATION DU SERVEUR MYSQL SOUS CENTOS 7 
BIBLIOGRAPHIE
FICHE DE RENSEIGNEMENTS