I.2.5. LES ALGORITHMES DE
DETECTION ET RECONNAISSANCE FACIALE
Comme nous l'avons souligné dans les lignes
précédentes, un système automatique de reconnaissance de
visages est composé de trois sous-systèmes : détection de
visage, extraction des caractéristiques et reconnaissance de visages. La
mise en oeuvre d'un système automatique et fiable de reconnaissance
faciale est un verrou technologique qui n'est toujours pas résolu.
Cependant, il existe plusieurs algorithmes, de reconnaissance
faciale. Voici quelques-uns de ces algorithmes :
ü Techniques d'apprentissage supervisé et les
arbres de décisions ;
ü Méthodes d'apprentissage ensemblistes ;
ü Réseaux de neurone (Neural Networks, en
Anglais).
ü K-Nearest Neighbors
Notons ici que nous n'allons détailler que l'algorithme
K-Nearest Neighbors car c'est lui que nous allons utiliser pour la
classification des visages.
I.2.5.1. L'algorithme K-Nearest Neighbors
K-Nearest Neighbors (les voisins les plus proches) est un
algorithme de l'apprentissage supervisé. Il peut être
utilisé aussi bien pour la classification que pour la régression.
Son fonctionnement peut être assimilé à l'analogie suivante
: «dis-moi qui sont tes voisins, je te dirai qui tu es»
[17].
En effet, cet algorithme est qualifié comme paresseux
(Lazy Learning) car il n'apprend rien pendant la phase d'entraînement.
Pour prédire la classe d'une nouvelle donnée d'entrée, il
va chercher ses K voisins les plus proches (en utilisant la distance
euclidienne, ou autres) et choisira la classe des voisins majoritaires [18].
Figure
0 :Fonctionnement de l'algorithme KNN
Pour appliquer la méthode des voisins les plus proches,
on suit certaines étapes qui sont :
§ On fixe le nombre de voisins k,
§ On détecte k-voisins les plus proches de la
nouvelles données d'entrées qu'on veut classer,
§ On attribue les classes correspondantes par vote
majoritaire.
Pour bien choisir le paramètre k, on prend
arbitrairement un entier et on le fait varier. Ensuite, pour chaque valeur de
cas, on calcule le taux d'erreur de l'ensemble de test et on garde la valeur de
k qui minimise ce taux d'erreur de test. Cet algorithme va nous servir de
classification des visages de ce présent travail. Nous donnerons l'image
d'un enfant en entrée et celui va calculer les voisins les plus proches
des images se situant dans la base de données.
I.2.6. APPLICATIONS D'UN
SYSTEME DE RECONNAISSANCE FACIALE
La reconnaissance faciale est aujourd'hui utilisée dans
des divers domaines et on trouve ses applications dans presque toutes les
activités routinières des hommes bien que plusieurs recherches
sont en cours afin de trouver la bonne approche pour effectuer la
reconnaissance de visages. Nous citons quelques domaines d'application de la
reconnaissance faciale :
v En sécuritéet
authentification : dans ce domaine, le système de
reconnaissance faciale s'assure que l'utilisateur est bien un utilisateur
valide avant de l'autoriser à accéder à un
élément donné. Cela peut être utilisé dans un
lieu public : accès à un avion, par exemple. Signalons la
sécurité est le principal domaine d'application de la
reconnaissance faciale.
v En suivi des présences dans une
organisation : actuellement, le suivi des présents des
agents d'une organisation quelconque est devenue une tâche facile et
précise grâce à la reconnaissance faciale. Le
système capture la face de l'agent juste au moment où celui est
détecté dans la cours de l'organisation et certains autres
détails nécessaires et les sauvegarde dans une base des
données.
v Dans les recherches indexées :
la reconnaissance faciale permet facilement de ressortir l'identité
d'une personne sans même qu'il s'en rendre compte mais cela si et
seulement si celui a un jour suivi la première étape de
reconnaissance de visage (rappel :
l'enrôlement).
| 
