I.2. REVUE DE LA
LITTERATURE
En effet, nous ne sommes pas le premier à parler de la
reconnaissance faciale en générale et la reconnaissance faciale
pour les recherches indexées des personnes en particulier. Nombreux en
ont précédemment parlé et ont aboutis à des
résultats finals. Ainsi, voici certains travaux détaillés
brièvement qui ont des traits similaires avec le nôtre :
1. Authentification d'individus par reconnaissance de
caractéristiques biométriques liées aux visages
2D/3D
Dans sa thèse de doctorat, SOUHILA GUERFI ABABSA [12] a
traité deux problématiques majeures et complémentaires
rencontrées en reconnaissance de visage. Il s'agit d'une part de
l'extraction automatique de visage et de ses régions
caractéristiques, et d'autres part de la reconnaissance du visage. Il
signale dans celle-ci que la difficulté de l'extraction de visage et de
ses caractéristiques est due principalement aux variations des
conditions d'éclairage et il a enfin proposé une nouvelle
approche d'extraction qui s'adapte aux changements de l'illumination et de
pose. Propose que dans un premier temps un algorithme de segmentation de
couleur de visage dans l'espace TLS (Teinte, Luminance, Saturation) soit
appliqué sur l'image afin de déterminer les régions
d'intérêt du visage ; c'est pourquoi il a modifié la
méthode de fusion des bassins versants obtenus à partir de
l'algorithme de lignes de partage des eaux (LPE) en ajoutant un critère
basé sur la pertinence de la teinte. Il a défini un domaine de la
peau sur l'espace de la teinte afin d'extraire la région de visage
à partir de l'image segmentée. La méthode qu'il propose
pour l'extraction des zones du visage combine une classification basée
sur la méthode de kmeans avec une approche géométrique
afin d'identifier deux régions caractéristiques du visage en
l'occurrence les yeux et la bouche.
En addition, l'auteur a travaillé sur le
problème de la reconnaissance de visage 2D/3D, dans le contexte de la
vérification. Ill a par ailleurs évalué l'influence de la
détection de régions sur la reconnaissance de visage en extrayant
les régions su visage manuellement puis de manière automatique
son approche d'extraction et il a comparé les résultats de
reconnaissance obtenus sur ces régions en appliqua les méthodes
classiques « EigenFace »
et « EigenFace » modulaire. Les résultats
obtenus ont montré que l'approche modulaire donne les meilleures
performances.
2. Capteur intelligent pour la reconnaissance de
visage
Dans son travail de thèse, Walid Hizem
[19]a mené une étude sur le capteur intelligent pour la
reconnaissance de visage. Etant beaucoup plus intéressé par les
problèmes liés à la lumière dans le domaine de la
reconnaissance faciale, dans son travail, Walid s'est fixé comme
objectif de mettre en place une solution capable d'éliminer le
problème lié à la luminosité. Pour y arriver,
l'auteur à utiliser l'illumination active avec deux méthodes
d'acquisition : la première avec un capteur CMOS
différentiel, la seconde, et qui a présenté son apport
personnel dans son travail, une acquisition avec réduction du temps
d'exposition et un flash synchrone à la période d'acquisition.
Ainsi, comme résultat, il a mis au point une caméra CCD
permettant d'avoir des images de bonne qualité en proche infrarouge et
à moindre cout en éliminant la variation d'illimitation.
3. Détection et identification des personnes
par reconnaissance faciale
BOUDJEL Sofiane [20]a travaillé sur un
système de reconnaissance faciale en utilisant la méthode
EigenFace. Son système a pour objectif de mettre en place un
système de reconnaissance faciale et contrôle d'accès. La
solution qu'il a trouvée était le développement d'une
application qui, malgré des bons résultats que celle-ci a
apporté, l'auteur signale que certains problèmes comme celui de
pose et d'éclairage restent les challenges qui susciteront les
curiosités des futurs chercheurs.
4. Etude et réalisation d'un système de
suivi de présences par reconnaissance faciale dans une salle
d'université (UCBC)
L'auteur de ce travail de mémoire, monsieur Vyakuno
Kathe Joel [21], avait pour objectif de concevoir une application de suivi de
présence dans un auditoire et cela en temps réel. Le constant le
plus amère de l'auteur était que dans beaucoup
d'universités les présences se font toujours manuellement. Il
avait constaté aussi un problème de fatigue, oublie ou
inconscience qui peut ramener les chefs de promotions à cocher tous les
étudiants comme présents même ceux qui ne le sont pas. Pour
remédier à ce problème, cet auteur avait jugé mieux
concevoir un système de reconnaissance faciale en temps réel qui
noterai un étudiant présent que si sa face est
détectée et que celui s'est présenté
personnellement dans l'auteur.
5. An improved face recognition algorithm and its
application in attendance management system
Serign Modou Bah et Fang Ming [22]présentent une
approche efficace et efficiente sur l'utilisation de techniques avancées
de traitement de l'image pour améliorer la reconnaissance des visages
précision basée sur l'algorithme des motifs binaires locaux. Dans
la première partie, ces auteurs utilisent le classificateur en cascade
LBPpour la détection et suivi des visages. En effet, les visages sont
capturés à partir d'une caméra ou d'une image
stockée sur un support et enfin l'algorithme de classification en
cascade sera appliqué pour la détection des faces. Ils sont
parvenus à améliorer le taux de précision de la
détection des visages, qui fait partie intégrante du taux de
précision global de la reconnaissance des visages, tout en
réduisant le nombre de faux positifs et de faux négatifs.
Voici l'ordinogramme du système conçu par Serign
Modou Bah et Fang Ming :
Figure
0: Ordinogramme de l'algorithme de Serign Modou Bah et Fang Ming
La figure montre l'organigramme de l'algorithme. Comme le
montre l'organigramme, les images de visages capturées en entrée
sont traitées à l'aide des techniques de traitement d'images que
ces deux auteurs ont proposés, puis l'algorithme de détection des
visages est appliqué pour détecter les visages. Une fois les
visages détectés, l'algorithme de reconnaissance des visages,
assisté de la méthode proposée, sera appliqué pour
reconnaître les visages. Une fois les visages reconnus, les
métadonnées des visages reconnus seront extraites pour marquer
les présences à l'aide du système de présence.
6. Visual observation of Human Emotion
Varun Jan [23] dans son travail de thèse avait comme
objectif de développer des méthodes et des techniques permettant
d'inférer l'état affectif d'une personne à partir des
informations visuelles, c'est-à-dire l'analyse d'expressions du visage.
Dans ses démarches, il avait utilisé l'approche Gaussienne
Multi-Echelle en tant que scripteur d'image pour l'estimation de la pose de la
tête, pour la détection de sourire, puis aussi pour la mesure de
l'affect. En plus de cette approche, il avait tout de même aussi
utilisé l'Analyse en composant principal pour la réduction de la
dimensionnalité et les machines à support des vecteurs pour la
classification et les régressions. Lors de ses expérimentations,
l'auteur a constaté que dans le cas d'un éclairage partiel du
visage, les dérivées Gaussiennes aves des histogrammes locaux de
type LBP (Local Binary Pattern). Avec cette combinaison il avait obtenu des
résultats à la hauteur de l'état de l'art pour la
détection de sourire dans les bases d'images GENKI qui comporte des
images de personnes trouvées dans la nature, sur internet, et avec la
difficile « extended YaleB database ».
7. Authentification et identification de visages
basées sur les ondelettes et réseaux de neurones
Dans son article [24], Mérbaka avait le but de
concevoir un système d'authentification d'identité qui serait
facile et peu couteux dans l'implémentation utilisant le visage humain.
Cette étude menée avec la méthode ACP et la classification
avec le réseau de neurones avait comme objectif de vouloir minimiser le
TEE (Taux d'erreur égale) afin de renforcer les capacités d'une
application de reconnaissance faciale. L'auteur abouti aux résultats
selon lesquels en utilisant la classification d'ACP il a un taux d'erreur
égale (TEE=11,5%) sur une base de données de 40 sujets avec un
TFA (Taux de Fausse Acceptation) égal à 9% et un TFR (Taux de
Faux rejet) égal à 15.32%. En faisant la classification avec le
réseau de neurones, TFA=5%, TFR=57 pour une base de données de 60
sujets et avec la normalisation TFA=12 et un TFR=23 pour la même base de
60 sujets.
8. Génération des modèles
synthétiques de visages à partir d'une image frontale
Francis Charette Migneault [25] avait pour objectif de mettre
en place un système qui implémente un algorithme de
génération synthétique de visages. La solution
développée par l'auteur permet de modéliser l'illumination
ambiante observée dans l'environnement à partir d'un visage
d'individu quelconque pour transférer l'information obtenue vers un
visage d'individu d'intérêt. La personne cible à retrouver
à l'aide d'une reconnaissance de visage dans un système de
surveillance aurait alors plus de chance d'être adéquatement
classifiée grâce aux représentations additionnelles qui
modélisent des variations possibles d'illumination, qui pourraient
être observées sur son visage lors d'une capture par caméra
en environnement non contrôlé.
9. Détection et reconnaissance de
visage
Mohamed Aymen FODDA [26] avait mis en oeuvre une approche
d'identification du visage, et pour aboutir à ce but, il fallait au
préalable aborder un travail de détection du visage. Bien que la
méthode d'amélioration ait montré de bons
résultats, au niveau de l'interpolation de visages non
détectés par la librairie OpenCV, elle élimine parfois de
vrais visages. Après la phase de détection, nous avons pu aborder
la tâche de reconnaissance. Notre apport dans cette tâche
délicate, est d'utiliser la notion des points d'intérêt
pour reconstruire un modèle de visage. L'auteur signale dans son travail
que pour la tâche de détection, et à partir des visages
détectés par la librairie OpenCV, il est intéressant de
trouver d'autres méthodes d'élimination des fausses alarmes et de
détecter en contrepartie les visages oubliés par la
méthode « Viola-Jones ». Nous proposons d'utiliser des
approches heuristiques, pour prévoir si une telle détection
correspond à un visage ou non, en tenant compte des positions des autres
visages. Pour l'identification, il propose d'ajouter ou d'améliorer
d'autres paramètres aux vecteurs qui caractérisent le visage
comme par exemple : la géométrie de la tête et les
distances entre les composantes faciales.
10. Nouvelle approche d'indentification dans les bases
de données biométriques basée sur une classification non
supervisée
Anis Chaari [27], dans sa thèse a mené une
étude sur la localisation du visage dans une image faciale. L'auteur
signale que la détection parfaite du visage était une un objectif
difficile à atteindre lors de la réalisation de son travail. Il
signale ensuite que la localisation de 30 points d'un contour de visage par un
réseau de neurones entrainé par l'une ou l'autre des
méthodes est à l'avantage des moments de Zernike pour
élaborer le vecteur d'entrée du réseau. Le visage une fois
détecté, une procédure classique de normalisation est
appliquée. Enfin il conclut en disant : « meilleur est la
précision de détection du visage, plus grande sont les
performances des systèmes de reconnaissance qui s'ensuivent.
Eu égard aux travaux précédemment
mentionnés, nous tenons à mentionner quelques
éléments constituent les traits de différence entre notre
travail et ceux des autres. Notre système a comme cas d'étude les
enfants perdus. Apres reconnaissance, certaines informations nécessaires
sur l'enfant seront renvoyées. Nous enverrons aussi les
coordonnées GPS préenregistrés qui permettront à
l'utilisateur du système de retrouver d'une facile l'adresse de
l'enfant.
| 
