Reconnaissance faciale par methode ACP hybride

La large disponibilité des ordinateurs de bureau et portables puissants et à bas prix, et des systèmes informatiques embarqués a créé un intérêt énorme dans le cadre du traitement automatique d’images numériques et vidéos dans plusieurs applications, y compris l’authentification biométrique, la surveillance, l’interaction homme-ordinateur et les gestions multimédias. Les recherches et développements sur les systèmes de reconnaissance automatique du visage suivent naturellement.

Reconnaitre des personnes est une tâche que les êtres humains exécutent régulièrement et facilement dans leurs vies quotidiennes. Et la finalité de la reconnaissance faciale est de mettre au point des systèmes informatiques capables d’égaliser cette faculté humaine. En ce moment, il existe plusieurs variétés d’algorithmes de reconnaissance faciale alors que les premiers modèles de reconnaissances automatiques ou semi-automatiques des visages représentaient les visages comme des vecteurs de distances, angles, ou rapports entre différents traits constituant les visages comme les yeux, le nez et la bouche. En reprenant ce concept et en l’utilisant avec une méthode d’analyse de donnée matricielle, le résultat devient de plus en plus acceptable. L’ACP est l’un des meilleurs systèmes d’analyse de données. L’idée est de faire à la fois la reconnaissance par ACP sur le visage et sur les traits constituants du visage. C’est ce qui nous a amenés à intituler ce mémoire : « Reconnaissance faciale par méthode ACP-hybride ».

SYSTEMES BIOMETRIQUES 

Généralités

De nos jours, l’accroissement des terminaux d’accès et l’évolution des moyens de communication dans les divers systèmes tels que les déplacements physiques, les transactions financières, l’accès aux services et bien d’autres encore met en cause le besoin de s’assurer de l’identité des individus. Les moyens classiques de vérification d’identité pour les contrôles d’accès, comme les passeports ou cartes d’identité, les mots de passe ou les codes secrets peuvent être facilement falsifiés. Il serait aussi possible que les utilisateurs perdent leur carte d’identité, oublient leur mot de passe, etc. La solution évidente pour compenser ces inconvénients est d’utiliser la biométrie tout en basant la vérification sur les aspects propres de chaque individu. Cette technologie est maintenant exploitée pour un très grand nombre d’applications .

Elle peut être appliquée dans le système de contrôle d’accès physique à des sites sensibles comme les entreprises, les aéroports, ou les banques ou bien dans le système de contrôle d’accès logique à un ordinateur, ou site web. A l’heure actuelle, dans certains endroits, elle est déjà appliquée dans le domaine de la vidéo surveillance qui utilise les technologies de l’identification à distance et en mouvement.

Définition

La biométrie peut être définie comme étant : « la reconnaissance automatique d’une personne en utilisant des traits distinctifs ». On la définit aussi comme « toutes caractéristiques physiques ou traits personnels automatiquement mesurables, robustes et distinctifs qui peuvent être utilisés pour identifier un individu ou pour vérifier l’identité prétendue d’un individu » [2]. La biométrie propose beaucoup plus d’avantage que les méthodes d’authentification personnelle existantes. Les caractéristiques biométriques sont propres et uniques à chaque individu et la possibilité que deux individus aient exactement les mêmes caractéristiques biométriques est peu probable. En effet, elle apporte encore plus de sûreté et comble les grands handicaps de sécurité par mots de passe.

Historique

Le terme le plus exact pour décrire le champ de la biométrie serait sans doute celui d’anthropométrie (du grec anthropo, « homme », et mitron, « mesure »). Alphonse Bertillon (1853-1914), le fondateur de la police scientifique en 1880, avait recours à des données biométriques lorsqu’il traquait les récidivistes par le bertillonnage, en mesurant diverses parties du corps ou du visage qui ne change pas à l’âge adulte. Quelques années plus tard, en 1892, le Britannique Francis Galton (1822-1911) allait révolutionner les méthodes policières en démontrant par la statistique le caractère unique des empreintes digitales. Aujourd’hui, le progrès des sciences et des techniques permet d’autres modes d’identification des personnes. L’informatique évince les fichiers manuels. Elle permet non seulement des traitements accélérés, mais aussi des contrôles à distance. L’identification et l’authentification des personnes sont ainsi facilitées.

L’introduction de données biométriques a pour but de renforcer la sécurité des Etats à l’heure de la mondialisation. La menace terroriste affecte une particulière acuité : les attentats du 11 septembre 2001 aux États-Unis et du 11 mars 2004 en Espagne en sont l’illustration. La criminalité organisée et l’immigration illégale justifient également la prise de mesures particulières de protection. La biométrie est de plus en plus utilisée dans les aéroports, les établissements pénitentiaires, pour l’accès à des locaux sécurisés, pour la garantie du vote électronique, la sécurité des paiements bancaires ou des transactions via Internet. Le marché associé à son développement est estimé à 900 millions de dollars pour 2006. Les enjeux économiques sont donc très importants et pèsent sur le choix des normes et des matériels en vue d’une interopérabilité. L’amélioration de la sécurité qui résulte du recours à la biométrie ne doit pas pour autant porter atteinte aux libertés individuelles .

Architectures d’un système de reconnaissance biométrique

En général, un système biométrique se compose de deux phases : une phase d’apprentissage et une phase de reconnaissance. Tout d’abord, on enregistre la caractéristique biométrique (l’empreinte digitale, l’iris, ou la signature, etc.) à l’aide d’un capteur. En effet, on n’extrait que les paramètres dits « pertinents » de la donnée, ce qui permet de réduire significativement la taille des données à sauvegarder vu que certaines informations sont inutiles à la reconnaissance. De plus, à partir de ces paramètres, il est impossible de revenir au signal original.

La phase d’apprentissage permet de constituer le modèle d’une personne donnée à partir d’un ou plusieurs enregistrements de la caractéristique biométrique considérée. Ces modèles sont ensuite enregistrés dans une base de données ou sur une carte de type carte à puce. Au cours de la phase de reconnaissance, la caractéristique biométrique est capturée et les paramètres pertinents sont extraits comme dans la phase d’apprentissage. La suite de la reconnaissance dépend du mode opératoire du système. Si on est en mode identification, le système va comparer le signal capturé avec tous les modèles contenus dans la base de données. Puis, il va tirer le modèle le plus proche du signal pour répondre à la question du type : « Qui suis-je ? ». C’est une tâche très difficile, car la base de données peut contenir des milliers d’individus. On perd beaucoup de temps pour calculer toutes les comparaisons possibles.

Table des matières

INTRODUCTION GENERALE
CHAPITRE 1 SYSTEMES BIOMETRIQUES
1.1 Généralités
1.1.1 Introduction
1.1.2 Définition
1.1.3 Historique
1.2 Architectures d’un système de reconnaissance biométrique
1.3 Performances des systèmes biométriques
1.3.1 Système d’évaluation de la performance
1.3.2 Seuil de décision
1.4 Applications biométriques
1.4.1 Empreinte Digitale
1.4.2 Forme de la main
1.4.3 Réseau veineux
1.4.4 Examen de l’œil
1.4.5 Signature
1.4.6 Reconnaissance vocale
1.4.7 Reconnaissance faciale
1.5 Conclusion
CHAPITRE 2 RECONNAISSANCE FACIALE
2.1 Généralités
2.1.1 Introduction
2.1.2 Définition
2.1.3 Processus de reconnaissance faciale
2.2 Approches de la détection de visage
2.2.1 Méthodes basées sur l’apparence
2.2.2 Méthodes basées sur les connaissances acquises
2.2.3 Méthodes basées sur l’appariement de gabarits « Template-matching »
2.2.4 Méthodes basées sur les caractéristiques du visage
2.3 Algorithme de reconnaissance faciale
2.3.1 Méthodes globales
2.3.2 Méthodes locales
2.3.3 Méthodes hybrides
2.4 Conclusion
CHAPITRE 3 ANALYSE EN COMPOSANTES PRINCIPALES
3.1 Présentation
3.1.1 Introduction et définition
3.1.2 Brève histoire de l’ACP
3.2 Transformation unitaire : Images et ACP
3.2.1 Etape 1 : Numériser et vectoriser des images
3.2.2 Etape 2 : Calculer la matrice de produits croisés
3.2.3 Etape 3 : Diagonaliser la matrice de produits croisés
3.2.4 Etape 4 : Calcul des projections des images
3.2.5 Etape 5 : Reconstruction des images initiales
3.2.6 Image supplémentaire
3.3 ACP en reconnaissance faciale
3.3.1 Principes et méthodes eigenfaces
3.3.2 Projection des images de visage
3.3.3 Phase d’apprentissage
3.3.4 Phase de test
3.4 Conclusion
CHAPITRE 4 SIMULATION RECONNAISSANCE FACIALE HYBRIDE
4.1 Présentation du logiciel MATLAB
4.1.1 Introduction
4.1.2 Environnement Matlab
4.2 Commande de base dans Matlab
4.2.1 Aide dans MATLAB
4.2.2 Fonctions sur les vecteurs et matrices
4.3 Détections du visage et les parties du visage
4.3.1 Principe de l’algorithme Viola Jones
4.3.2 Détection de visage avec la fonction : CascadeObjectDetector
4.4 ACP sous MATLAB
4.4.1 Fonction Eig
4.4.2 Distance euclidienne
4.5 Reconnaissance de visage, des yeux et du nez
4.5.1 Organigramme du programme
4.5.2 Base de visage standard: Collection d’images du visage Faces94
4.5.3 Base de visage personnalisée
4.5.4 Interface de notre système de reconnaissance
4.5.5 Résultat des simulations et statistique d’erreur
4.6 Conclusion
CONCLUSION GENERALE

Télécharger le document complet

Télécharger aussi :

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *