Résumé:
Le système de reconnaissance faciale, qui est devenu aujourd'hui l'un des systèmes les
plus utilisés dans les opérations de surveillance et sécurité, et malgré la grande évolution
technologique qu’il et connue, leur performances est toujours sensible et dégradent énormément ,
lorsqu'il y a un changement dans les conditions de prise de vue, que ce soit en termes d'éclairage
ou de changement de l'accueil du visage avilissement ou d'expressions faciales, ....etc. Le travail
effectué dans le cadre de cette mémoire est d'essayer d'améliorer les performances du système de
reconnaissance faciale lorsque les conditions d'éclairage sont mauvaises et déséquilibrées.
Après avoir étudié la problématique de l'éclairage dans les images de visages à reconnaître, et
présenté les différentes méthodes et solutions qui ont contribué à améliorer les performances de
ces systèmes, centrés sur les théories de la modification de la lumière et les méthodes de
description locales ou globales, des solutions ont été proposées pour chaque étape de la
reconnaissance faciale.
Là on a proposé de traiter l'image avec la technologie DOG pour la normalisation
d'éclairage, qui concerne la séparation de la lumière de l'image, et l'utilisation du descripteur
local LPQ pour faire comparé les images à reconnaître, dans ce travail an a mener des
expériences pratiques sur la base de données YaleB étendues, afin d’ avoir comparer les résultat
et connaître l’amélioration ou la dégradation ,puisque cette base de donnée est la plus utilisée
dans les études académiques.
