Résumé:
Le système de reconnaissance faciale, qui est devenu aujourd'hui l'un des systèmes les
plus utilisés dans la sécurité et les opérations de surveillance, et malgré le grand
développement technologique qu’il et connue, ils sont toujours sensibles et leurs
performances se détériorent, 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 de visage, .... 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 l’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.
Les solutions proposées à chaque niveau de cette chaîne ont apporté une amélioration
significative des performances par rapport aux approches classiques. Pour les algorithmes de
reconnaissance, nous avons proposé l'utilisation la méthode TT (Tan et Triggs) pour la
normalisation d'éclairage, qui concerne la séparation de la lumière de l'image, et l'utilisation
du descripteur local LPQ (Local Phase Quantization) pour faire comparer les images à
reconnaître, dans ce travail an à mener des expériences pratiques sur la base de données
YaleB et YaleB étendues, afin d’ avoir comparé les résultat et connaître l’amélioration ou la
dégradation, puisque les deux cette base de donnée est la plus utilisée dans les études
académiques
