Reconnaissance du visage sous l’éclairage invariant par la méthode TanTriggs

Abstract

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