Résumé:
Récemment, la reconnaissance faciale a suscité l’intérêt de la communauté
scientifique 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 est 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. Le travail effectué
dans le cadre de ce 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 le problème 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 descriptions 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 d'utiliser la méthode
rétina modéle pour la normalisation d'éclairage, qui concerne à la séparation de la
lumière de l'image, et d'utiliser le descripteur de caractéristiques statiques binarisées
de L’image BSIF (Binarized Statistical Image Features) pour comparer les images à
reconnaître, dans ce travail pour 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 bases de données sont les plus
utilisées dans les études académiques.
