Reconnaissance tridimensionnelle de visage

Abstract

De nos jours, on parle de plus en plus de l’insécurité dans divers secteurs ainsi que celle liée à l’exploitation des moyens informatiques. Afin de renforcer la sécurité dans tous ces domaines, devenue aujourd’hui un enjeu majeur sous l’effet de la mondialisation et de la crise économique, la biométrie se présente comme une technologie potentiellement puissante. Un système biométrique est essentiellement un système de reconnaissance qui utilise les données biométriques d’un individu. La problématique générale de cette thèse est de développer une technique de reconnaissance 3D de visages. La reconnaissance faciale 3D est une alternative prometteuse à la résolution de problèmes de reconnaissance 2D. Pour cette raison, deux contributions ont été développées. La première contribution dans laquelle nous discutons spécifiquement les difficultés majeures pour proposer et tester une nouvelle solution de reconnaissance faciale 3D capable de réaliser le processus de reconnaissance, dans les cas où l'analyse concerne une partie du visage seulement. Avec l'approche proposée, les caractéristiques distinctives du visage sont capturées en extrayant d'abord les points-clés SIFT sur le visage de l'analyse et en mesurant comment le visage change le long des profils construits entre paires de points-clés, ensuite nous appliquons l'opérateur SIFT sur les images LBPP,R séparément. Suite au travail de Faltemier et al. puis à celui de Tang et al., nous pouvons mieux détecter un certain nombre de points clés en utilisant SIFT sur les images LBPP, R, que d'utiliser SIFT sur les images originales. La contribution est testée en utilisant l'ensemble des données Face Recognition Grand Challenge FRGC v1.0. Enfin, nous effectuons une classification basée sur le technique SVM. La deuxième contribution consiste à présenter une technique de reconnaissance des expressions faciales avec images 3D. Ce système utilise un flux composé simultanément d'une image couleur (2D) et d'une image de profondeur (3D) capturée par le capteur Microsoft Kinect. Notre système détecte et identifie l'expression du visage capturé, puis reconnait les sept expressions développées par Paul Ekman en utilisant la méthode MB-LBP. Nous avons introduit un nouveau jeu de données correspondant à 10 sujets humains pour l'étape d'apprentissage avec une classification en utilisant la méthode SVM. L'implémentation de notre solution est réalisée en C ++ et exploite de plus la bibliothèque OpenCV.