Vérification de la parenté par des images faciales
Loading...
Date
2020
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Université 20 août 1955 –Skikda-
Abstract
La vérification de parenté à travers des images faciales est parmi les domaines de recherche
les plus actifs en biométrie et en vision par ordinateur, elle a été l’objet d’une attention croissante au
cours de ces dernières années. C’est une technique qui vise à exploiter les caractéristiques du visage
pour reconnaître le degré de parenté de deux individus à partir de leurs images faciales.
Les recherches dans le domaine de la vérification de parenté ont donné lieu à de nombreuses
et multiples applications, elle constitue le noyau de plusieurs systèmes déjà opérationnels, ces
derniers, peuvent aller des systèmes simples comme les systèmes d'organisation d'album photo et de
recherche historique et généalogique, jusqu’à des systèmes plus importants et plus compliqués, tels
que les systèmes de recherche des membres de famille disparus, de l'identification des personnes
recherchées et les systèmes de contrebande d’enfants.
Notre travail s’inscrit dans le cadre de la vérification de parenté à travers des images faciales
où nous proposons un système de vérification de parenté qui reçoit à son entrée une paire d'images
faciales (parents, enfants) pour déterminer à sa sortie si deux personnes ont ou non une relation de
parenté. L’approche proposée comporte six étapes :
1. Le prétraitement de l’image du visage dans le but d’obtenir des images faciales alignées et
recadrées.
2. L’extraction des caractéristiques en se basant sur des descripteurs de texture et des modèles
d'apprentissage en profondeur.
3. La représentation du visage à l'aide de la pyramide multi-niveaux (PML) pour augmenter le
nombre de caractéristiques.
4. La représentation des caractéristiques jumelées avec leur normalisation.
5. La réduction des caractéristiques (projection ou sélection) pour conserver les meilleures
caractéristiques.
6. La décision de l’existence d’une une parenté ou non, et ce, en utilisant un classifieur (SVM)
vecteur de support de machine.
L’approche proposée a été testée sur cinq bases de données de référence (Cornell KinFace, UB
KinFace, Family101, KinFace W-I et KinFace W-II). Pour chaque étape, nous avons mené plusieurs
expériences, et ce, dans le but de déterminer les meilleurs paramètres et les plus appropriés. La
comparaison de la méthode proposée avec d’autres méthodes de pointe montre clairement que les
résultats obtenus sont nettement meilleurs et bons