Amélioration des systèmes de reconnaissance faciale par l'utilisation de caméra MSFA et des techniques d'intelligence artificielle

Ces dernières années, nous assistons à une émergence des systèmes biométriques utilisés dans le contrôle d'accès et la sécurité. La plus connue de ces applications biométriques reste la reconnaissance faciale qui ne cesse de connaître des progrès. Plusieurs approches existantes de la reconnaissance faciale utilisent des images acquises dans le spectre visible. Ces systèmes souffrent surtout de problèmes de variation de la lumière. Ces limitations sont améliorées avec les systèmes de reconnaissance dans l'infrarouge. D'autres approches de systèmes de reconnaissance faciale combinent le visible et l'infrarouge toujours dans le but d'améliorer leur performance de reconnaissance, elles sont dites hétérogènes. Les caméras multispectrales sont alors utilisées dans les systèmes de reconnaissance faciale hétérogènes. Aussi les méthodes d'intelligence artificielle plus précisément les méthodes d'apprentissage profond appelées Deep Learning (DL) en anglais ont favorisé d'énormes progrès en reconnaissance faciale. Dans le cadre de cette thèse, il est question d'exploiter les potentialités des algorithmes d'apprentissage profond et le réseau de filtre multispectraux (MSFA) pour développer et améliorer les systèmes de reconnaissance faciale. Quatre contributions sont apportées pour ces travaux de thèse. Premièrement, nous avons construit une base d'images multispectrales de visage pour la reconnaissance faciale avec les caméras MSFA one-shot qui opère de 650 à 950 nm. Deuxièmement nous avons développé un système robuste de reconnaissance faciale avec les caméras MSFA one-shot, la transformée discrète de curvelet et les réseaux de neurones convolutifs (CNN). Ensuite une optimisation du système est faite par la réduction de dimensionalité. Quatrièmement nous avons effectué une étude comparative pour évaluer l'impact du demosaicing sur la reconnaissance faciale.Les résultats des expériences démontrent l'efficacité des méthodes proposées pour construire un système de reconnaissance faciale plus performant.