R RééppuubblliiqquueeAAllggéérriieennnneeDDéémmooccrraattiiqquuee eett PPooppuullaaiirree M Miinniissttèèrree ddee ll''EEnnsseeiiggnneemmeenntt SSuuppéérriieeuurr eett ddee llaa RReecchheerrcchhee SScciieennttiiffiiqquuee U UnniivveerrssiittééBBaattnnaa22––BBaattnnaa F Faaccuullttéé ddeess MMaatthhéémmaattiiqquueess eett dd''IInnffoorrmmaattiiqquuee D Dééppaarrtteemmeenntt dd’’IInnffoorrmmaattiiqqueue
T
T
H
H
E
E
S
S
E
E
P
P
r
r
é
é
s
s
e
e
n
n
t
t
é
é
e
e
p
p
a
a
r
r
:
:
M
Mm
me
e.
.
Le
L
eï
ïl
la
a
B
B
OU
O
U
SS
S
SA
A
AD
A
D
E Enn vvuueeddeell''oobbtteennttiioonn dduu ddiippllôômmeeddeeD
D
o
o
c
c
t
t
o
o
r
r
a
a
t
t
e
e
n
n
S
S
c
c
i
i
e
e
n
n
c
c
e
e
s
s
S Sppéécciiaalliittéé:: IInnffoorrmmaattiiqquueeT
T
H
H
E
E
M
M
E
E
:
:
R
R
E
E
C
C
H
H
E
E
R
R
C
C
H
H
E
E
P
P
A
A
R
R
I
I
N
N
D
D
E
E
X
X
A
A
T
T
I
I
O
O
N
N
D
D
'
'
I
I
M
M
A
A
G
G
E
E
S
S
P
P
A
A
R
R
L
L
E
E
C
C
O
O
N
N
T
T
E
E
N
N
U
U
Soutenue le: 29/06/2017 Devant le jury composé de :P Prrééssiiddeenntt Azeddine Bilami PPrrooff..,, UUnniivveerrssiittééddeeBBaattnnaa22 R Raappppoorrtteeuurr MMoohhaammeedd BBeennmmoohhaammmmeedd PPrrooff..,, UUnniivveerrssiittééddeeCCoonnssttaannttiinnee22 C Coo--rraappppoorrtteeuurr Rédha Benzid PPrrooff..,, UUnniivveerrssiittééddeeBBaattnnaa22 E Exxaammiinnaatteeuurrss Samir Zidat DDrr..,, UUnniivveerrssiittééddeeBBaattnnaa22 Salim Chikhi
Med Chaouki Babahnini
P Prrooff..,, P Prrooff..,, U UnniivveerrssiittééddeeCCoonnssttaannttiinnee22 U UnniivveerrssiittééddeeBBiisskkrraa
--ii-
-R
Re
e
m
m
e
e
rc
r
ci
ie
em
m
e
e
nt
n
ts
s
T
T
o
o
u
u
s
s
m
m
e
e
s
s
r
r
e
e
m
m
e
e
r
r
c
c
i
i
e
e
m
m
e
e
n
n
t
t
s
s
s
s
’
’
a
a
d
d
r
r
e
e
s
s
s
s
e
e
n
n
t
t
t
t
o
o
u
u
s
s
d
d
’
’
a
a
b
b
o
o
r
r
d
d
à
à
t
t
o
o
u
u
t
t
p
p
u
u
i
i
s
s
s
s
a
a
n
n
t
t
A
A
L
L
L
L
A
A
H
H
,
,
d
d
’
’
a
a
v
v
o
o
i
i
r
r
g
g
u
u
i
i
d
d
é
é
m
m
e
e
s
s
p
p
a
a
s
s
v
v
e
e
r
r
s
s
l
l
e
e
c
c
h
h
e
e
m
m
i
i
n
n
d
d
u
u
s
s
a
a
v
v
o
o
i
i
r
r
.
.
J
J
e
e
t
t
i
i
e
e
n
n
s
s
à
à
r
r
e
e
m
m
e
e
r
r
c
c
i
i
e
e
r
r
M
M
o
o
n
n
s
s
i
i
e
e
u
u
r
r
M
M
.
.
B
B
e
e
n
n
m
m
o
o
h
h
a
a
m
m
m
m
e
e
d
d
,
,
P
P
r
r
o
o
f
f
e
e
s
s
s
s
e
e
u
u
r
r
à
à
l
l
’
’
u
u
n
n
i
i
v
v
e
e
r
r
s
s
i
i
t
t
é
é
d
d
e
e
C
C
o
o
n
n
s
s
t
t
a
a
n
n
t
t
i
i
n
n
e
e
2
2
,
,
e
e
t
t
M
M
o
o
n
n
s
s
i
i
e
e
u
u
r
r
R
R
.
.
B
B
e
e
n
n
z
z
i
i
d
d
,
,
P
P
r
r
o
o
f
f
e
e
s
s
s
s
e
e
u
u
r
r
à
à
l
l
'
'
u
u
n
n
i
i
v
v
e
e
r
r
s
s
i
i
t
t
é
é
d
d
e
e
B
B
a
a
t
t
n
n
a
a
2
2
p
p
o
o
u
u
r
r
a
a
v
v
o
o
i
i
r
r
a
a
c
c
c
c
e
e
p
p
t
t
é
é
d
d
e
e
d
d
i
i
r
r
i
i
g
g
e
e
r
r
e
e
t
t
d
d
'
'
e
e
n
n
c
c
a
a
d
d
r
r
e
e
r
r
c
c
e
e
t
t
t
t
e
e
t
t
h
h
è
è
s
s
e
e
e
e
t
t
a
a
u
u
s
s
s
s
i
i
p
p
o
o
u
u
r
r
l
l
e
e
u
u
r
r
d
d
i
i
s
s
p
p
o
o
n
n
i
i
b
b
i
i
l
l
i
i
t
t
é
é
p
p
e
e
r
r
m
m
a
a
n
n
e
e
n
n
t
t
e
e
e
e
t
t
l
l
e
e
u
u
r
r
s
s
p
p
r
r
é
é
c
c
i
i
e
e
u
u
x
x
c
c
o
o
n
n
s
s
e
e
i
i
l
l
s
s
q
q
u
u
i
i
m
m
'
'
o
o
n
n
t
t
p
p
e
e
r
r
m
m
i
i
s
s
d
d
'
'
a
a
b
b
o
o
u
u
t
t
i
i
r
r
d
d
a
a
n
n
s
s
c
c
e
e
t
t
r
r
a
a
v
v
a
a
i
i
l
l
.
.
J
J
e
e
t
t
i
i
e
e
n
n
s
s
à
à
r
r
e
e
m
m
e
e
r
r
c
c
i
i
e
e
r
r
é
é
g
g
a
a
l
l
e
e
m
m
e
e
n
n
t
t
M
M
o
o
n
n
s
s
i
i
e
e
u
u
r
r
A
A
.
.
B
B
i
i
l
l
a
a
m
m
i
i
,
,
P
P
r
r
o
o
f
f
e
e
s
s
s
s
e
e
u
u
r
r
à
à
l
l
’
’
u
u
n
n
i
i
v
v
e
e
r
r
s
s
i
i
t
t
é
é
d
d
e
e
B
B
a
a
t
t
n
n
a
a
2
2
p
p
o
o
u
u
r
r
l
l
'
'
h
h
o
o
n
n
n
n
e
e
u
u
r
r
q
q
u
u
'
'
i
i
l
l
m
m
'
'
a
a
f
f
a
a
i
i
t
t
e
e
n
n
a
a
c
c
c
c
e
e
p
p
t
t
a
a
n
n
t
t
l
l
a
a
p
p
r
r
é
é
s
s
i
i
d
d
e
e
n
n
c
c
e
e
d
d
u
u
j
j
u
u
r
r
y
y
d
d
e
e
m
m
a
a
s
s
o
o
u
u
t
t
e
e
n
n
a
a
n
n
c
c
e
e
.
.
J
J
e
e
r
r
e
e
m
m
e
e
r
r
c
c
i
i
e
e
v
v
i
i
v
v
e
e
m
m
e
e
n
n
t
t
M
M
o
o
n
n
s
s
i
i
e
e
u
u
r
r
S
S
.
.
Z
Z
i
i
d
d
a
a
t
t
,
,
M
M
a
a
î
î
t
t
r
r
e
e
d
d
e
e
c
c
o
o
n
n
f
f
é
é
r
r
e
e
n
n
c
c
e
e
à
à
l
l
’
’
u
u
n
n
i
i
v
v
e
e
r
r
s
s
i
i
t
t
é
é
d
d
e
e
B
B
a
a
t
t
n
n
a
a
2
2
,
,
M
M
o
o
n
n
s
s
i
i
e
e
u
u
r
r
S
S
.
.
C
C
h
h
i
i
k
k
h
h
i
i
,
,
P
P
r
r
o
o
f
f
e
e
s
s
s
s
e
e
u
u
r
r
à
à
l
l
’
’
u
u
n
n
i
i
v
v
e
e
r
r
s
s
i
i
t
t
é
é
d
d
e
e
C
C
o
o
n
n
s
s
t
t
a
a
n
n
t
t
i
i
n
n
e
e
2
2
,
,
e
e
t
t
M
M
o
o
n
n
s
s
i
i
e
e
u
u
r
r
M
M
.
.
C
C
.
.
B
B
a
a
b
b
a
a
h
h
n
n
i
i
n
n
i
i
,
,
p
p
r
r
o
o
f
f
e
e
s
s
s
s
e
e
u
u
r
r
à
à
l
l
'
'
u
u
n
n
i
i
v
v
e
e
r
r
s
s
i
i
t
t
é
é
d
d
e
e
B
B
i
i
s
s
k
k
r
r
a
a
,
,
p
p
o
o
u
u
r
r
a
a
v
v
o
o
i
i
r
r
a
a
c
c
c
c
e
e
p
p
t
t
é
é
l
l
a
a
l
l
o
o
u
u
r
r
d
d
e
e
c
c
h
h
a
a
r
r
g
g
e
e
d
d
'
'
é
é
v
v
a
a
l
l
u
u
e
e
r
r
c
c
e
e
t
t
t
t
e
e
t
t
h
h
è
è
s
s
e
e
e
e
t
t
d
d
'
'
e
e
n
n
ê
ê
t
t
r
r
e
e
e
e
x
x
a
a
m
m
i
i
n
n
a
a
t
t
e
e
u
u
r
r
s
s
.
.
J
J
e
e
t
t
i
i
e
e
n
n
s
s
a
a
u
u
s
s
s
s
i
i
à
à
r
r
e
e
m
m
e
e
r
r
c
c
i
i
e
e
r
r
m
m
o
o
n
n
é
é
p
p
o
o
u
u
x
x
M
M
o
o
h
h
a
a
m
m
e
e
d
d
p
p
o
o
u
u
r
r
s
s
a
a
p
p
a
a
t
t
i
i
e
e
n
n
c
c
e
e
,
,
s
s
o
o
n
n
s
s
o
o
u
u
t
t
i
i
e
e
n
n
m
m
o
o
r
r
a
a
l
l
t
t
r
r
è
è
s
s
p
p
r
r
é
é
c
c
i
i
e
e
u
u
x
x
e
e
t
t
i
i
n
n
e
e
s
s
t
t
i
i
m
m
a
a
b
b
l
l
e
e
q
q
u
u
i
i
,
,
à
à
a
a
u
u
c
c
u
u
n
n
m
m
o
o
m
m
e
e
n
n
t
t
n
n
'
'
a
a
c
c
e
e
s
s
s
s
e
e
r
r
d
d
e
e
m
m
'
'
e
e
n
n
c
c
o
o
u
u
r
r
a
a
g
g
e
e
r
r
p
p
o
o
u
u
r
r
l
l
'
'
a
a
c
c
h
h
è
è
v
v
e
e
m
m
e
e
n
n
t
t
d
d
e
e
m
m
a
a
t
t
h
h
è
è
s
s
e
e
.
.
E
E
n
n
f
f
i
i
n
n
,
,
q
q
u
u
e
e
t
t
o
o
u
u
t
t
e
e
s
s
l
l
e
e
s
s
p
p
e
e
r
r
s
s
o
o
n
n
n
n
e
e
s
s
q
q
u
u
i
i
o
o
n
n
t
t
p
p
a
a
r
r
t
t
i
i
c
c
i
i
p
p
é
é
d
d
e
e
p
p
r
r
é
é
s
s
o
o
u
u
d
d
e
e
l
l
o
o
i
i
n
n
à
à
l
l
a
a
r
r
é
é
a
a
l
l
i
i
s
s
a
a
t
t
i
i
o
o
n
n
d
d
e
e
c
c
e
e
t
t
r
r
a
a
v
v
a
a
i
i
l
l
t
t
r
r
o
o
u
u
v
v
e
e
n
n
t
t
i
i
c
c
i
i
l
l
’
’
e
e
x
x
p
p
r
r
e
e
s
s
s
s
i
i
o
o
n
n
d
d
e
e
m
m
e
e
s
s
s
s
i
i
n
n
c
c
è
è
r
r
e
e
s
s
r
r
e
e
m
m
e
e
r
r
c
c
i
i
e
e
m
m
e
e
n
n
t
t
s
s
- iiii- -C Ceetttteetthhèèsseess''iinnttéérreesssseeààll''iinnddeexxaattiioonneettllaarreecchheerrcchheedd''iimmaaggeessffiixxeessppaarrlleeccoonntteennuu,,ooùù l leess iimmaaggeess ssoonntt ddééccrriitteess aauu nniivveeaauu vviissuueell qquuii ppeeuutt êêttrree ttrrèèss ggéénnéérraall tteell llee ccaass ddee llaa r reecchheerrcchhee dd''iimmaaggeess ssuurr llee WWeebb,, oouu ssppéécciiffiiqquuee àà uunn ddoommaaiinnee ppaarrttiiccuulliieerr tteell qquuee l l''iiddeennttiiffiiccaattiioonn bbiioommééttrriiqquuee ddeess iinnddiivviidduuss ppaarr lleeuurrss eemmpprreeiinntteess ddiiggiittaalleess,, ppaallmmaaiirreess oouu l laarreeccoonnnnaaiissssaanncceeffaacciiaallee.. L L''oobbjjeeccttiiff pprriinncciippaall ddee ccee ttrraavvaaiill aa ééttéé ddee ddéévveellooppppeerr uunnee tteecchhnniiqquuee ddee ddeessccrriippttiioonn d d''iimmaaggeess ffiixxeess,, qquuii eessttddeessttiinnééeeppaarrttiiccuulliièèrreemmeennttààêêttrreeuuttiilliissééee ppoouurr llaa rreeccoonnnnaaiissssaannccee f faacciiaallee àà ttrraavveerrss llaa pprrooggrreessssiioonn dd''ââggee.. LLaa tteecchhnniiqquuee ccoommbbiinnee ttrrooiiss oouuttiillss ppooppuullaaiirreess u uttiilliissééss ddaannss llee ddoommaaiinnee ddee llaa rreeccoonnnnaaiissssaannccee ddee ffoorrmmee qquuii ssoonntt lleess mmooddèèlleess aaccttiiffss d d''aappppaarreennccee ((MMAAAA)),, llaa ttrraannssffoorrmmééee eenn ccoossiinnuuss ddiissccrrèèttee ((TTCCDD)),, eett ll''aannaallyyssee d diissccrriimmiinnaanntteennoonnlliinnééaaiirree.. PPoouurraatttteeiinnddrreecceebbuutt,,dd''aabboorrdd,,uunneerreepprréésseennttaattiioonnddeell''iimmaaggee b baassééee ssuurr lleess MMAAAA eesstt ggéénnéérrééee,, eennssuuiittee,, uunnee TTCCDD eesstt eeffffeeccttuuééee ppoouurr eexxttrraaiirree llee d deessccrriipptteeuurrqquuiieessttrreepprréésseennttééppaarruunnvveecctteeuurrddaannssuunneessppaacceeddeeggrraannddeeddiimmeennssiioonn,,eennffiinn,, u unnee aannaallyyssee ddiissccrriimmiinnaannttee nnoonn lliinnééaaiirree eesstt eeffffeeccttuuééee ppoouurr rréédduuiirree llaa ddiimmeennssiioonn eett llaa c cllaassssiiffiiccaattiioonn eesstt ffaaiittee eenn uuttiilliissaanntt llaa mméétthhooddee ddeess kk pplluuss pprroocchheess vvooiissiinnss bbaassééee ssuurr llaa d diissttaanncceeeeuucclliiddiieennnnee.. P Poouurrtteesstteerrll''eeffffiiccaacciittéédduuddeessccrriipptteeuurrpprrooppoosséé,,uunneeééttuuddeeeexxppéérriimmeennttaalleeaaééttéérrééaalliissééeeeenn u uttiilliissaannttllaabbaasseeddeeddoonnnnééeessFFGG--NNEETT,,eetteennssuuiivvaannttlleepprroottooccoollee((LLeeaavvee--oonnee--ppeerrssoonn--oouutt)) q quuii ssoonntt uuttiilliissééss ddaannss llaammaajjoorriittéé ddeess ééttuuddeess rreellaattiivveess àà ll''ââggee.. LL''ééttuuddee aa ccoonncceerrnnéé,, àà llaa f fooiiss,,ll''eeffffeettddeellaaccrrooiissssaannccee eettdduu vviieeiilllliisssseemmeenntt dduu vviissaaggeeaaiinnssiiqquueellaaddiifffféérreennccee dd''ââggee e ennttrree ll''iimmaaggee rreeqquuêêttee eett cceellllee ddee rrééfféérreennccee ssuurr lleess ppeerrffoorrmmaanncceess ddee llaa tteecchhnniiqquuee p prrooppoossééee.. L Leess rrééssuullttaattss ffoouurrnniiss ppaarr cceettttee ééttuuddee eennccoouurraaggeenntt ll''uuttiilliissaattiioonn ddee cceettttee ccoommbbiinnaaiissoonn c coommmmeeddeessccrriipptteeuurrppoouurrll''iiddeennttiiffiiccaattiioonneettllaavvéérriiffiiccaattiioonnffaacciiaalleeààttrraavveerrssllaapprrooggrreessssiioonn d d''ââggee,,ssuurrttoouuttppoouurrlleessiinnddiivviidduussqquuiissoonnttââggééssddeepplluussddee4400aannsseettlloorrssqquueellaaddiifffféérreennccee d d''ââggeeeessttiinnfféérriieeuurreeoouuééggaalleeààvviinnggttaannss..
M
M
o
o
t
t
s
s
c
c
l
l
é
é
s
s
R Reecchheerrcchheedd''iimmaaggeessppaarrlleeccoonntteennuu,,RReeccoonnnnaaiissssaanncceeffaacciiaallee,,IInnvvaarriiaanncceeààllaapprrooggrreessssiioonn d d''ââggee,, ccrrooiissssaannccee ffaacciiaallee,,vviieeiilllliisssseemmeenntt ffaacciiaallee,, mmooddèèlleess aaccttiiffss dd''aappppaarreennccee,,AAnnaallyyssee d diissccrriimmiinnaanntteennoonnlliinnééaaiirree,,ttrraannssffoorrmmééeeeennccoossiinnuussddiissccrrèèttee..- iiiiii-
-A
A
B
B
S
S
T
T
R
R
A
A
C
C
T
T
T Thhiiss tthheessiiss DDeeaallss wwiitthh ccoonntteenntt--bbaasseedd iimmaaggee iinnddeexxiinngg aanndd rreettrriieevvaall,, wwhheerree tthhee ssttiillll i immaaggeessaarreeddeessccrriibbeeddaatttthheevviissuuaalllleevveellwwhhiicchhccaannbbeevveerryyggeenneerraalllliikkeetthheeccaasseeooffiimmaaggee s seeaarrcchh oonn tthhee WWeebb oorr ssppeecciiffiicc ttoo aa ppaarrttiiccuullaarr ffiieelldd ssuucchh aass bbiioommeettrriicc iiddeennttiiffiiccaattiioonn ooff i innddiivviidduuaallssbbyytthheeiirrffiinnggeerrpprriinnttss,,ppaallmmpprriinnttssoorrffaacceerreeccooggnniittiioonn.. T Thheeaaiimmoofftthhiiss wwoorrkk wwaass ttoo ddeevveelloopp aannaapppprrooaacchh ttoo eexxttrraacctt ffeeaattuurreess ffrroomm iimmaaggeess tthhaatt a arree ddeessiiggnneedd ssppeecciiaallllyy ttoo bbee uusseedd ffoorr ffaaccee rreeccooggnniittiioonn aaccrroossss aaggee pprrooggrreessssiioonn.. tthhee a apppprrooaacchhccoommbbiinneesstthhrreeeeppooppuullaarrttoooollssuusseeddiinnppaatttteerrnnrreeccooggnniittiioonn,,wwhhiicchhaarreetthheeAAccttiivvee A AppppeeaarraanncceeMMooddeell((AAAAMM)),,tthheettwwoo--ddiimmeennssiioonnaallddiissccrreetteeccoossiinneettrraannssffoorrmm ( (22DD--DDCCTT)),,aannddKKeerrnneellFFiisshheerrAAnnaallyyssiiss((KKFFAA))..FFoorrtthhiissppuurrppoossee,,wweeffiirrssttuusseeddAAAAMMttoo g geenneerraattee aann AAAAMM--bbaasseedd ffaaccee rreepprreesseennttaattiioonn;; tthheenn,, wwee aapppplliieedd 22DD--DDCCTT ttoo ggeett tthhee d deessccrriippttoorroofftthheeiimmaaggee;;aannddffiinnaallllyy,,wweeuusseeddaammuullttiiccllaassssKKFFAAffoorrddiimmeennssiioonnrreedduuccttiioonn.. C Cllaassssiiffiiccaattiioonn wwaass mmaaddee tthhrroouugghh aa KK--nneeaarreesstt nneeiigghhbboorr ccllaassssiiffiieerr,, bbaasseedd oonn EEuucclliiddeeaann d diissttaannccee.. T Too tteesstt tthheeeeffffeeccttiivveenneessss oofftthheepprrooppoosseeddffeeaattuurree eexxttrraaccttiioonn aapppprrooaacchh,,aann eexxppeerriimmeennttaall s sttuuddyywwaassppeerrffoorrmmeedduussiinnggtthheeFFGG--NNEETTffaacceeddaattaabbaasseeaannddffoolllloowwiinnggtthheeLLOOPPOO((LLeeaavvee- -o onnee--ppeerrssoonn--oouutt)) pprroottooccooll tthhaatt aarreeuusseedd iinntthhee mmoossttssttuuddiieess rreellaattiinnggttoo aaggee pprrooggrreessssiioonn.. T Thhee ssttuuddyy iinncclluuddeedd bbootthh,, tthhee eeffffeecctt ooff ffaacciiaall ggrroowwtthh,, ffaacciiaall aaggiinngg aass wweellll aass tthhee aaggee d diiffffeerreennccee bbeettwweeeenn tthhee qquueerryy iimmaaggee aanndd tthhee rreeffeerreennccee oonnee oonn tthhee ppeerrffoorrmmaannccee ooff tthhee p prrooppoosseeddtteecchhnniiqquuee.. R Reessuullttss ffrroomm tthhiiss ssttuuddyy eennccoouurraaggeess tthhee uussee ooff tthhiiss ccoommbbiinnaattiioonn aass ffeeaattuurreess eexxttrraaccttiioonn m meetthhoodd ffoorrbbootthh ffaaccee iiddeennttiiffiiccaattiioonn aanndd vveerriiffiiccaattiioonnaaccrroossss aaggeepprrooggrreessssiioonn,, eessppeecciiaallllyy f foorrggrroouuppssooffiinnddiivviidduuaallsswwhhooaarreeoollddeerrtthhaann4400yyeeaarrssaannddwwhheenntthheeaaggeeddiiffffeerreenncceeiisslleessss o orreeqquuaalltthhaannttwweennttyyyyeeaarrss..K
K
e
e
y
y
w
w
o
o
r
r
d
d
s
s
:
:
C Coonntteenntt--bbaasseedd iimmaaggee rreettrriieevvaall ((CCBBIIRR)),,ffaacceerreeccooggnniittiioonn,,aaggeeiinnvvaarriiaannccee,,ffaacciiaall ggrroowwtthh,, f faacciiaall aaggiinngg,, AAccttiivvee AAppppeeaarraannccee MMooddeell,, KKeerrnneell FFiisshheerr AAnnaallyyssiiss,, 22DD--DDiissccrreettee CCoossiinnee T Trraannssffoorrmm..- iivv-
صخلم
صخلم
ٔ حسشٓف ٗهػ ححٔشطلأا ِزْ ضكذشذ
ٔ حسشٓف ٗهػ ححٔشطلأا ِزْ ضكذشذ
عاظشرسا
عاظشرسا
فطٕذ سٛح ،ٖٕرحًنا كٚشط ٍػ حرتاصنا سٕظنا
فطٕذ سٛح ،ٖٕرحًنا كٚشط ٍػ حرتاصنا سٕظنا
سٕظنا
سٕظنا
لاًؼرسات
لاًؼرسات
سٕظنا ٍػ سحثنا ٙف لاحنا ْٕ اًك حياػ ٌٕكذ ذل ٙرنا حٚشظثنا ضئاظخنا
سٕظنا ٍػ سحثنا ٙف لاحنا ْٕ اًك حياػ ٌٕكذ ذل ٙرنا حٚشظثنا ضئاظخنا
ححاس خاًظت للاخ ٍي داشفلأا حْٕٚ ٗهػ فشؼرنا مصي ٍٛؼي لاعي ٙف جسٕظحي ٔأ ، ةٕٚنا ٗهػ
ححاس خاًظت للاخ ٍي داشفلأا حْٕٚ ٗهػ فشؼرنا مصي ٍٛؼي لاعي ٙف جسٕظحي ٔأ ، ةٕٚنا ٗهػ
ّظٕنا ٗهػ فشؼرنا ٔأ غتاطلأا خاًظت ،فكنا
.
ّظٕنا ٗهػ فشؼرنا ٔأ غتاطلأا خاًظت ،فكنا
.
اظٛظخ حٓظٕي سٕظهن فطٔ حُٛمذ داذػإ ْٕ سحثنا ازْ ٍي ٙسٛئشنا فذٓنا
اظٛظخ حٓظٕي سٕظهن فطٔ حُٛمذ داذػإ ْٕ سحثنا ازْ ٍي ٙسٛئشنا فذٓنا
آناًؼرسلا
آناًؼرسلا
ٙف
ٙف
ٍسنا وذمذ شثػ ّظٕنا ٗهػ فشؼرنا
.
لاعي ٙف اشٛصك وذخرسذ جسٕٓشي خأدأ زلاش غًعذ حُٛمرنا
.
ٍسنا وذمذ شثػ ّظٕنا ٗهػ فشؼرنا
لاعي ٙف اشٛصك وذخرسذ جسٕٓشي خأدأ زلاش غًعذ حُٛمرنا
حناؼفنا شٓظًنا ضراًَ ْٙٔ طاًَلأا ٗهػ فشؼرنا
حناؼفنا شٓظًنا ضراًَ ْٙٔ طاًَلأا ٗهػ فشؼرنا
(
(
MMAAAA)
)
غطمرًنا واًرنا ةٛظ مٕٚحذ ،
غطمرًنا واًرنا ةٛظ مٕٚحذ ،
(
(
TTCCDD)
)
ٔ
ٔ
ٙطخناشٛغ ٘ضًٛٛرنا مٛهحرنا
ٙطخناشٛغ ٘ضًٛٛرنا مٛهحرنا
.
.
ازْ كٛمحرن
ازْ كٛمحرن
ّظٕنا جسٕظن مٛصًذ ءاشَإ ىرٚ لأأ ،فذٓنا
ّظٕنا جسٕظن مٛصًذ ءاشَإ ىرٚ لأأ ،فذٓنا
داًرػلاات
داًرػلاات
لا ٗهػ
لا ٗهػ
M MAAAAلا لاًؼرسات ىش،
لا لاًؼرسات ىش،
T TCCDDءاضف ٍي عاؼش مكش ٗهػ جسٕظهن فطأ صلاخرسا ىرٚ
ءاضف ٍي عاؼش مكش ٗهػ جسٕظهن فطأ صلاخرسا ىرٚ
مٛهحرنا كثطٚ اْذؼت،شٛثك ذؼت ٔر
مٛهحرنا كثطٚ اْذؼت،شٛثك ذؼت ٔر
ذؼثنا ضٛفخرن ٙطخنا شٛغ ٘ضًٛٛرنا
.
لا حٛيصسإخ واذخرسات ىرٛف فُٛظرنا ايأ
"
لا حٛيصسإخ واذخرسات ىرٛف فُٛظرنا ايأ
.
ذؼثنا ضٛفخرن ٙطخنا شٛغ ٘ضًٛٛرنا
"
k
k
"
سإظ بشلأ "
سإظ بشلأ
حٚذٛهللإا حفاسًنات حسامي
.حٚذٛهللإا حفاسًنات حسامي
.
ساثرخلا
ساثرخلا
خاٛطؼًنا جذػال واذخرسات حٛثٚشعذ حساسد ءاشظإ ىذ ،غشرمًنا فطإنا حٛناؼف
خاٛطؼًنا جذػال واذخرسات حٛثٚشعذ حساسد ءاشظإ ىذ ،غشرمًنا فطإنا حٛناؼف
F FGG--NNEETTٔ
ٔ
لٕكٕذٔشت
لٕكٕذٔشت
(
(
LLeeaavvee--oonnee--ppeerrssoonn--oouutt)
)
شًؼنات حمهؼرًنا خاساسذنا ىظؼي ٙف آًياذخرسا ىرٚ ٌازهنا
.شًؼنات حمهؼرًنا خاساسذنا ىظؼي ٙف آًياذخرسا ىرٚ ٌازهنا
.
جسٕط ٍٛت ٍسنا قساف كنزكٔ ّظٕنا حخٕخٛش حهحشئ ًَٕ حهحشي شٛشأذ ٍي لاك دهًش حساسذنا
جسٕط ٍٛت ٍسنا قساف كنزكٔ ّظٕنا حخٕخٛش حهحشئ ًَٕ حهحشي شٛشأذ ٍي لاك دهًش حساسذنا
ححشرمًنا حُٛمرنا حٛناؼف ٗهػ جذػامنا ٙف جدٕظًٕنا جسٕظنأ حتٕهطًنا ّظٕنا
.ححشرمًنا حُٛمرنا حٛناؼف ٗهػ جذػامنا ٙف جدٕظًٕنا جسٕظنأ حتٕهطًنا ّظٕنا
.
حطاخٔ آُي كمحرنأ داشفلأا حْٕٚ ذٚذحذ ٔأ حفشؼًن فطإنا ازْ واذخرسا ىػذذ حساسذنا ِزْ طئارَ
حطاخٔ آُي كمحرنأ داشفلأا حْٕٚ ذٚذحذ ٔأ حفشؼًن فطإنا ازْ واذخرسا ىػذذ حساسذنا ِزْ طئارَ
ىْساًػأ صٔاعرذ ٙرنا داشفلأن حثسُنات
ىْساًػأ صٔاعرذ ٙرنا داشفلأن حثسُنات
40
40
٘ٔاسٚ ٔأ ملأ ٍسنا قساف ٌٕكٚ ايذُػ كنزكٔ ،اياػ
٘ٔاسٚ ٔأ ملأ ٍسنا قساف ٌٕكٚ ايذُػ كنزكٔ ،اياػ
20
20
حُس
.حُس
.
ةيحاتفلما تماكللا
ةيحاتفلما تماكللا
حخٕخٛش ،ّظٕنا ًَٕ ،ٍسنا وذمذ شثػ ّظٕنا ٗهػ فشؼرنا ،ٖٕرحًنا للاخ ٍي سٕظنا ٍػ سحثنا
حخٕخٛش ،ّظٕنا ًَٕ ،ٍسنا وذمذ شثػ ّظٕنا ٗهػ فشؼرنا ،ٖٕرحًنا للاخ ٍي سٕظنا ٍػ سحثنا
غطمرًنا واًرنا ةٛظ مٕٚحذ ،ٙطخنا شٛغضًٛٛرنا مٛهحذ ،حناؼفنا شٓظًنا ضراًَ ،ّظٕنا
.غطمرًنا واًرنا ةٛظ مٕٚحذ ،ٙطخنا شٛغضًٛٛرنا مٛهحذ ،حناؼفنا شٓظًنا ضراًَ ،ّظٕنا
.
- vv-
-Liste des figures
Figure 1.1- Exemples d'images de visage prises à différents âges ……….…………... 007
Figure 2.1- Architecture d'un système typique de recherche d'images par le contenu… 012 Figure 2.2- Différents propriétés de texture………...……….. 013
Figure 2.3- Deux images différentes avec histogrammes de couleur similaires……….. 016
Figure 2.4- Représentation macroscopique et microscopique d'une texture ………... 017
Figure 2.5- Illustration de la direction et la distance utilisées dans la GLCM………. 018
Figure 2.6- Séparation de deux classes de données par SVM………... 031
Figure 2.7- Exemple d'un SVM-BDT………. 034
Figure 2.8- Courbe de rappel et précision du système Ikona……….. 039
Figure 3.1- Les étapes principale d'un système de reconnaissance faciale…………. 044
Figure 3.2- Exemple d’un visage d’une même personne subissant des variations de pose……… 047
Figure 3.3- Effets de variations dans les directions d’illumination sur l’apparence d’un visage……… 048
Figure 3.4- Exemple d'images extraites à partir de la base de données d'expressions faciales JAFEE……….. 049
Figure 3.5- Exemples d'occultations partielles (Base de données AR)……….. 049
Figure 3.6- Exemples d'images d'un individu, les images sont de la base de données de visages ORL……….. 050
Figure 3.7- Le concept de l'ACP……….. 052
Figure 3.8- L'image moyenne à gauche, suivie par les sept premières Eigenfaces…………. 054
Figure 3.9- Un exemple de projection de deux classes sur un axe ACP et sur un axe ADL. 056 Figure 3.10- Images de base obtenues avec la méthodes ACI pour l’architecture 1 en haut et pour l’architecture 2 en bas……… 057
Figure 3.11- Processus de reconnaissance de visage basé sur les modèles actifs d'apparence……… 059
Figure 3.12- Caractéristiques géométriques utilisées dans ……..………. 060
Figure 3.13- Mesures géométriques utilisées dans ……..……… 061
Figure 3.14- Exemple d'un visage divisé en six régions locales sous forme d'ellipse……….. 062
Figure 3.15- Exemple d' une image de visage originale, sa projection (SOM-Face) et l'image reconstruite………. 062
Figure 3.16- Technique de division du visage………... 063
Figure 3.17- Le graphe Elastic Graph Matching sous forme d'une grille rectangulaire sur une image de visage comparée à une image de référence ……….. 064
Figure 3.18- Le Face Bunch Graph (FBG) représenté d'un point de vue artistique et scientifique……… 065
- vvii-
-Figure 4.1- Simulation de la progression d'âge de l'âge X à l'âge Y……… 075
Figure 4.2- Anthropométrie du visage……….. 077
Figure 4.3- Résultats de transformation d'âge sur des individus différents……… 077
Figure 4.4- Configuration des différents types de muscles faciaux……….. 078
Figure 4.5- Les 48 points de repère qui sont utilisés ainsi que leur correspondance avec les muscles faciaux de la figure 3.4 ……… 078
Figure 4.6- Un aperçu du modèle de vieillissement facial proposé dans ……...………. 079
Figure 4.7- Exemples d'images faciales obtenues par simulation du processus de vieillissement d'un individu âgé de 2 ans……….. 080
Figure 4.8- Pyramide d'orientation du gradient………. 081
Figure 4.9- Calcul de la pyramide des LBP à partir d'une image……….. 082
Figure 4.10- Un exemple de conversion des coordonnées cartésiennes aux coordonnées polaires……… 083
Figure 4.11- Les dérivés (drifts) des traits faciaux de quelques visages à différent âges… 083 Figure 4.12- Illustration des différente étapes de l'approche TED-GM pour la reconnaissance de visage invariante à l'âge……… 085
Figure 4.13- Représentation des caractéristiques locales d'une image d'un visage…………. 087
Figure 4.14- Un exemple d'un individu à différents âges……… 088
Figure 5.1- Différentes étapes pour le calcul du descripteur……… 091
Figure 5.2- Classes de points d'intérêts……….. 093
Figure 5.3- Exemple d'un visage de la base de donnée FG-NET annoté par 68 points de repère et d'une main annotée par 56 points de repère……….. 093
Figure 5.4- Un exemple d'un ensemble de formes non alignées……… 094
Figure 5.5- Un exemple d'un ensemble de formes alignées………...……….. 095
Figure 5.6- Image originale, sa forme et sa texture à l'intérieur de la forme……… 096
Figure 5.7- Propriétés de Delaunay ….……… 097
Figure 5.8- Exemple de déformation de texture………. 098
Figure 5.9- images Normalisées d'une personne à différents âges……….. 099
Figure 5.10- Formation du vecteur des caractéristiques dans le domaine de la DCT……… 100
Figure 5.11- Images normalisées d’une personne à des âges différents et leur images reconstruites………. 102
Figure 6.1- Exemples d'images d'individus avec des différences d'âge ……… 109
Figure 6.2- Alignement manuel…..……… 111
Figure 6.3- Courbe CMC pour les expérimentations faites sur la base de données FG-NET……….. 114
Figure 6.4 - Taux de reconnaissance versus nombre de coefficients de basse fréquence mis à zéro……… 115
Figure 6.5- Image normalisée d'une personne et les images reconstruites en mettant à zéro un pourcentage de coefficients de basse fréquence………. 115
- vviiii--
Liste des tableaux
Tableau 6.1- Taux de reconnaissance au rang-1 (identification) et taux d’erreurs égales
(vérification)……… 113
Tableau 6.2- Comparaison de performances pour la reconnaissance de visage invariante à la progression d'âge………. 116
Tableau 6.3- Taux d'identification versus différence d'âge……….. 119
Tableau 6.4- Détails des groupes d'âge………. 120
- vviiiiii-
-Liste des acronymes
A
A
ACI: Analyse en Composantes Indépendantes
ACP (PCA): Analyse en Composantes Principale (Principal Component Analysis)
ADL (LDA): Analyse Discriminante Linéaire ( Linear discriminant analysis)
ANMRR: Average Normalized Modified Retrieval Rank
C
C
CBIR: Content Based Images Retrieval
CMC-C: Cumulative Match Characteristic Curve
CSLBP: Center-Symmetric Local Binary Patterns
CSS: Curvature Scale Space
D
D
DLTP: Differential Local Ternary Patterns
E
E
EBGM: Elastic Bunch Graph Matchnig
EGM: Elastic Graph Matching
F
F
FCM: Fuzzy c-means
FERET: Facial Evaluation REcognition Test
FG-NET: Face and Gesture recognition Research Network
FRVT: Face Recognition Vendor Test
G
G
GLCM: Gray Level Co-occurrence Matrix
GMM: Gaussian Mixture Models
GOP: Gradient Orientations Pyramid
I
I
ILBP: Improved Local Binary Patterns
INFACE: Illumination Invariant Face Recognition Toolbox
K
KFA: Kernel Fisher Analysis
K-ppv: K-Plus Proches Voisins
L
LBP: Local Binary Patterns
LFA: Local Features Analysis
- iixx-
-LXP: Local XOR Pattern
M
MAA (AAM): Modèle Actif d'Apparence (Actif Appearence Model)
MBLBP: Multi-Scale Block Local Binary Pattern
MDL: Multiview Discriminative Learning
MFDA: Multi-Feature Discriminant Analysis
MMC: Modèles de Markov Cachés
MPEG: Moving Picture Experts Group
N
NMRR: Normalized Modified Retrieval Rank
P
Phd: Pretty Helpful Development
PSO: Particle Swarm Optimization
R
ROC- C: Receiver Operating Characteristic Curve
RVB (RGB): Rouge Vert Bleu (Red Green Blue)
S
SGBD: Système de Gestion de Base de Données
SIFT: Scale Invariant Feature Transform
SOM: Self Organizing Maps
SVM : Séparateurs à Vastes Marges (Support Vector Machines)
T
TBIR: Text Based Images Retrieval
TCD (DCT): Transformée en Cosinus Discrète (Discret Cosine Transform)
TED-GM: Texture Embedded Discriminative Graph Matching
TEE (EER): Taux d'Erreurs Egales (Equal Error Rate)
TFA (FAR): Taux de Fausses Acceptations (False Accept Rate)
TFR (FRR): Taux de Faux Rejets (False Reject Rate)
TPLBP: Three Patch Local Binary Pattern
TSV(HSV): Teinte Saturation et Valeur (Hue Saturation Value)
U
UDP Unsupervised Discriminant Projection
W
--xx-
-T
T
a
a
b
b
l
l
e
e
d
d
e
e
s
s
m
m
a
a
t
t
i
i
è
è
r
r
e
e
s
s
R Reemmeerrcciieemmeennttss--- -R Rééssuumméé --- -A Abbssttrraacctt--- -صخلم صخلم--- -L Liisstteeddeessffiigguurreess--- -L Liisstteeddeessttaabblleeaauuxx--- -L Liisstteeddeessaaccrroonnyymmeess--- -T Taabblleeddeessmmaattiièèrreess--- -C CHHAAPPIITTRREE11 IInnttrroodduuccttiioonnggéénnéérraallee --- -1 1..11IInnttrroodduuccttiioonn --- -1 1..22MMoottiivvaattiioonneettccoonnttrriibbuuttiioonn --- -1 1..33SSttrruuccttuurreeddeellaatthhèèssee--- -i i i iii i iiiii i ivv v v v viiii v viiiiii x x 0 00011 0 00022 0 00055 0 0008 8 P PaarrttiieeII:: IInnttrroodduuccttiioonnssuurrlleeddoommaaiinneeddeerreecchheerrcchhee --- - 000099 C CHHAAPPIITTRREE22PPrriinncciippeessffoonnddaammeennttaauuxxddeellaarreecchheerrcchheedd''iimmaaggeessppaarrllee c coonntteennuu --- -2 2..11IInnttrroodduuccttiioonn --- -2 2..22DDeessccrriippttiioonndd''iimmaaggeess --- -2 2..22..11DDeessccrriipptteeuurrssddeeccoouulleeuurr --- -2 2..22..22DDeessccrriipptteeuurrssddeetteexxttuurree --- -a a)) LLeessmméétthhooddeessssttaattiissttiiqquueess --- -b b)) LLeessmméétthhooddeessbbaassééeessssuurrllaammooddéélliissaattiioonn --- -c c)) LLeessmméétthhooddeessssppaattiioo--ffrrééqquueennttiieelllleess --- -2 2..22..33DDeessccrriipptteeuurrssddeeffoorrmmee --- -2 2..22..33..11DDeessccrriipptteeuurrssddeeffoorrmmeebbaassééssssuurrlleessccoonnttoouurrss --- -2 2..22..33..22DDeessccrriipptteeuurrssddeeffoorrmmeebbaassééssssuurrlleessrrééggiioonnss --- -a a)) LLeessmmoommeennttssggééoommééttrriiqquueess --- -b b)) LLeessmmoommeennttssoorrtthhooggoonnaauuxx --- -2 2..22..44CCoommbbiinnaaiissoonnddeeddeessccrriipptteeuurrss--- -2 2..33 MMeessuurreessddeessiimmiillaarriittéé --- -2 2..44 SSttrruuccttuurreedd''iinnddeexxaattiioonn --- -2 2..55 LLeesstteecchhnniiqquueessdd''aapppprreennttiissssaaggee --- -2 2..55..11LLeesstteecchhnniiqquueessdd''aapppprreennttiissssaaggeessuuppeerrvviisséé --- -2 2..55..22 LLeesstteecchhnniiqquueessdd''aapppprreennttiissssaaggee nnoonnssuuppeerrvviisséé --- -2 2..66SSppéécciiffiiccaattiioonnddeellaarreeqquuêêttee --- -2 2..77RReettoouurrddeeppeerrttiinneennccee --- -2 2..88 EEvvaalluuaattiioonnddeessppeerrffoorrmmaanncceess --- -010 011 012 013 016 018 019 019 020 020 021 021 023 025 026 029 030 030 034 036 037 038--xxii- -2 2..99 CCoonncclluussiioonn --- 040 C CHHAAPPIITTRREE33 RReeccoonnnnaaiissssaanncceeaauuttoommaattiiqquueeddeevviissaaggee --- -3 3..11IInnttrroodduuccttiioonn --- -3 3..22 AApppplliiccaattiioonnssddeellaarreeccoonnnnaaiissssaanncceeffaacciiaallee --- -3 3..33DDiiffffiiccuullttééssrreennccoonnttrrééeessppaarrlleessssyyssttèèmmeessddeerreeccoonnnnaaiissssaanncceeaauuttoommaattiiqquueedduu v viissaaggee --- -3 3..44TTeecchhnniiqquueessddeeddeessccrriippttiioonnddeevviissaaggee --- -3 3..44..11LLeessaapppprroocchheessgglloobbaalleess --- -3 3..44..11..11 LL''aannaallyysseeeennccoommppoossaanntteesspprriinncciippaalleess --- -3 3..44..11..22 LL''aannaallyysseeddiissccrriimmiinnaanntteelliinnééaaiirree,,AADDLL --- -3 3..44..11..33 LL''aannaallyysseeeennccoommppoossaanntteessiinnddééppeennddaanntteessAACCII --- -3 3..44..11..44 LLeessmméétthhooddeessddeepprroojjeeccttiioonnnnoonnlliinnééaaiirreess --- -3 3..44..11..55 LLeessmmooddèèlleessaaccttiiffssdd''aappppaarreennccee --- -3 3..44..11..66 LLeessrréésseeaauuxxddeenneeuurroonneess --- -3 3..44..22 LLeessaapppprroocchheessllooccaalleess --- -3 3..44..22..11 LLeessaapppprroocchheessggééoommééttrriiqquueess --- -3 3..44..22..22 LLeesstteecchhnniiqquueessmmoodduullaaiirreess --- -3 3..44..22..33 LLeessMMooddèèlleessddeeMMaarrkkoovvCCaacchhééss((MMMMCC)) --- -3 3..44..22..44 LLeessaapppprroocchheessbbaassééeessssuurrlleessggrraapphheess --- -a a)) LL''EEllaassttiiccGGrraapphhMMaattcchhiinngg((EEGGMM)) --- -b b)) LL''EEllaassttiiccBBuunncchhGGrraapphhMMaattcchhiinngg((EEBBGGMM)) --- -3 3..44..33LLeessaapppprroocchheesshhyybbrriiddeess--- -3 3..55lleessaapppprroocchheessbbaassééeessssuurrllaattrraannssffoorrmmééeeeennccoossiinnuussddiissccrrèèttee--- -3 3..66 LL''iiddeennttiiffiiccaattiioonn((llaarreeccoonnnnaaiissssaannccee)) --- -3 3..66..11CCllaassssiiffiiccaattiioonnppaarrkk--pplluusspprroocchheessvvooiissiinnss --- -3 3..66..22CCllaassssiiffiiccaattiioonnppaarrrréésseeaauuxxddeenneeuurroonneess --- -3 3..66..33CCllaassssiiffiiccaattiioonnppaarrSSVVMM --- -3 3..77 MMeessuurreessdd’’éévvaalluuaattiioonn --- -3 3..77..11VVéérriiffiiccaattiioonn --- -3 3..77..22IIddeennttiiffiiccaattiioonn --- -3 3..88CCoonncclluussiioonn --- -042 043 045 046 051 051 051 054 056 057 057 059 060 060 061 063 063 064 065 065 066 068 068 068 069 069 069 071 071 C CHHAAPPIITTRREE44 RReeccoonnnnaaiissssaanncceeddeevviissaaggeeiinnvvaarriiaanntteeàà llaapprrooggrreessssiioonn d d’’ââggee --- -4 4..11 IInnttrroodduuccttiioonn --- -4 4..22LLeesstteecchhnniiqquueessddeerreeccoonnnnaaiissssaanncceessddeevviissaaggeessiinnvvaarriiaanntteessààllaapprrooggrreessssiioonn d d''ââggee --- -4 4..22..11 LLeessaapppprroocchheessggéénnéérraattiivveess --- -4 4..22..22LLiimmiitteessddeessaapppprroocchheessggéénnéérraattiivveess--- -4 4..22..33 LLeessaapppprroocchheessnnoonnggéénnéérraattiivveess --- -4 4..44CCoonncclluussiioonn --- -073 074 074 075 080 081 088 P PaarrttiieeIIII:: CCoonnttrriibbuuttiioonn--- 008899