DIB Soumeya Thème IDENTIFICATION DES INDIVIDUS PAR LES

République Algérienne Démocratique et Populaire
Ministère de l’Enseignement Supérieur et de la Recherche Scientifique
UNIVERSITE DES SCIENCES ET DE LA THECHNOLOGIE D ‘ORAN MOHAMED BOUDIAF
FACULTE DES MATHEMATIQUES ET D’INFORMATIQUE
DEPARTEMENT D’INFORMATIQUE
Option : Simulation et intelligence artificielle
Mémoire présenté par :
DIB Soumeya
Pour l’obtention du diplôme de magister en informatique
Thème
IDENTIFICATION DES INDIVIDUS PAR LES TECHNIQUES
MULTIMODALEs :
APPLICATION SUR LES IMAGES DU VISAGE.
Devant le jury composé de :
Présidente Mme. BELBACHIR Hafida Professeur USTOMB
Rapporteur M. BENYETTOU Mohamed Professeur USTOMB
Examinatrice Mme. FIZAZI Hadria Professeur USTOMB
Examinateur M. BELKADI Khaled MCA USTOMB
Année universitaire: 2014 / 2015

Remerciements
Tout d’abord nous remercions Dieu Tout Puissant de nous avoir donné la force, la volonté, et
le privilège d’étudier et de suivre le chemin de la science ;
Ce travail n'aurait certainement pas pu voir le jour sans le concours de mon directeur
de thèse Pr.BENYETTOU Mohamed, qu'il me soit permis de le remercier pour sa
disponibilité, ses conseils précieux ainsi que pour la confiance qu’il m’a accordée en me
laissant une grande liberté de pensée et de travail.
Mes plus vifs remerciements aux membres du jury, je tiens à saluer votre disponibilité
et je vous remercie infiniment pour avoir accepté d'examiner et évaluer mon travail, en dépit
de vos attachements et la surcharge de vos emplois du temps. Vos lectures et appréciations
contribueront, à coup sûr, à l'enrichissement des idées, déjà développées dans mon travail.
Je tiens à remercier chaleureusement mon chef de travail M. CHAILA Abdelkader
pour sa compréhension et son soutient.
Mes remerciements vont également à toutes les personnes qui ont contribué de près ou de loin
à l’élaboration de ce mémoire.

Dédicaces :
A mes parents
A mes frères et sœurs
A Riad et Nadir
A tous ceux dont le cœur vibre au rythme de mes succès comme de mes échecs…
Soumeya, DIB

Table des figures
Figure.1.1 : Structure d’un système biométrique……………………………………………. ................................. 09
Figure.1.2 : courbes FAR et FRR…………………………………………………………… ............................................. 10
Figure.1.3 : Courbe ROC : Variation du taux de Faux Rejets (FRR) en fonction du taux de Fausses
Acceptations (FAR)…………………………………………………………………. .......................................................... 12
Figure.1.4 : Les différentes modalités biométriques…………………………...……………. ............................... 14
Figure.1.5: Les différents systèmes multimodaux………………………………………..… .................................. 23
Figure.1.6 : Architecture de fusion en parallèle………………………………...…………… .................................. 24
Figure.1.7 : Architecture de fusion en série (incrémentale ou séquentielle)………………… .................... 25
Figure.1.8 : Les différents niveaux de fusion…………………………………………..…… ..................................... 27
Figure. 2.1 : Scores de compatibilité pour différentes technologies biométriques dans un système
MRTD………………………………………………………………………………. ................................................................. 31
Figure. 2.2 :Principe de fonctionnement de base d’un système de reconnaissance faciale..... ........... 32
Figure.2.3 : Exemple de grille d'appariement. (a) grille de référence, (b) grille
correspondante………………………………………………………………………………................................................... 36
Figure.2.4 : Elastic Bunch Graph Matching (EBGM)………………………………………. .................................... 37
Figure. 2.5 : Formes locales typiques des régions d'images utilisées par les méthodes basées sur
l'apparence locale…………………………………………………………………...……. ................................................... 38
Figure.2.6 : Exemple de variation d’éclairage………………………………………………. ..................................... 40
Figure.2.7 : Exemples de variation de poses………………………………………………… ..................................... 41
Figure.2.8 : Exemples de variation d’expressions………………………………...………… .................................. 41
Figure.2.9 : Une classification des algorithmes principaux utilisés en reconnaissance
faciale………………………………………………………………………………………… ....................................................... 42
Figure.3.1 : Exemple de représentation faciale en ondelettes de Gabor : les réponses
en l'amplitude (a) et en phase (b) d'un visage avec 40 noyaux de Gabor (5 échelles, 8
orientations)……………………………………………………………………………………………………………………………..……..47
Figure.3.2 : Passage d’une image vers un vecteur dans un espace vectoriel de grande dimension. Les
coefficients ai,j représentent les valeurs des pixels en niveau de gris, codés de 0 à
255…………………………………………………………………………………… ............................................................... …48
Figure.3.3 : Image moyenne et les 15 eigenfaces…………………………………… .................................... ……..51
Figure.3.4 : Les quatre résultats de la projection d’une image sur Ev. (il y a deux vecteurs propres (u1
et u2) et trois classes d’individus connus (1, 2, 3))……………… ................................................……………..52
Figure.4.1 : Exemple d’un réseau de type perceptron multicouche…………………… ......................... …….58
Figure.4.2: Organigramme de l’algorithme MLP……………………………………… ..................................... ……59
Figure.4.3: réseau de KOHONEN……………………………………………..…............................................. …………61

Figure.4.4 : Les différentes topologies des cartes de KOHONEN……………….............................. ………….61
Figure.4.5 : Les possibilités de voisinage…………………………………… ........................................ ………………64
Figure.4.6 : Exemples d’utilisation des cartes de KOHONEN………………… ................................ …………..66
Figure.5.1 : Exemple d’images de la base de données face94……………………… ............................ ……….72
Figure.5.2 : Exemple d’images de la base de données ORL…………………………… ............................... ……73
Figure.5.3 : Conversion d’une image vers la base RGB……………………………… ................................. …..…75
Figure.5.4 : Les filtres de Gabor appliqués sur image du visage………………………… ............................. ….76
Figure.5.5 : Les étapes de l’approche proposée…………………………………...…… .................................. ……77
Figure.5.6 : Combinaison du filtre de Gabor, ACP et réseaux de neurones…………… ....................... ……78
Figure.5.7 : Exemple de la phase d’apprentissage du réseau de neurones MLP sous Matlab. ............ 78
Figure.5.8 : exemple de la carte rectangulaire (7*7)……………………………..…… ................................. …….80
Figure.5.9 : Voisinage d’ordre 2 pour une carte rectangulaire…………………………… ............................. …81
Figure.5.10 : l’erreur par rapport au nombre d’itérations……………………… ............................ ……...…….83
Figure.5.11 : Temps d’exécution en fonction du nombre de neurones avec différentes distances pour
la base ORL………………..………………………………………… ...................................................................... ………85
Figure.5.12: Temps d’exécution en fonction du nombre de neurones avec différentes distances pour
la base BASE94……………………………..…………………… ................................................................... …………..85
Figure.5.13 : Fenêtre principale de l’application……………………………………… ................................... …….86
Figure.5.15 : La phase de reconnaissance, exemple de la base ORL………… ...........................……………..87
Figure.5.16 : Phase de reconnaissance, exemple de BASE 94…………………….............................. …………88