Authentification Faciale Par l'Apprentissage Profond

Abstract

L’authentification faciale joue un rôle essentiel dans les systèmes biométriques et de sécurité. Elle consiste à authentifier une ou plusieurs personnes d’une manière automatique, en fonction des bases de données stockées au préalable.

Ce projet vise à utiliser les images biométriques afin d’améliorer les performances d’authentification des modalités choisies en général et les modalités faciale en particulier. En règle générale, Le principe des approches d’authentification des visages présentées dans la littérature extrait les caractéristiques (descripteurs) du visage d’un individu et les compare à celles extraites et stockées au préable dans la base de données. Le but est de trouver la meilleure ressemblance (matching)

En second lieu, ce projet aussi vise à développer un système d’authentification biométrique multimodale. Ce dernier sera possible en utilisant les outils de reconnaissance appropriés qui respectent un protocole bien précis.

Le langage Python est le langage de programmation utilisé via la plate-forme PySide ainsi que les différentes bibliothèques offertes par ce langage de programmation. En outre, la technique "Deep-Learning", s’est mise à l’exploiter, ce qui surenchère des meilleures performances par rapport au techniques existante dans l’état de l’art.

Face recognition plays a vital role in both biometric and security applications, which consists to authenticate one or many subject in an automatic manner depending on the facial databases stored.

This project aims to enhance face images in order to improve the authentications rate and the performance of the face modality. An in-depth study of the dierent solutions existed in the field of biometric guided us on a new approach of face recognition.

Typically, face authentication approaches extract the facial landmarks of an individual in the seek to compare it to a database and finally to find the best Matching.

Another goal of this project is to develop a biometric authentication system. The latter will be possible by using the appropriate recognition programs that respect a given protocol. Finally, platform as well as Python libraries have been used. Furthermore, Deep-Learning approach will be operated that others the best performance compared to the state of the art.