[av_hr class=’default’ shadow=’no-shadow’ position=’center’ custom_border=’av-border-thin’ custom_width=’50px’ custom_border_color= » custom_margin_top=’5px’ custom_margin_bottom=’5px’ icon_select=’yes’ custom_icon_color= » icon=’ue808′ font=’entypo-fontello’ av_uid=’av-kjh3zw’ admin_preview_bg= »

Summary:

Le domaine de la vérification de la parenté a attiré beaucoup d’attention ces dernières années en raison de sa capacité à améliorer les systèmes biométriques en tant que biométrique souple pour la vérification du visage (traits de parenté). Parmi ces applications, citons la création d’arbres généalogiques, l’organisation d’albums de famille, l’annotation d’images, la recherche d’enfants disparus et la criminalistique. Dans cette thèse, la vérification de la parenté faciale sur les images faciales est étudiée. À cette fin, nous commençons avec les méthodes de vérification de parenté basées sur les fonctionnalités, les méthodes de vérification de parenté basées sur l’apprentissage métrique et les méthodes de vérification de parenté basées sur l’apprentissage profond par convolution. Notre système proposé comprend trois phases principales à savoir : 1) extractions de caractéristiques, 2) proposition d’un nouvel espace de transformation, 3) décision de vérification de la parenté. Notre système est validé sur différentes bases de données. Les résultats obtenus montrent une grande amélioration, en termes de robustesse et de précision, pour la vérification de la parenté faciale sur les bases de données grandes et petites et notre système est aussi bien adapté aux applications en temps réel.

Abstract:

The field of kinship verification has attracted a lot of attention in recent years due to its ability to enhance biometric systems as a flexible biometric for facial verification (kinship traits). Some of these applications include creating family trees, organizing family albums, annotating images, finding missing children, and forensics. In this thesis, facial kinship verification on facial images is studied. To this end, we start with feature-based kinship verification methods, metric learning-based kinship verification methods, and deep convolution learning-based kinship verification methods. Our proposed system consists of three main phases namely: 1) feature extraction, 2) proposal of a new transformation space, 3) kinship verification decision. Our system is validated on different databases. The obtained results show a great improvement, in terms of robustness and accuracy, for facial relatedness verification on large and small databases and our system is also well suited for real-time applications.