Résumé:
Dans ces derniers temps, la vérification de la parenté à partir du visage humain a attiré
beaucoup d'attention dans les domaines de la vision par ordinateur et de la reconnaissance de
formes en raison de ses applications importantes dans de nombreux domaines tels que la
recherche historique et généalogique, science médico-légale, recherche des membres de la
famille disparus, analyse des médias sociaux, et l’identification des proches à partir d'une
collection de photos et récupération d'images. De nombreuses approches ont été proposées
mais les performances ne sont pas encore atteintes vu aux difficultés reconnues dans la
conception des systèmes de vérification de parenté. Dans ce mémoire, nous avons proposé
deux schémas de vérification de parenté. Le premier schéma est basé sur quatre algorithmes
d'extraction de caractéristiques à savoir le LBP, HOG, TPLBP et FPLBP. Une phase de
classification utilisant le classifieur KPPV basé sur la métrique de similarité cosinus est
utilisée afin de tester les caractéristiques extraites. Alors, deux architectures basées sur
l’apprentissage profond (CNN) sont proposées dans le deuxième schéma de vérification de
parenté. En validant ces schémas de vérification de parenté sur les deux bases de données
KinFaceW-I et KinFaceW-II, nous avons dégagé une amélioration considérable des taux de
vérification de parenté en comparaison aux récentes approches.
