UNIVERSITE KASDI MERBAH – OUARGLA-

Faculté des Nouvelles Technologies de l’Information et de la Communication

Département d’informatique et des technologies de l’information

Mémoire
MASTER ACADEMIQUE

Domaine : Mathématique et Informatique

Filière : Informatique
Spécialité : Informatique Industrielle
Présenté par :
Yahiaoui Nassima

Thème :

Un système basé sur la vision par ordinateur

pour la prévention des virus respiratoires
(Cas du Covid-19)

Soutenu publiquement
Le : 17/06/2021

Gérer par :

- Mr AYADI Oussama Encadreur UKM Ouargla

Année Universitaire : 2020/2021

 Introduction Generale

Dédicace

A
Mon père et ma mère et Mon mari

Mes frère et ma sœurs

Mes très proche amies

Toute ma famille

Tous…

Nassima
 Introduction Generale

Remerciement
Avant tous, nous remercions ALLAH, pour nous avoir données

Le pouvoir pour réaliser ce travail.

Un grand merci à mon encadreur Dr.oussama ayadi qui a fourni des

efforts énormes par ses conseils, ses orientations et ses informations.

Nous tenons à remercier les membres du jury et tous les enseignants

dudépartement MATHEMATIQUE ET INFORMATIQUE.

Enfin, nos plus chaleureux remerciements pour toute personne ayant

participé de près ou de loin à la réalisation de ce modeste travail.

 Introduction Generale

Sommaire :

INTRODUCTION GENERALE
1. Contexte et Problématique
2. Objective
3. Organisation du mémoire
CHAPITRE 1 : LA VISION PAR ORDINATEUR
Introduction
1.1 La vision par ordinateur……………………………..………………………………..…..01
1.2 Les application de la vision par ordinateur ……………………....………..……..………02

1.3 La deference entre La reconnaissance d’image et la Machine Vision …..…….……....…03

Conclusion
CHAPITRE 2 : METHODES DE CLASSIFICATION DES IMAGES
2.1 Système d'IA de surveillance à distance sociale et de détection de masque facial pour
Covid-19 ……………………….……………………………………………………….……05
2.2 Explication détaillée ……………………….….…………..…………….....………..….05

2.3 Détection de personne …………………………………………………………………..05

2.4 Détection de visage ……………….…………………………………….……………......06

2.6 Surveillance à distance sociale à l'aide de DBSCAN

Algo……………………………………………………………………………………….......07

2.7 Pipeline d'architecture……………………………..…………………………..……….....08

2.8
Résultats……………………………………….……………………………….……….........09

2.9Avantages et inconvénients …………................................................................................09

2.10 Portée future …………………………………………………………....…………......09

CHAPITRE 3 : Les methodes de vision par ordinateur

Introduction
3.1 BASES DE LA RECONNAISSANCE DE VISAGES ……………..…………………12

3.2 Types de représentations du visage………………………………………………..……12

3.3 Architecture de base d’un système de reconnaissance de visages ………………..…….12

3.4 MODULES D’UN SYSTÈME DE FRiVS ET MÉTHODES CONSIDÉRÉES ………..13

 Introduction Generale

3.4.1 Détection de visages …………………….………………………………………….….14

3.4.2Extraction de caractéristiques …………………………….……………………………14

3.4.3 Méthodes par projection ……………………………………………………………….14

3.4.4 Méthodes de vision …………………………………………………………..………15

3.4.5 L'analyse d'une image ………………………………………………………………....17

CHAPITRE 4 : Implimentation et Evaluation

Introduction
4.2 Conception du système de detection de masque ………………………………………..18
4.3 Choix de l’environnement (langage) ……………………………………...…………….19

4.4 l’interface de l’environnement PYTHON 3.9 …………………………………………..20

4.5Les phases de système de detection ……………………………………………..………20

4.6 Le Code source de programme de detection de masque …………………………………21

4.7 L’interface de l’application ……………………………………………..………………22

4.7.1 On a choisit des photos ……………………………………………………..…………23
4.7.3 l’application destingue le resultat ……………………………………………………24
conclusion
CONCLUSION GENERALE
BIBLIOGRAPHIE
Introduction Generale
 Introduction Generale

Introduction :

Contexte et Problématique :

La maladie à coronavirus 2019 ou Covid-19 est une maladie de

type zoonose virale causée par SARS-CoV-2. Les symptômes les plus fréquents
sont la fièvre, la toux, la fatigue et la gêne respiratoire. Dans les formes les plus
graves, notamment chez les personnes plus fragiles du fait de leur âge ou en cas
de comorbidités.

De nos jours, avec la mécanisation de tous les secteurs de l'économie et surtout

de la modernisation Identifier une personne à partir de son visage est une tâche
aisée pour les humains.

En est-il de même pour une machine ? Ceci définit la problématique de la

reconnaissance automatique de visages, qui a engendré un grand nombre de
travaux de recherche au cours des dernières années.

1.1- Objective :
Parmi les solutions informatiques qu’on va l’adopter est la vision par
ordinateur (aussi appelée vision artificielle ou vision numérique), c’est une
branche de l'intelligence artificielle dont le principal but est de permettre à une
machine d'analyser, traiter et comprendre une ou plusieurs images prises par un
système d'acquisition (par exemple : caméras, etc.).
C’est une approche qui consiste à tenter d'imiter la vision humaine par le
truchement de composants électroniques. Cette manière de procéder peut être
perçue comme un traitement des données visuelles par le biais de modèles
fondés sur la géométrie, la physique, la biologie, les statistiques et la théorie
d’apprentissage (les applications de reconnaissance).
 Introduction Generale

Notre objective est d’implémenter une application de reconnaissance en utilisant

les principes de la vision par ordinateur et Machine Learning qu’à partir d’une
base d’images.

1.3- Organisation du mémoire :

Notre travail s'inscrit au domaine de la detection des images, pour réaliser notre
application, nous avons organisé le mémoire en quatre chapitres,incluant cette
introduction générale et se termine par une conclusion générale, comme suit :
 Le premier chapitre :il présente quelque notion de la vision par
ordinateur base sur l'image numérique et quelques descripteurs(Locaux et
globaux) de l'image.
 Dans le second chapitre :presente le notion de reconnaissance d’image et
la deference entre ce dernier notion et la vision par ordinnateur
 Le troisième chapitre : présente les méthodes choisies ainsi que les
différentes étapes qui leurs constituent.
 Dans le quatrieme chapitre, nous le avons consacré à la conception et la
réalisation de notre application en utilisant python et deep learning, pour
faciliter l’implémentation de la detection des images.

En conclusion nous présentons les points de ce travail et quelques perspectives.

Introduction Generale
 Introduction Generale La vision par ordinateur

Introduction :
La vision par ordinateur est un domaine scientifique à part entière, mais une partie de ses
applications est en lien étroit avec l’apprentissage statistique. Elle est d’ailleurs parfois
nommée reconnaissance des formes.
En vision par ordinateur, l'extraction de caractéristiques visuelles (ou visual features
extraction en anglais) consiste en des transformations mathématiques calculées sur les
pixels d'une image numérique.
L’objectif principal de la vision par ordinateur est le développement d’un
systèmeinformatique capable de doter l’ordinateur du sens de vision.

1.1 La vision par ordinateur :

est un domaine scientifique interdisciplinaire qui traite de la façon dont les ordinateurs
peuvent acquérir une compréhension de haut niveau à partir d'images ou de vidéos
numériques. Du point de vue de l'ingénierie, il cherche à comprendre et à automatiser les
tâches que le système visuel humain peut effectuer.

Vue d'artiste d'un Rover automatique explorant la surface de Mars. Il est équipé sur son
sommet de deux caméras vidéo lui conférant une vision stéréoscopique.

Les tâches de vision par ordinateur comprennent des procédés pour acquérir, traiter, analyser
et « comprendre » des images numériques, et extraire des données afin de produire des
informations numériques ou symboliques,

Dans ce contexte, la compréhension signifie la transformation d'images visuelles (l'entrée de

la rétine) en descriptions du monde qui ont un sens pour les processus de pensée et peuvent
susciter une action appropriée. Cette compréhension de l'image peut être vue comme
l’acquisition d'informations symboliques à partir de données d'image à l'aide de modèles
construits à l'aide de la géométrie, de la physique, des statistiques et de la théorie de
l'apprentissage

La discipline scientifique de la vision par ordinateur s'intéresse à la théorie des systèmes

artificiels qui extraient des informations à partir d'images. Les données d'image peuvent
prendre de nombreuses formes, telles que des séquences vidéo, des vues de plusieurs caméras,
des données multidimensionnelles à partir d'un scanner 3D ou d'un appareil de numérisation
médical. La discipline technologique de la vision par ordinateur cherche à appliquer les
modèles théoriques développés à la construction de systèmes de vision par ordinateur.

Les sous-domaines de la vision par ordinateur comprennent la détection d'événements, le

suivi vidéo, la reconnaissance d'objets, l'apprentissage, l'indexation, l'estimation de
mouvement, la modélisation de scènes 3D et la restauration d'image

1
 Introduction Generale La vision par ordinateur

La Computer Vision est une branche de l’Intelligence Artificielle qui a pour objectif
de permettre aux ordinateurs d’interpréter des données visuelles (photos ou vidéo) afin d’en
extraire des informations.

Les données visuelles sont issues de différents capteurs tels que des caméras de
vidéosurveillance ou le smartphone de techniciens de terrain. La Computer Vision est elle-
même constituée de plusieurs branches, dont les deux principales sont la reconnaissance
d’image et la Machine Vision. La première branche, dans laquelle évolue Deepomatic, permet
de mettre en place plusieurs pratiques comme la classification, le tagging, la détection, la
segmentation ou encore l’OCR (Optical character recognition), la reconnaissance optique de
caractères.

Ces tâches sont des algorithmes dits “d’apprentissage supervisé” : ils sont “entraînés” à partir
d’exemples d’images annotées par les concepts qu’il faudrait pouvoir reconnaître, pour
ensuite être capables de prédire les concepts d’intérêt dans des images que l’algorithme n’a
encore jamais rencontrés.

La classification consiste à reconnaître à quelle catégorie appartient une image parmi un

ensemble de catégories prédéterminées. Toutes les données auront obligatoirement une seule
classe. Le tagging (ou classification multi-classes) est une technique similaire à la
classification dans laquelle aucune, une, ou plusieurs classes peuvent être assignées à une
image.

La détection est une technique de reconnaissance d’image utilisée afin de localiser un ou

plusieurs objets d’intérêt dans une image ou une vidéo. Elle permet de délimiter les objets
reconnus par un rectangle sur l’image (appelé bounding box en anglais, une “boîte
englobante”). La segmentation, quant à elle, est une version plus précise de la détection. Elle
permet de détecter au pixel près des éléments de l’image et de cartographier très précisément
chaque objet dans une image.

Enfin, l’OCR est une technique de reconnaissance d’image visant à reconnaître et traduire en
fichier texte des données visuelles de textes imprimés ou dactylographiés.

1.2 Les application de la vision par ordinateur :

Des exemples d'applications de la vision par ordinateur comprennent des systèmes pour:

- Inspection automatique, par exemple dans les applications de fabrication;

- Aider les humains dans les tâches d'identification, par exemple, un système d'identification
des espèces19;

- Contrôle des processus, par exemple, un robot industriel;

- Détection d'événements, par exemple pour la surveillance visuelle ou le comptage de

personnes, par exemple dans l'industrie de la restauration; - Interaction, par exemple en
tant qu'entrée d'un dispositif d'interaction ordinateur-homme;

2
 Introduction Generale La vision par ordinateur

- Modélisation d'objets ou d'environnements, par exemple, analyse d'images médicales ou

modélisation topographique;

- Navigation, par exemple par un véhicule autonome ou un robot mobile

- Organisation des informations, par exemple pour l'indexation de bases de données

d'images et de séquences d'images.

L'apprentissage des formes 3D a été une tâche difficile en vision par ordinateur.

Les progrès récents de l'apprentissage en profondeur ont permis aux chercheurs de créer
des modèles capables de générer et de reconstruire des formes 3D à partir de cartes de
profondeur ou de silhouettes à une ou plusieurs vues de manière transparente et efficace.

1.3 La deference entre La reconnaissance d’image et la Machine Vision :

La reconnaissance d’image et la Machine Vision, deux techniques de Computer Vision avec

leurs avantages et inconvénients :

La Computer Vision et la reconnaissance d’images sont deux termes souvent associés et

même confondus, alors qu’il existe bien une différence (subtile, mais existante !). Nous
avons donc décidé de vous expliquer la nuance entre ces deux notions.

La vision industrielle ou Machine Vision : est une technique différente de la

reconnaissance d’image, mais qui reste issue de la Computer Vision. Il s’agit d’une technique
utilisée principalement dans le secteur industriel, pour la standardisation de la découpe du
métal par exemple. Cette pratique utilise l’identification de points d’intérêts définis à
l’avance et de la géométrie dans un algorithme complexe afin de déterminer la forme de
l’objet à identifier.

La différence fondamentale entre les techniques de reconnaissance d’image et de vision

industrielle est l’utilisation du Machine Learning pour la première, tandis que la seconde ne
l’utilise pas Le Machine Learning permet à un ordinateur “d’apprendre” à partir de données,
c’est-à-dire de résoudre des tâches sans avoir été explicitement programmé pour le faire.

Commençons par la vision industrielle. Elle possède de nombreux avantages :

Contrairement à la reconnaissance d’image, son système n’a pas besoin d’être entraîné. La
solution peut donc être mise en place sans collecte de données d’entraînement au préalable.

La solution utilise des principes géométriques. Elle peut donc s’adapter à de nombreux
sujets.

Le fait d’utiliser des principes géométriques rend la solution très fiable, car ce sont des
principes immuables.

3
 Introduction Generale La vision par ordinateur

Cependant, cette technique présente aussi des inconvénients. Tout d’abord, il s’agit
d’un système compliqué à mettre en place. En effet, il nécessite la création d’algorithmes
géométriques complexes dont l’élaboration ne peut se faire sans un expert. De plus, les
principes immuables de la géométrie et la rigidité des algorithmes rend cette technique peu
adaptable. Pour chaque évolution du sujet à analyser, un nouvel algorithme doit être créé.

La reconnaissance d’image, utilisant le Machine Learning donc, possède des

avantages très différents :
Cette solution est très flexible et peut donc servir dans tout type de secteur. Les réseaux de
neurones s’adaptent rapidement aux changements.

Il n’est pas nécessaire d’être un expert pour bénéficier de la reconnaissance d’image, il suffit
de collecter des images ou des vidéos qui serviront d’exemples de situations à reconnaître.
Cette solution permet donc d’être indépendant tout au long de sa mise en place.

Il s’agit d’une technique très fiable si les réseaux de neurones sont bien entrainés, et les
données d’entrainement bien annotées.

Cependant, comme pour la Machine Vision, la reconnaissance d’image a aussi quelques

inconvénients. En effet, afin d’être efficace, elle nécessite une moyenne de 1000 images par
type d’objet à reconnaître pour être entraînée correctement. Cela veut dire que les
entreprises souhaitant mettre en place une solution de reconnaissance d’image doivent déjà
avoir en leur possession un gros jeu de données dès le début du projet ou à minima un plan
d’action pour les collecter. De manière générale, la mise en place d’une telle solution
nécessite un important travail en amont de sa mise en production, mais permet ensuite de
s’adapter facilement aux évolutions des conditions de production, contrairement à la vision
industrielle.

Conclusion :
La vision par ordinateur est la construction explicite des descriptions significatives d’objets
physiques à partir d’images. C’est un système pour lequel on produit des descriptions de
l’environnement perçu à partir de l’analyse d’images. Ces descriptions doivent contenir les
aspects des objets observés qui sont utiles pour accomplir les tâches auxquelles est dédiée la
machine de vision.

4
Introduction Generale
 Système d'IA de surveillance à distance sociale et de détection de masque facial pour Covid-19
Introduction Generale

2.1 Système d'IA de surveillance à distance sociale et de détection

de masque facial pour Covid-19 :
Ce projet propose un système d'IA basé sur la vision par ordinateur pour vérifier si la
distanciation sociale est maintenue dans un endroit surpeuplé ou à n'importe quel endroit (par
exemple: marché ou lieu de travail) couplé à un système de détection de masque pour suivre
les personnes qui portent des masques. Cette solution peut être utilisée dans les caméras de
vidéosurveillance et autres systèmes de vidéosurveillance. Alors que les données; tels que le
nombre de personnes à proximité, le nombre de personnes violant la distanciation sociale et
ne portant pas de masques faciaux ; a été utilisé pour l'analyse.

2.2 Explication détaillée :

Notre conformité à l'IA consiste en une surveillance de la distanciation sociale de pointe
couplée à un système de détection de masque pour vérifier si les normes sont respectées ou
non. Ce projet vise à surveiller les personnes qui violent la distanciation sociale sur des
séquences vidéo provenant de caméras de vidéosurveillance. Utilise YOLOv3-spp pour
détecter les personnes ainsi qu'un outil d'analyse de la distance sociale simulé avec un facteur
de profondeur 3D basé sur la position et l'orientation de la caméra pour reconnaître les intrus
potentiels. Le détecteur de visage à double injection utilisé pour détecter les visages et un
modèle de classificateur de masque facial (ResNet50) sont formés et déployés pour identifier
les personnes ne portant pas de masque facial.

2.3 Détection de personne :

La première étape consiste à capturer le flux vidéo en direct des caméras de vidéosurveillance
existantes pour détecter des personnes individuelles dans chaque image à l'aide du modèle
yolo v3.

YOLO (You Only Look Once) est un système de détection d'objets en temps réel à la pointe
de la technologie. C'est un modèle spp basé sur la version 3 (pré-entraîné sur le jeu de
données COCO), avec une résolution de 608x608 utilisé dans ce projet pour obtenir les cadres
de délimitation des personnes individuelles dans une image vidéo. Pour obtenir une vitesse de
traitement plus rapide, une résolution de 416x416 ou 320x320 peut être utilisée. YOLOv3-
tiny peut également être utilisé pour l'optimisation de la vitesse. Cependant, cela entraînera
une diminution de la précision de détection. La couche de sortie a été extraite du modèle yolo
v3 qui convient à la détection de personnes. Chaque personne est détectée si le score de
confiance est > 0,5.

5
 Système d'IA de surveillance à distance sociale et de détection de masque facial pour Covid-19
Introduction Generale

2.4 Détection de visage :

Le détecteur de visage à double injection (DSFD) est utilisé tout au long du projet pour
détecter les visages. Les détecteurs de visage courants tels que les Haar-Cascades ou le
MTCNN ne sont pas efficaces dans ce cas d'utilisation particulier car ils ne sont pas capables
de détecter les visages couverts ou à faible résolution. DSFD est également bon pour détecter
les visages dans une large gamme d'orientations. Il est un peu lourd sur le pipeline, mais
produit des résultats précis. Les coordonnées du visage détecté sont ensuite transmises au
modèle de classification de masque.

2.5 Classificateur de masque facial :

Un modèle ResNet50 légèrement modifié (avec des couches de base pré-entraînées sur
imagenet) est utilisé pour classer si un visage est correctement masqué ou non. La
combinaison de certaines couches AveragePooling2D et Dense (avec abandon) se terminant
par un classificateur Sigmoïde ou Softmax est ajoutée au-dessus des couches de base.
Différentes architectures peuvent être utilisées à cette fin, mais les architectures complexes
doivent être évitées pour réduire le surapprentissage. Le modèle doit être entraîné sur des
tonnes de données pertinentes avant de pouvoir l'appliquer en temps réel et de s'attendre à ce
qu'il fonctionne. Il a besoin de beaucoup de puissance de calcul et je veux dire beaucoup!
Nous pouvons essayer nos modèles entraînés sur un petit ensemble de données dans nos
machines locales, mais cela ne produirait pas les résultats souhaités. J'ai donc utilisé des
modèles open source pré-entraînés pour le moment. Nous utilisons donc le modèle formé par
l'équipe de Thang Phamdans ce but. Il s'agit essentiellement d'un modèle ResNet50 avec un
sommet modifié.

6
 Système d'IA de surveillance à distance sociale et de détection de masque facial pour Covid-19
Introduction Generale

Un modèle ResNet50 légèrement modifié (avec des couches de base pré-entraînées sur
imagenet) est utilisé pour classer si un visage détecté est masqué correctement ou non. Une
combinaison de quelques couches de mise en commun moyenne 2D et dense (avec abandon)
se terminant par un classificateur Sigmoïde ou Softmax est ajoutée au-dessus des couches de
base. Si le score de confiance est inférieur à 0,5, cela signifie que le masque facial est présent
alors que si le score de confiance est supérieur à 0,5, cela signifie que le masque facial n'est
pas présent. Nous avons observé que le déploiement du réseau pré- entraîné ResNet50 nous a
apporté un modèle de haute précision ainsi qu'un temps de formation rapide.

2.6 Surveillance à distance sociale à l'aide de DBSCAN Algo :

L'algorithme de clustering DBSCAN est utilisé pour reconnaître les intrus potentiels en
calculant la distance entre chaque cadre de délimitation et en émettant une alerte si deux
personnes ou plus se trouvent sous une certaine distance de seuil, également connue sous le
nom de distance de sécurité minimale devant être maintenue entre les personnes. Ce
paramètre affecterait les résultats, il est donc ajusté en fonction de la séquence capturée par la
caméra de vidéosurveillance. Le tracker de distanciation sociale fonctionne sur la règle des 6
pieds et suit également les personnes qui enfreignent cette règle. Cela complète l'aspect de
distanciation sociale de la solution.

Une fois la personne détectée, nous suivons le centroïde afin d'identifier de manière unique la
personne et de vérifier la distance avec les personnes adjacentes à l'aide de l'algorithme de
clustering de données DBSCAN (Density based spatial clustering of applications with noise)

7
 Système d'IA de surveillance à distance sociale et de détection de masque facial pour Covid-19
Introduction Generale

importé du module scikit-learn. En passant la distance de sécurité minimale en unités de

pixels comme paramètre de l'algorithme ci-dessus, nous définissons les critères pour
déterminer si la distance sociale est maintenue ou non. Si la distance calculée entre les
centroïdes des cadres de délimitation est inférieure aux critères, les deux ID sont ajoutés à la
liste de la zone rouge et les cadres de délimitation sont créés avec les étiquettes = "unsafe"
Système d'IA de surveillance à distance sociale et de détection de masque facial pour Covid-19
pour le même.

2.7 Pipeline d'architecture :

8
 Système d'IA de surveillance à distance sociale et de détection de masque facial pour Covid-19
Introduction Generale

2.8 Résultats
Comme nous pouvons le voir, le système identifie les personnes dans le cadre et place des
cadres de délimitation vert clair, rouge foncé ou orange si elles sont en sécurité (Aucun
risque), à risque élevé ou à risque faible respectivement. Les lignes de connexion entre les
personnes indiquent le niveau de proximité entre les personnes (le rouge indique très proche
et le jaune indique proche). Après avoir détecté la personne, le système détecte également le
visage et identifie si la personne est masquée ou non en mettant un cadre de délimitation vert
ou rouge. Le statut est affiché dans une barre en bas, montrant tous les détails. Ce sont des
résultats assez décents compte tenu de la complexité du problème que nous avons entre nos
mains.

2.9Avantages et inconvénients :
2.9.1 Avantages :
Comme nous pouvons le voir, le système d'IA identifie les personnes dans le cadre et leurs
visages (s'il est visible) et met des cadres de délimitation verts ou rouges s'ils sont
respectivement en sécurité ou non et détecte correctement les visages masqués. Le statut est
affiché dans une barre en haut, montrant tous les détails. Ce sont des résultats assez décents
compte tenu de la complexité du problème que nous avons entre nos mains et peuvent être
déployés dans des solutions d'IA de surveillance CCTV.

2.9.2 Désavantages :
Le modèle doit être entraîné sur des tonnes de données pertinentes avant de pouvoir
l'appliquer en temps réel et de s'attendre à ce qu'il fonctionne. Il a besoin de beaucoup de
puissance de calcul et je veux dire beaucoup! Nous pouvons essayer nos modèles entraînés
sur un grand ensemble de données dans des machines virtuelles cloud, ce qui pourrait
produire des résultats souhaitables. Pour l'instant, j'ai utilisé des modèles open source pré-
entraînés.

2.10 Portée future :

Certaines optimisations peuvent être faites sous forme de vectorisation. Pour obtenir la
position d'une personne, il existe différentes approches. L'un d'eux utilisant simplement les
centres des boîtes englobantes, celui utilisé dans ce projet. L'autre utilise la transformation de
perspective d'OpenCV pour obtenir une vue d'ensemble des positions, mais ce genre de
besoin nécessite un cadre de points de référence assez précis. Son utilisation augmente
également un peu la complexité du système. Cependant, s'il est mis en œuvre correctement, il
produira sans aucun doute de meilleurs résultats. Pour l'instant, nous nous en tenons à la
première approche. N'oubliez pas qu'il y a toujours place à amélioration !

9
Introduction Generale
 Introduction GeneraleBASES DE LA RECONNAISSANCE DE VISAGES

Introduction
L’intelligence artificielle, et notamment la reconnaissance d’image, aura bientôt une place
prépondérante dans nos vies quotidiennes. Les possibilités induites par cette technologie sont
considérables, car elle va améliorer les services existants et en créer de nouveaux, impulser de
nouvelles opportunités économiques et ainsi redéfinir les standards de nos industries.

La reconnaissance d’image connaît déjà de nombreuses utilisations au quotidien, et dans des

domaines très variés. Par exemple, elle permet de rendre votre appareil photo numérique plus
intelligent ou d’améliorer le contrôle de qualité des produits de grande consommation sur les
lignes de production. Les possibilités induites par cette technologie sont immenses.

3.1 BASES DE LA RECONNAISSANCE DE VISAGES :

Les systèmes de reconnaissance de visages (FR) sont caractérisés par plusieurs composantes

tout dépendamment du mode d’application dans lequel ils sont employés, des données
utilisées pour l’entraînement des modèles de visages, des données employées durant le
mode d’opération, ainsi que des préalables d’utilisation imposés par leur contexte
d’application.

À ce chapitre, certaines des différentes modalités applicables aux systèmes de FR

seront introduites afin de mieux situer le reste du projet, les motivations de certaines
approches, et les développements réalisés.

3.2 Types de représentations du visage :

Lorsque observés à très haut niveau, les systèmes FR sont habituellement catégorisés en trois

grandes familles afin de parvenir à définir une méthode de représentation des visages
en mémoire [8, 26, 122, 150], de sorte à pouvoir exploiter ces représentations pour entraîner
un système de classification qui pourra à son tour identifier ou vérifier l’identité d’un
individu.

Ces familles regroupent (1) les approches holistiques (template matching), c’est-à-dire dont le

visage est globalement représenté par un ensemble de caractéristiques discriminantes

d’un visage à l’autre, (2) les approches locales (feature-based), qui extraient des
caractéristiques particulières à certains points d’intérêt du visage comme les yeux, le
nez, la bouche et le pourtour de la mâchoire, et finalement (3) les approches hybrides qui
exploitent en symbiose les deux techniques précédentes.

3.3 Architecture de base d’un système de reconnaissance de

visages :
L’ensemble des sections précédentes démontrent clairement à quel point il y possible
d’obtenir des systèmes de FR extrêmement variés, malgré que ceux-ci accomplissent tous un
10
 Introduction GeneraleBASES DE LA RECONNAISSANCE DE VISAGES

objectif de nature relativement similaire. Il en est de même pour les architectures permettant
de représenter le séquencement des étapes principales employées en reconnaissance de
visages.

Dit autrement, malgré que les algorithmes utilisés aux plus bas niveaux de chaque application
de FR puissent grandement varier d’un cas à l’autre, en considérant non seulement tous les
types de catégories présentées jusqu’à présent, mais également les modes spécifiques
d’opérations envisageables, l’architecture à plus haut niveau est en tout point similaire d’un
cas à l’autre.

La mise en place un système de FR complet requiert trois étapes majeures, soit (1) la
détection de visage (face detection, FD) à partir des images ou séquences vidéo, (2)
l’extraction de caractéristiques (feature extraction, FE) permettant de décrire et encoder
l’apparence d’un visage sous forme numérique ou binaire, et finalement, (3) la
classification de visages (face classification, FC) à proprement parlé pour accomplir la FR
qui permet d’identifier ou vérifier la présence d’un individu dans scène en entrée [8, 122,
150]. La Figure 3.1 représente cette architecture sous sa forme la plus traditionnelle et
simplifiée.

Figure 3.1 Architecture fondamentale des systèmes de reconnaissance de visage

3.4 MODULES D’UN SYSTÈME DE FRiVS ET MÉTHODES

CONSIDÉRÉES :
Ce chapitre présentera une vue d’ensemble sur les multiples modules qui composent
un système de FRiVS spécifiquement pour le cas de S2V-FR entraîné par SSPP.
Certains algorithmes qui ont pu avoir été considérés lors de la réalisation du projet, ainsi que
quelques justifications des choix, seront discutés lorsqu’opportuns. Il faut noter que toutes les
méthodes ne sont pas employées dans le résultat final, mais seulement les techniques jugées
comme plus adéquates selon la problématique visée et les défis rencontrés. Ainsi, cette
section donnera un aperçu de méthodes existantes, mais ne sera en aucun point une liste
exhaustive de toutes les possibilités associées à chacune des catégories explorées. Les lecteurs
seront donc invités à se référer aux références bibliographiques ou autres publications en
littérature afin d’obtenir plus de détails sur les technologies et algorithmes existants qui
pourraient les intéresser davantage.

11
 Introduction GeneraleBASES DE LA RECONNAISSANCE DE VISAGES

3.4.1 Détection de visages :

Il existe un très grand nombre de méthodes permettant d’accomplir la première étape d’un

système de FR, c’est-à-dire la détection de la position de régions d’intérêt des visages sur les

images ou vidéos. La technique la plus répandue est sans doute l’algorithme proposé par les

auteurs Viola-Jones [129, 130, 131], portant le même nom. La détection VJ consiste à

appliquer plusieurs faibles classificateurs en cascade (d’où le nom alternatif cascade classifier

de l’algorithme) qui ont été entraînés à progressivement valider avec de plus en plus de
rigueur la présence de caractéristiques Haar bien précises et qui représentent la réponse
typique d’un visage.

Des exemples de ce type de caractéristiques Haar sont présentés à la Figure 3.2

Figure 3.2 :Représentations de caractéristiques Haar employées par Viola-Jones [84]

Figure3.3 Classificateurs faibles en cascade de l’algorithme Viola-Jones [130]

3.4.2Extraction de caractéristiques :
Afin d’accomplir la reconnaissance de visages, il est nécessaire de représenter ceux-ci dans un

hyper-espace augmenté de caractéristiques, dont des classificateurs entraînés à partir

12
 Introduction GeneraleBASES DE LA RECONNAISSANCE DE VISAGES

d’exemples appropriés pourraient classifier adéquatement. Ainsi, les techniques d’extraction

de caractéristiques (FE) discriminantes pour représenter les visages sont requises pour
un système de FRiVS. De manière générale, trois sous-classes de descripteurs de la
catégorie template-matching sont définies en littérature [67, 69], soit (1) les méthodes par
projection, (2) les méthodes de vision et, (3) les méthodes par apprentissage de
caractéristiques. Celles -ci seront présentées aux sous-sections qui suivent.

3.4.3 Méthodes par projection :

Les approches par projection en FR regroupent autant les techniques génériques permettant la

réduction de dimensionnalité des vecteurs descripteurs caractérisant les visages, tels que PCA

ou LDA, que les méthodes très spécifiques pour la reconnaissance de visages comme
les représentations par eigenfaces ou fisherfaces. Ces techniques ont maintes fois été
appliquées au domaine de la reconnaissance de visages [14, 69, 72, 88, 118, 124, 125, 135].
Le principe général des techniques se base sur le fait que plusieurs des caractéristiques
existantes dans l’hyper-espace servant à caractériser les visages sont extrêmement
redondantes. Ainsi, étant donné la corrélation élevée existant à travers certaines
combinaisons de features, il devient possible de les projeter selon un système d’axes
différent, à plus petite dimensionnalité, et où chaque dimension (ou nouvelle feature
générée) est bien plus discriminante et non corrélée aux autres données qu’initialement.

Ainsi, les pixels formant l’image de la personne à reconnaître peuvent être

similairement projetés afin de trouver des combinaisons pondérées des valeurs de pixels
pour former des sous-représentations de celui-ci. En ne sélectionnant que les quelques
premières représentations les plus décorrélées, nous obtenons des visages discriminants
pouvant être classifiés. Ces méthodes sont particulièrement efficaces pour les cas où la
dimensionnalité des vecteurs générés est trop grande et que l’on veut la réduire. En effet, les
grands vecteurs utilisés pour la classification causent habituellement le problème de curse
of dimensionality [16, 40, 51, 67], soit lorsque les caractéristiques ne deviennent plus
suffisamment discriminantes pour identifier des individus particuliers. Cela est causé par le
fait que l’information redondante qui est distribuée à travers trop de sous éléments
provoque de très faibles variations à travers l’ensemble des valeurs. Les faibles
variations de caractéristiques deviennent alors à peine percevables à travers le bruit
naturellement généré par les variations de conditions d’acquisition sur un même visage.
Cette catégorie de descripteurs est donc principalement basée sur l’analyse des données et
les manières de les représenter autrement, ou les compresser, sans toutefois perdre la majorité
des informations pertinente à la classification de visages.

3.4.4 Méthodes de vision :

Les approches de FE basées sur les méthodes de vision sont celles qui sont fondées sur les

variations de gradients des pixels formant l’image du visage, de techniques morphologiques

13
 Introduction Generale BASES DE LA RECONNAISSANCE DE VISAGES

afin d’appliquer des masques sur les pixels, ou des analyses en fonction des couleurs
de l’image. Cette catégorie regroupe ainsi les approches traditionnelles de feature
engineering, qui sont obtenues en se basant sur des propriétés sélectionnées selon des
objectifs précis. Étant donné la variété de la catégorie, il existe une abondance de
méthodes, mais les quelques exemples suffiront à démontrer pourquoi elles sont considérées
handcrafted.

Une première approche de ce type qui est souvent ressortie en littérature pour la FR est le

descripteur LBP [2, 53, 148, 149, 151, 152]. Celui-ci est conceptualisé dans l’objectif
de caractériser des patterns de textures très spécifiques, à partir des tons de gris dans l’image.
La technique se base sur un seuillage des pixels autour d’une valeur centrale dans une fenêtre

localisée, afin d’encoder binairement si les pixels voisins sont supérieurs ou inférieurs à
celleci, d’où le nom Local Binary Patterns. Ce procédé d’encodage est représenté à la
Figure3.4.

Les occurrences de combinaisons binaires observées sur l’image sont ensuite accumulées
dans un histogramme, tel que montré à la Figure 2.13, après filtrage à un maximum de 59
features pour supprimer les patrons irréalistes selon les observations accomplies dans le mode
réel.

Figure 3.4 : encodage des pixeles et l’histogramme de caracteristique

14
 BASES DE LA RECONNAISSANCE DE VISAGES
Introduction Generale

3.4.5 L'analyse d'une image :

Comme son nom l'indique, une image numérique est une représentation numérique qui prend
souvent la forme de matrices à dimensions M x N, où M et N

sont la hauteur et largeur d'une image. La matrice d'une image contient, pour chaque
emplacement interne, une structure permettant de représenter l'intensité moyenne de la
lumière à cet endroit que l'on appelle un pixel. Un pixel n'est toutefois pas une représentation
parfaite de l'information visuelle de ce qu'elle représente, puisque la limitation des capteurs
cause une perte d'information.

En effet différent facteurs p uv nt influencer la perception de la couleur t de la forme d'un

objet, tels que la quantité de lumièr atteignant l'objet, la r'flexion à sa surface ou mêm la
qualité du y tème de capture d image pour l'acqui ition

des donné s.

Cette perte possible d information e t xacerbée lor de l'utili ·ation d capteurs numériques.
Le ystème de vi ion du cerveau humain 'appuie sur la moitié du cortex du cerveau
(Wordenweber et al. 2007) oit environ 30 milliard de neurones et plu ieurs trilliards de
synap e et utili e différents systèmes encore peu connus par 1 chercheurs, d'finis par divers
modèles opposés (Gib on, 1966; Gregory, 1970) afin d enrichir leur données par les
informations déjà connues telles que sa repré ntation 3D, s textur s, ses motif t bi n plus
encore.

Une caméra ne peut offrir eule ce processu et transmet donc une perception ubjec ive
incomplète de 1 environnement perçu. Chaqu pixel de l'image peut alors seulement repré
enter 1 inten it, moyenn de luminance pour son emplacem nt nomm' l x.y t toute
information supplémentair nécessite 1 utilisation de plusieurs système additionnels pour le
enrichir.

Figure3.5 : representation des l’intensite

15
Introduction Generale
 Implementation
Introduction Generale

4.1Introduction :
La maladie à coronavirus 2019 ou Covid-19 est une maladie de type zoonose virale
causée par SARS-CoV-2. Les symptômes les plus fréquents sont la fièvre, la toux, la fatigue
et la gêne respiratoire. Dans les formes les plus graves, notamment chez les personnes plus
fragiles du fait de leur âge ou en cas de comorbidités.
Après avoir présenté dans le chapitre précédent les méthodes, l’objectif de ce chapitre est
d’étudier, définir et de mettre en place un système de detection de masque. Ce chapitre donne
une vue plus détaillée sur le travail réalisé pour la detection de masque.

4.2 Conception du système de detection de masque :

La première étape consiste à choisir une collection d’images à partir d’un moteur de recherche
internet (ex. : Google) comme illustré dans la figure suivante :

16
 Introduction Generale Implementation

4.3 Choix de l’environnement (langage) :

Pour assurant une implémentation robuste du notre application,je avonsopté l’environnement
PYTHON 3.9 et deep learning.
Python et deep learning sent des langages dynamique et interactif orienté sur les objets. Il
vous permet d'utiliser modules, exceptions, syntaxe dynamique, classes et des types de
données de haut niveau. Il est souvent comparé à d'autres langages comme Perl, Ruby ou
Java.
La bibliothèque standard couvre des domaines comme les processeurs de chaîne de caractères
(expressions régulières, Unicode, comparaison de tailles de fichiers), protocoles Internet
(HTTP, FTP, SMTP, POP, XML), interface des systèmes (appels système, systèmes de
fichiers, sockets TCP/IP, connexion de serveurs web).
sent définissent comme un langage facile à utiliser. Il utilise une syntaxe élégante qui permet
au code source d'être facilement lu. Il est multiplateforme, donc il fonctionne sous Windows,
MacOS, Linux, etc.
et cela pour de nombreuses raisons :

 Code facile à comprendre et très lisible et une aide très bien faite.
 Propose un ensemble complet d'algorithmes standard de référence.
 Programmation infiniment plus rapide pour le calcul et pour l’affichage.
 Une librairie très riche (descripteurs d’images intégrés).
 Fonctions et d'applications destinées au traitement d'images, à l’analyse, à la
visualisation et au développement d’algorithmes.
 Permet de réaliser de nombreuses opérations, parmi lesquelles l’analysed ’images,
la segmentation d’images, l’amélioration d’images, la suppression du bruit, le
recalaged’images.

17
 Implementation
Introduction Generale

4.4 l’interface de l’environnement PYTHON 3.9 :

4.5Les phases de système de detection

Phase1 : la selection des visage dans les images

Phase2 : la detection des visages porte des mask et les visages ne porte pas de mask
Phase3 :destinguer les resultat

18
 Implementation
Introduction Generale

4.6 Le Code source de programme de detection de masque

try/except
import cv2
import os
import numpy as np
import tensorflow as tf
# Detection de visages
prototxt_path = os.path.join('model_data/deploy.prototxt')
caffemodel_path = os.path.join('model_data/weights.caffemodel')
model = cv2.dnn.readNetFromCaffe(prototxt_path, caffemodel_path)
#Chargement du modèle permettant de détecter le port du masque
modelMasque = tf.keras.models.load_model("QSTOMIT-MASQUE.model")
#Capture de la caméra (idCamera)
cap = cv2.VideoCapture(0)
while True:
image = cap.read()
blob = cv2.dnn.blobFromImage(cv2.resize(image, (300, 300)), 1.0, (300, 300), (104.0, 177.0, 123.0))
model.setInput(blob)
detections = model.forward()
h = image.shape[0]
w = image.shape[1]
for i in range(0, detections.shape[2]):
box = detections[0, 0, i, 3:7] * np.array([w, h, w, h])
(startX, startY, endX, endY) = box.astype("int")

confidence = detections[0, 0, i, 2]
# If confidence > 0.5, save it as a separate file
L’interface de l’application
if (confidence > 0.5):
frame = image[startY:endY, startX:endX]
#Appel du modèle appris pour la detection de masque
capture = cv2.resize(frame, (224, 224))
capture = capture.reshape((1, capture.shape[0], capture.shape[1], capture.shape[2]))
predict = modelMasque.predict(capture)
pasDeMasque = predict[0][0]
avecMasque = predict[0][1]
if (pasDeMasque > avecMasque):
cv2.rectangle(image, (startX, startY), (endX, endY),(0, 0, 255), 2)
cv2.putText(image, "PAS DE MASQUE", (startX, startY-10),cv2.FONT_HERSHEY_SIMPLEX, 0.45, (0, 0, 255), 2)
else:
cv2.rectangle(image, (startX, startY), (endX, endY),(0, 255, 0), 2)
cv2.putText(image, "OK", (startX, startY), cv2.FONT_HERSHEY_SIMPLEX, 0.45, (0, 255, 255), 2)
# Affichage de l'image
cv2.imshow('img', image)
k = cv2.waitKey(30) & 0xff
if k==27:
break
cap.release()
 Introduction Generale Implementation

4.7 L’interface de l’application :

1 :ouvre le dossier pour choisir les image.

2 :la detection des images porte ou nom le mask
3 :la zone des resultat

20
 Introduction Generale Implementation

4.7.1 On a choisit des photos :

4.7.2 La detection de porte de mask :

21
 Implementation
Introduction Generale

4.7.3 l’application destingue le resultat

conclusion :
Nous avons présenté dans ce chapitre notre contribution en essayant de
répondre aux besoins des utilisateurs liés au domaine de detection de porte
de mask, nous y avons développé les principales étapes d’un processus de
detection à savoir .

22
Introduction Generale
 Conclusion Generale
Introduction Generale

Conclusion générale :
Malgré les efforts et les travaux intensifs réalisés dans le domaine de
classification des images, aucune méthode n’est jugé fiable à 100%, Mais au
fur et à mesure les chercheurs essayent d’améliorer les scores pour de
meilleurs résultats.
Dans ce mémoire, nous avons abordé le problème de classification des
images. Plus précisément, nous nous sommes focalisés sur la classification
basée sur le contenu visuel.
Le but de ce travail été d’ajouter une valeur minimale aux travaux de
recherche du domaine de classification des images distinctement, et au
domaine de l’imagerie et la reconnaissance des formes d’une façon générale.
Pour atteindre cet objectif ,nous avons commencé par un état de l’art sur la
vision par ordinateur et les caractéristiques des images, Ensuite, nous avons
étudié les différentes méthodes d’extractions des caractéristiques visuelles.
Enfin nous nous sommes intéressés à l’intégration de nos méthodes
proposées à un système de classification des images.
On a choisi aussi des méthodes comme méthode de classification, ce choix
est justifié par leur principal avantage pour tous les méthodes supervisées,
qui est l’aspect d’"apprentissage" qui permet de développer des systèmes
dynamiques et évolutifs.
Nous avons développé une interface qui permet àl’utilisateur de proposer
facilement un modèle et d’afficher ses résultats de classification, cette
application peut être intégré ou utilisé avec des machines qui possèdent un
environnement d’acquisition des images. De plus ce travail peut être utilise
dans des autre domaines (analyse des images, traitement,
classification…etc.).
Enfin, ce travail reste ouvert pour des travaux de comparaison avec d'autres
méthodes de classification (SVM, méthodes neuronales…..) et d'autres types
de descripteurs (descripteurs de Fourier, ondelette …).

23
 Introduction Generale

BIBLIOGRAPHIE

[1]. [BEDOUHENE] BEDOUHENE. Recherche d’images par le contenu.

Université Mouloud Mammeri, Tizi-Ouzou. Mémoire De Magister.

[2]. [TAIBAOUI 13] Mohamed Taibaoui et Djabbar Djaafer, La découverte

des concepts sémantiques cachés avec plusieurs niveaux d’abstraction pour
la recherche d’images,
Mémoire de Master, Université d’Ouargla, 2013.

[3]. [ABED, H., & ZAOUI, L]. (2011). Système D’Indexation et de Recherche
d’Images par le contenu. Système D’Indexation et de Recherche d’Images par
le contenu, 3.

[4]. [BEN CHIKH, N., & BEN ELZZINE, R.] (2011, 06). LA RECHERCHE
D’IMAGES PAR LA SEMANTIQUE. LA RECHERCHE D’IMAGES PAR LA
SEMANTIQUE. Mémoire de Master informatique académique, département
mathématique at informatique, Université kasdiMarbah Ouargla.

[5]. [LAOUBI, A.] (2014, 06 19). Recherche d’images sémantique basée sur la
sélection automatique des concepts. Mémoire MASTER ACADEMIQUE.
Ouargla, Département d’informatique et des technologies de l’information,
Algérie : UNIVERSITE KASDI MERBAH OUARGLA.

[6]. [LESLOUS, O., & BOUCETTA, M.] (2011, 07 27). Recherche d'images
par le contenu visuel : recherche d'images par le contenu visuel :Mémoire de
master. Ouargla, départementmathématique et informatique,UniversitéKasdi
Merbah.Ouargla

[7]. [LÊ THILAN](2005). indexation et recherche d’images par le contenu.

Mémoire de master. Institut polytechnique de Hanoï.

[8]. [Laalmi Houria, Bassou Oumessàd], Classification Des Feuilles de

Plantes à Base de Moment de Hu, Mémoire de master, Université KASDI
MARBAH OUARGLA, 06/2014.

[9]. [Mme Benyahia Souad Née Belaidi], Application de la classe des

méthodes d’apprentissage statistique SVM (support vector machine) pour la
reconnaissance des formes dans les images, Mémoire de magister, Université
Abou Bakr Belkaid– Tlemcen, 2012.

[10]. [Web, 01] http://fr.wikipedia.org/wiki/Histogramme(Consulté le

14/04/2016)

[11]. [Web, 02]http://fr.wikipedia.org/wiki/Les formats d’images

(22/03/2016).
 Introduction Generale

[12]. [Web, 03] http://www.oms.fr (Consulté le 09/03/2016).

[13]. [Web, 04]http://www.pages-perso-julie-carreau.univ-montp2.fr

(Consulté le 11/03/2016).
[14]. [Web, 05]http://www.grappa.univ-lille3.fr/~ppreux/fouille.(Consulté le
11/03/2016).

[15]. [Web, 06]http://www.iro.umontreal.ca/~vincentp/ift3390.(Consulté le

15/03/2016).

[16]. [Web, 07]https://tel.archives-ouvertes.fr/tel-00541059.(Consulté le

19/05/2016).

[17]. [Web, 08]http://bnt.insa-rouen.fr/.(Consulté le 17/04/2016).

[18]. [Web, 09]http://www.creatis.insa-lyon.fr.(Consulté le 06/05/2016).

[19]. [Web, 10]http://www.inria.fr.(Consulté le 17/05/2016).

[20]. [Web, 11]http://perso.telecom-

paristech.fr/~gramfort/liesse_python/3-Scipy.html.(Consulté le
19/04/2016).

[21]. [Web, 12]http://scikit-learn.org/stable/index.html.(Consulté le

22/02/2016).

[22]. [Web,
13]http://www.loria.fr/~rougier/teaching/matplotlib/matplotlib.html.(Cons
ulté le 05/05/2016).

[23]. [Web, 14]http://jrjohansson.github.io/.

[24]. [Web, 15]http://sysdiag.cnrs.fr.(Consulté le 27/01/2016).

[25]. [Web, 16]http://www.mathworks.com.(plusieurs fois).