BOUAOUINA Rafik

A
l’`ere technologique d’aujourd’hui, la biom´etrie joue un rˆole essentiel
dans de nombreux domaines tels que la s´ecurit´e, l’identification personnelle,
les syst`emes de v´erification et la m´edecine l´egale. Au cours des
trois derni`eres d´ecennies, d’importantes recherches ont ´et´e consacr´ees `a
la cr´eation de syst`emes biom´etriques fiables utilisant les caract´eristiques
biologiques et comportementales humaines, chacun offrant des avantages
et des d´efis uniques.
L’oreille humaine apparaˆıt comme une modalit´e biom´etrique prometteuse
en raison de ses caract´eristiques uniques et de ses avantages par
rapport `a d’autres m´ethodes telles que la num´erisation du visage, des
empreintes digitales ou de l’iris. La biom´etrie auriculaire offre un processus
transparent sans n´ecessiter de mouvements physiques de la part
des utilisateurs. Cependant, d´etecter l’oreille avec une cam´era classique
n´ecessite des algorithmes sp´ecifiques avant identification. Ces derni`eres
ann´ees ont vu une attention accrue et des progr`es dans le domaine de la
biom´etrie de l’oreille, couvrant la d´etection, la pr´eparation, l’extraction
de caract´eristiques, la v´erification et l’identification.
L’apprentissage profond, un domaine de l’intelligence artificielle en
pleine expansion, a consid´erablement progress´e grˆace aux am´eliorations
de la puissance de traitement informatique, de la disponibilit´e des donn´ees
et des algorithmes innovants. Les r´eseaux de neurones convolutifs (CNN),
con¸cus pour la reconnaissance d’images et de vid´eos, ont obtenu un succ`es
remarquable dans des domaines tels que les voitures autonomes, la reconnaissance
faciale et l’analyse d’images m´edicales. Chaque nouveau mod`ele
vise `a rem´edier aux limites des pr´ec´edents, en am´eliorant l’analyse de
donn´ees visuelles complexes. Tout au long de nos recherches, nous avons
abord´e tous les probl`emes identifi´es en utilisant l’apprentissage profond.
Nous avons men´e une ´etude exp´erimentale approfondie introduisant
de nouvelles m´ethodologies pour am´eliorer l’identification des oreilles.
Notre approche pragmatique se concentre sur l’identification et l’utilisation
s´electives de parties distinctives des images. Le cadre propos´e g`ere efficacement
les variations significatives au sein de la mˆeme classe d’images
dans l’ensemble de donn´ees. Nous avons ´egalement introduit une m´ethode
de reconnaissance auditive en deux ´etapes. La premi`ere phase am´eliore
la qualit´e des images de l’oreille en convertissant les images en niveaux
de gris en couleur, en am´eliorant les zones de faible luminosit´e et en corrigeant
les d´efauts visuels. La deuxi`eme phase implique une technique
d’extraction et de classification des caract´eristiques qui guide le CNN
pour qu’il se concentre sur les informations pertinentes, en extrayant et
en ´evaluant uniquement les zones importantes de l’image..
Mots cl´es : Biom´etrie, Reconnaissance de l’oreille, confr