Multi-Orientation Hybrid Convolutional Feature Learning for Touch-Less Face-Based Biometric Recognition

Résumé Technique : Apprentissage de Caractéristiques Convolutives Hybrides Multi-Orientations pour la Reconnaissance Biométrique Faciale Sans Contact

Énoncé du Problème
L'article traite du besoin critique de systèmes de vérification d'identité biométriques sécurisés, hygiéniques et sans contact, une exigence accentuée par le passage mondial vers la distanciation sociale et les protocoles de sécurité de l'ère pandémique. Bien que la reconnaissance basée sur le visage offre une modalité pratique sans contact, sa fiabilité est souvent compromise par des variables du monde réel telles que les variations de pose, les changements d'illumination, l'occlusion, les expressions faciales, la dégradation de la qualité de l'image et la présence de masques faciaux. Les systèmes existants, particulièrement ceux reposant sur la biométrie digitale traditionnelle, posent des risques sanitaires dans les environnements publics. Les auteurs identifient une lacune dans les approches actuelles de l'apprentissage profond où les descripteurs de caractéristiques faits à la main (tels que les filtres de contours et de texture) sont souvent utilisés simplement comme étapes de prétraitement ou modules indépendants, plutôt que d'être profondément intégrés aux caractéristiques convolutives apprises pour créer une représentation unifiée et robuste.

Méthodologie
L'étude propose un cadre de Réseau de Neurones Convolutifs (CNN) Hybride Multi-Orientations conçu pour améliorer la représentation des caractéristiques pour la reconnaissance faciale. La méthodologie intègre l'apprentissage profond avec les techniques classiques de vision par ordinateur à travers les étapes suivantes :

1. Acquisition et Prétraitement des Données : Le système utilise trois ensembles de données publics : CASIA-WebFace (200 classes, ~20k images), WIDER FACE (32k images, conditions non contraintes) et le jeu de données de visages LNSONI (9 492 images, incluant des visages avec et sans masque). Les images sont redimensionnées à une résolution uniforme de 128×128.
2. Extraction de Caractéristiques Hybrides :
   • Composante d'Apprentissage Profond : Une architecture CNN standard est employée, composée de quatre blocs convolutifs avec des tailles de filtres croissantes (32, 64, 128, 256), suivis d'une normalisation par lots (Batch Normalization), d'une activation ReLU et d'un Max Pooling.
   • Composante Faite à la Main : Trois opérateurs spécifiques sont appliqués indépendamment aux images d'entrée pour extraire des caractéristiques complémentaires :
     • Filtres de Sobel : Pour détecter les gradients directionnels et améliorer la localisation des contours.
     • Filtre Laplacien : Pour capturer les détails structurels de second ordre et les changements d'intensité brusques (coins/points de repère).
     • Filtres de Gabor Multi-Orientations : Pour capturer l'information de texture et de fréquence à travers plusieurs échelles et orientations (0°, 45°, 90°, 135°, 180°, 360°).
3. Stratégie de Fusion de Caractéristiques : Contrairement aux approches qui utilisent ces filtres uniquement pour le prétraitement, ce cadre réalise une fusion au niveau des caractéristiques. Les vecteurs de caractéristiques extraits par les opérateurs de Sobel, de Laplacian et de Gabor sont concaténés avec les cartes de caractéristiques hiérarchiques générées par le CNN. Ce vecteur combiné est ensuite transmis à des couches denses entièrement connectées (avec régularisation par dropout) et un classificateur Softmax pour l'identification multi-classe.
4. Entraînement et Optimisation : Le modèle est entraîné à l'aide de l'optimiseur Adam avec une perte d'entropie croisée catégorielle. Des techniques d'augmentation de données (retournement, rotation, zoom, ajustement de la luminosité) sont appliquées pour améliorer la généralisation.

Contributions Clés
L'article expose plusieurs contributions spécifiques au domaine de la biométrie sans contact :

• Cadre Hybride Sensible à l'Orientation : La proposition d'une architecture unifiée qui fusionne explicitement des descripteurs sensibles à l'orientation faits à la main (Sobel, Laplacian, Gabor) avec des caractéristiques de CNN profond, plutôt que de les traiter comme des étapes de prétraitement distinctes.
• Apprentissage de Caractéristiques Amélioré par Filtres : La démonstration que la combinaison d'informations de bas niveau sur les contours/textures avec des caractéristiques sémantiques de haut niveau améliore la représentation des motifs faciaux spécifiques à l'identité, particulièrement dans des conditions difficiles comme le port du masque ou une faible luminosité.
• Évaluation Transversale sur Plusieurs Jeux de Données : La validation du modèle proposé à travers trois ensembles de données distincts (CASIA, WIDER FACE, LNSONI) pour tester la robustesse face aux variations de pose, d'illumination, d'occlusion et de masques.
• Évaluation de Performance Étendue : L'évaluation va au-delà de la simple précision, utilisant la Précision, le Rappel, le F1-Score, l'AUC-ROC, le Taux de Faux Accepter (FAR), le Taux de Faux Rejet (FRR) et le Taux d'Erreur Égal (EER) pour fournir une vue holistique de la fiabilité du système.

Résultats Expérimentaux
Le CNN hybride proposé a été comparé à une architecture CNN de base et à diverses études d'ablation (combinant les filtres individuellement).

• Métriques de Performance : Sur le jeu de données CASIA, le CNN hybride proposé a atteint une Précision de 80,21 %, un Rappel de 82,56 % et un F1-Score de 81,79 %.
• Gains Comparatifs : L'approche hybride a systématiquement surpassé le modèle de base basé uniquement sur le CNN. Par exemple, sur CASIA, le CNN de base a obtenu un F1-score de 76,59 %, tandis que le modèle hybride complet a atteint 81,79 %.
• Variabilité des Jeux de Données : Le modèle a maintenu des performances solides sur le jeu de données plus exigeant WIDER FACE (F1-Score : 78,56 %) et le jeu de données LNSONI (F1-Score : 78,92 %), qui inclut des visages masqués.
• Résultats d'Ablation : L'étude a confirmé que chaque filtre contribue positivement, mais que la fusion des trois (Sobel + Laplacian + Gabor) avec les caractéristiques du CNN a produit la performance de reconnaissance la plus élevée, validant la nature complémentaire des caractéristiques de gradient, de structure et de texture.

Signification et Revendications
Les auteurs affirment que leur étude démontre l'efficacité de l'intégration de descripteurs visuels spécifiques au domaine avec l'apprentissage profond pour créer des systèmes biométriques plus robustes. La signification de ce travail réside dans sa capacité à améliorer le comportement de reconnaissance sous des conditions d'imagerie variables sans nécesser des structures de réseau excessivement complexes. En combinant les caractéristiques convolutives apprises avec des descripteurs sensibles à l'orientation, le cadre offre une solution pratique pour la vérification d'identité sans contact dans les environnements publics, institutionnels et de santé.

L'article conclut que, bien que la méthode proposée montre une robustesse améliorée contre les variations de pose, les changements d'illumination et l'occlusion, les travaux futurs devraient se concentrer sur l'extension du cadre à la reconnaissance en ensemble ouvert, l'intégration d'architectures basées sur les Transformers, l'amélioration des mécanismes de préservation de la vie privée et l'amélioration de l'explicabilité pour un déploiement dans le monde réel. Les auteurs soulignent que les résultats actuels fournissent une base de référence précieuse pour le développement de systèmes de sécurité biométriques hygiéniques de prochaine génération.