Identification non-supervisée de personnes dans les flux télévisés. (Unsupervised person recognition in TV broadcast)

Ce travail de these a pour objectif de proposer plusieurs methodes d'identification non-supervisees des personnes presentes dans les flux televises a l'aide des noms ecrits a l'ecran. Comme l'utilisation de modeles biometriques pour reconnaitre les personnes presentes dans de larges collections de videos est une solution peu viable sans connaissance a priori des personnes a identifier, plusieurs methodes de l'etat de l'art proposent d'employer d'autres sources d'informations pour obtenir le nom des personnes presentes. Ces methodes utilisent principalement les noms prononces comme source de noms. Cependant, on ne peut avoir qu'une faible confiance dans cette source en raison des erreurs de transcription ou de detection des noms et aussi a cause de la difficulte de savoir a qui fait reference un nom prononce. Les noms ecrits a l'ecran dans les emissions de television ont ete peu utilises en raison de la difficulte a extraire ces noms dans des videos de mauvaise qualite. Toutefois, ces dernieres annees ont vu l'amelioration de la qualite des videos et de l'incrustation des textes a l'ecran. Nous avons donc re-evalue, dans cette these, l'utilisation de cette source de noms. Nous avons d'abord developpe LOOV (pour Lig Overlaid OCR in Video), un outil d'extraction des textes sur-imprimes a l'image dans les videos. Nous obtenons avec cet outil un taux d'erreur en caracteres tres faible. Ce qui nous permet d'avoir une confiance importante dans cette source de noms. Nous avons ensuite compare les noms ecrits et les noms prononces dans leurs capacites a fournir le nom des personnes presentes dans les emissions de televisions. Il en est ressorti que deux fois plus de personnes sont nommables par les noms ecrits que par les noms prononces extraits automatiquement. Un autre point important a noter est que l'association entre un nom et une personne est intrinsequement plus simple pour les noms ecrits que pour les noms prononces. Cette tres bonne source de noms nous a donc permis de developper plusieurs methodes de nommage non-supervise des personnes presentes dans les emissions de television. Nous avons commence par des methodes de nommage tardives ou les noms sont propages sur des clusters de locuteurs. Ces methodes remettent plus ou moins en cause les choix fait lors du processus de regroupement des tours de parole en clusters de locuteurs. Nous avons ensuite propose deux methodes (le nommage integre et le nommage precoce) qui integrent de plus en plus l'information issue des noms ecrits pendant le processus de regroupement. Pour identifier les personnes visibles, nous avons adapte la methode de nommage precoce pour des clusters de visages. Enfin, nous avons aussi montre que cette methode fonctionne aussi pour nommer des clusters multi-modaux voix-visage. Avec cette derniere methode, qui nomme au cours d'un unique processus les tours de paroles et les visages, nous obtenons des resultats comparables aux meilleurs systemes ayant concouru durant la premiere campagne d'evaluation REPERE