Le domaine de la vérification de la parenté a attiré beaucoup d’attention ces dernières années en raison de sa capacité à améliorer les systèmes biométriques en tant que biométrique souple pour la vérification du visage (traits de parenté) et un rôle important dans de nombreuses applications de la société (vérification de la parenté). Parmi ces applications, citons la création d’arbres généalogiques, l’organisation d’albums de famille, l’annotation d’images, la recherche d’enfants disparus et la criminalistique. Bien qu’un Le test ADN est le moyen le plus fiable pour la vérification de la parenté, il ne peut pas être utilisé dans de nombreuses situations. La vérification automatique de la parenté à partir d’images faciales peut être réalisée à titre d’exemple dans les scènes de vidéosurveillance. Dans cette thèse, la vérification de la parenté faciale sur les images faciales est étudiée. À cette fin, nous commençons avec les approches précédemment proposées telles que les méthodes de vérification de parenté basées sur les fonctionnalités, les méthodes de vérification de parenté basées sur l’apprentissage métrique et les méthodes de vérification de parenté basées sur l’apprentissage profond par convolution. En outre, le système général de vérification de la parenté faciale est présenté, les défis et les mesures des caractéristiques sont mentionnés. De plus, les différents termes d’évaluation sont illustrés. Conclusion avec les approches proposées et les résultats obtenus sur diverses bases de données. Les systèmes proposés comprennent trois phases principales comme suit: 1) extractions de caractéristiques; 2) analyse des transformations du sous-espace; 3) décision de vérification de la parenté. Le but de l’extraction de traits est d’extraire des représentations discriminantes d’images faciales. Cette phase est importante car les traits de parenté sont très sensibles aux environ- nements non contraints (i.e. images capturées dans des environnements non contrôlés sans aucune restriction termes de pose, d’éclairage, d’arrière-plan, d’expression et d’occlusion partielle). En outre, cela peut affecter la performance de décision finale du système. La phase d’analyse des transformations du sous-espace extrait et sélectionne les traits du visage les plus attrayants et discriminants. Par conséquent, la les caractéristiques sont extraites par une projection des données originales (caractéristiques) de la phase précédente pour obtenir une meilleure discrimination et prendre des décisions plus précises. Dans la dernière phase, la similarité cosinus est utilisée comme la meilleure métrique compatible avec les méthodes d’analyse discriminante (méthodes d’analyse des transformations de sous-espace) et la vérification de parenté. La métrique finale entre deux images faciales est comparée à un seuil pour décider si les images faciales de la paire proviennent ou non de la même famille. Enfin, nos résultats montrent une grande amélioration pour la vérification de la parenté faciale sur les bases de données les plus grandes et les plus petites. En outre, les systèmes proposés ont obtenu une performance robuste et bonne et se comparent favorablement l’état de l’art approche. Les systèmes proposés sont également pratiques pour les applications en temps réel.