Thèse soutenue

Analyse des déformations des visages 3D utilisant les chemins géodésiques dans l'espace des surfaces faciales

FR  |  
EN
Auteur / Autrice : Chafik Samir
Direction : Mohamed Daoudi
Type : Thèse de doctorat
Discipline(s) : Informatique
Date : Soutenance en 2006
Etablissement(s) : Evry, Institut national des télécommunications en cotutelle avec Lille 1

Résumé

FR  |  
EN

L'analyse de la forme des surfaces faciales a un intérêt de plus en plus croissant et trouve ses applications dans différents domaines tels que la chirurgie faciale, les communications vidéos, l'animation 3D, les interfaces homme-machine et la biométrie. Nous proposons dans cette thèse une nouvelle approche issue de la géométrie Riemannienne. Elle basée sur la représentation des surfaces faciales par une famille de lignes de niveau dites courbes faciales (2D ou 3D). Dans la première partie de la thèse, nous proposons de comparer deux surfaces faciales à travers les formes planes des courbes faciales. En utilisant la géométrie Riemannienne de l’espace des courbes 2D, nous définissons la notion de chemin géodésique et la distance entre deux surfaces faciales. Les résultats expérimentaux sur la base publique (FRGC V1. 0) démontrent l'efficacité de notre approche pour la reconnaissance de visages 3D. En effet, la courbe ROC montre que l’on peut atteindre un taux de reconnaissance de 97% si on accepte un taux de faux positif de 1%. Dans la deuxième partie de la thèse nous avons défini l’espace des surfaces faciales comme une variété non-linéaire de dimension infinie. Dans cet espace les déformations sont modélisées par des chemins entre deux surfaces faciales. Nous avons, tout d’abord, analysé les surfaces faciales comme étant des points de cette variété. Ensuite, nous avons déterminé les déformations optimales entre deux points de cet espace, comme étant le chemin géodésique qui les relie. La longueur de ce chemin géodésique est une distance "naturelle" entre les surfaces faciales. Enfin, nous avons défini des notions statistiques telles que la variance et la moyenne de Karcher. Les résultats expérimentaux montrent tout l'intérêt de notre approche