Suivi 2D de visages et de mouvements faciaux

2D tracking of faces and facial actions

• Auteur / Autrice : Soumya Hamlaoui
• Direction : Franck Davoine
• Type : Thèse de doctorat
• Discipline(s) : Technologies de l'information et des systèmes
• Date : Soutenance en 2006
• Etablissement(s) : Compiègne

Mots clés

Mots clés contrôlés

Perception des visages

Filtres (mathématiques)

Algorithmes

Perception visuelle du mouvement

Analyse dimensionnelle

Vidéo

Expression du visage

Processus stochastiques

Mots clés libres

Suivi stochastique du visage

Filtrage particulaire

Algorithme de condensation

Modèles actifs d'apparence

Résumé

Cette thèse traite de la problématique du suivi de visages dans des séquences vidéo. Nos objectifs pratiques se situent à deux niveaux distincts et complémentaires : le mouvement global 2D du visage et les mouvements faciaux internes. La robustesse de l'approche proposée est conditionnée par sa capacité à intégrer des perturbations extérieures telles que les variations d'éclairage et les problèmes d'occultation du visage. Pour cela, nous proposons un suivi stochastique basé sur le filtrage particulaire. La distribution des observations est dérivée soit d'un modèle actif d'apparence, soit d'un modèle d'apparence calculé en ligne. L'évolution du système d'état est décrite par une dynamique guidée par une recherche déterministe. Le nombre de particules est ajusté aux besoins effectifs du suivi à chaque pas temporel. L'utilisation d'une mesure robuste augmente la robustesse du suivi en cas d'occultation. Les tests d'évaluation des méthodes proposées montrent des résultats satisfaisants.

Tracking a face and its facial features in a video sequence is a challenging problem in computer vision. This thesis addresses the problem of tracking the 2D global motion of a face as well as the local motion of its inner features. Ln this thesis, we propose a stochastic approach based on a particle filtering scheme. The observation distribution is derived from an active appearance model, or from an on-Iine estimated appearance model. The dynamics describing the state system evolution are guided by a deterministic research. The particle number is adjusted to the effective needs of the tracking at each time step. This adjustment allows an optimization of the computing time. We also use a robust distance measure which increases the tracking robustness when the face is partially occulted. Experiments on real video show encouraging results.