Optimisation hybride mono et multi objectifs de modèles actifs d'apparence 2. 5D pour l'analyse de visage

• Auteur / Autrice : Abdul Sattar
• Direction : Jacques Palicot, Renaud Séguier
• Type : Thèse de doctorat
• Discipline(s) : Traitement du signal et télécommunications
• Date : Soutenance en 2010
• Etablissement(s) : Rennes 1
• Ecole(s) doctorale(s) : École doctorale Mathématiques, télécommunications, informatique, signal, systèmes, électronique (Rennes)
• Partenaire(s) de recherche : autre partenaire : Université européenne de Bretagne (2007-2016)

Mots clés

Mots clés contrôlés

Algorithmes génétiques

Traitement d'images

Perception des visages

Résumé

L'équipe SCEE de Supélec travaille dans le domaine de la radio logicielle et intelligente, encore appelée Radio Cognitive (CR - Cognitive Radio). Dans cette thèse, nous avons présenté une solution pour l'analyse de visage temps réel dans un équipement de radio cognitive. Dans ce cadre particulier, nous proposons des solutions d'analyse de visage, à savoir «l'estimation de la pose et des caractéristiques faciale d'un visage inconnu orienté ». Nous proposons deux systèmes d'alignement de visages. 1) Le premier exploite un AAM 2. 5D et une seule caméra. La phase d'optimisation de cet AAM est hybride: elle mixe un algorithme génétique et une descente de gradient. Notre contribution tient dans l'opérateur de descente de gradient qui travaille de concert avec l'opérateur classique de mutation : de cette manière sa présence ne pénalise pas la vitesse d'exécution du système. 2) Le second met en œuvre un AAM 2. 5D mais exploite plusieurs caméras. La recherche de la meilleure solution découle également d'une approche hybride qui mixe une optimisation multi-objectifs : le NSGA-II, avec une descente de gradient. Notre contribution tient dans la proposition d'une méthode efficace pour extraire des informations concernant la pertinence de chacune des vues, ces informations sont ensuite exploitées par la descente de gradient. Des comparaisons quantitatives et qualitatives avec d'autres approches mono et multi-objectifs montrent l'intérêt de notre méthode lorsqu'il s'agit d'évaluer la pose et les traits caractéristiques d'un visage inconnu.

In this study we are interested in the pose estimation and precise localization of face features such as the eyes, the nose and the mouth of an out-of-plane rotated unknown face. Main application of this thesis work is in the Cognitive Radio equipments. We place ourselves within the framework of a low quality acquisition with camera(s) installed on Cognitive Radio equipments e. G. Mobile phone, laptop, desktop computers etc. The face pose and localization of facial features in an unconstrained environment are the major problems for CR equipment. All of its subsequent face related applications (e. G. Face recognition, face synthesis, face data compression etc. ) highly depend upon the methods used for the facial analysis system. In order to extract face features, we use the Active Appearance Models (AAM), deformable models allowing shape and texture to be jointly synthesized. We initially propose a new 2. 5D AAM, based on 3D model, which makes it possible to perform pose estimation and features localization of an oriented face. Secondly, we propose a new optimization methodology for the face search by AAM, in a single camera system, by the hybridization of deterministic and direct search method which has never been used and tested before. Our method hybridizes Gradient Descent (GD) inside the Genetic Algorithm (GA) in a unique way. Along with other operators of GA we propose gradient operator which works in conjunction with the mutation operator of GA thus it does not make the system computationally expensive. Finally for a complete facial analysis system by multiple cameras, we proposed a new concept of multi-objective AAM. In this method, facial images from multiple cameras are analyzed simultaneously by 2. 5D AAM. For the face search optimization we propose a unique way of hybridizing GD with NSGA-II (Non-dominating Search Genetic Algorithm-II). Both of our propositions are robust, real time, efficient and extract facial features even in unknown and out-of-plane rotated faces.