Analyse faciale basée polynômes

Face analysis using polynomials

• Auteur / Autrice : Cristina Bordei
• Direction : Philippe Carré, Pascal Bourdon, Bertrand Augereau
• Type : Thèse de doctorat
• Discipline(s) : Traitement du signal et des images
• Date : Soutenance le 03/03/2016
• Etablissement(s) : Poitiers
• Ecole(s) doctorale(s) : École doctorale Sciences et ingénierie pour l'information, mathématiques (Limoges ; 2009-2018)
• Partenaire(s) de recherche : Laboratoire : Signal, Image, Communication
• Partenaire(s) de recherche : faculte : Université de Poitiers. UFR des sciences fondamentales et appliquées
• Jury : Président / Présidente : Kidiyo Kpalma
• Jury : Examinateurs / Examinatrices : Philippe Carré, Pascal Bourdon, Bertrand Augereau, Pierre Chainais
• Jury : Rapporteurs / Rapporteuses : Kidiyo Kpalma, Renaud Séguier

Mots clés

Mots clés contrôlés

Expression du visage

Optimisation mathématique

Traitement d'images

Perception des visages

Polynômes

Mots clés libres

Base polynomiale

Modèle

Texture

Visage

Polynomial base

Model

Texture

Face

Résumé

Considéré comme l'un des sujets de recherche les plus actifs et visibles de la vision par ordinateur, de la reconnaissance des formes et de la biométrie, l'analyse faciale a fait l'objet d'études approfondies au cours des deux dernières décennies. Le travail de cette thèse a pour objectif de proposer de nouvelles techniques d'utilisation de représentations de texture basées polynômes pour l'analyse faciale.<br>La première partie de cette thèse est dédiée à l'intégration de bases de polynômes dans les modèles actifs d'apparence. Nous proposons premièrement une manière d'utiliser les coefficients polynomiaux dans la modélisation de l'apparence. Ensuite, afin de réduire la complexité du modèle nous proposons de choisir et d'utiliser les meilleurs coefficients en tant que représentation de texture. Enfin, nous montrons comment ces derniers peuvent être utilisés dans un algorithme de descente de gradient.<br>La deuxième partie de la thèse porte sur l'utilisation des bases polynomiales pour la détection des points/zones d'intérêt et comme descripteur pour la reconnaissance des expressions faciales. Inspirés par des techniques de détection des singularités dans des champ de vecteurs, nous commençons par présenter un algorithme utilisé pour l'extraction des points d'intérêt dans une image. Puis nous montrons comment les bases polynomiales peuvent être utilisées pour extraire des informations sur les expressions faciales. Puisque les coefficients polynomiaux fournissent une analyse précise multi-échelles et multi-orientation et traitent le problème de redondance efficacement ils sont utilisés en tant que descripteurs dans un algorithme de classification d'expression faciale.

As one of the most active and visible research topic in computer vision, pattern recognition and biometries, facial analysis has been extensively studied in the past two decades. The work in this thesis presents novel techniques to use polynomial basis texture representations for facial analysis.<br> The first part of this thesis, is dedicated to the integration of polynomial bases in the Active Appearance Models - a set of statistical tools that proved to be very efficient in modeling faces. First we propose a way to use the coefficients obtained after polynomial projections in the appearance modeling. Then, in order to reduce model complexity we proposed to select and use as a texture representation the strongest polynomial coefficients. Finally we show how in addition to the texture representation polynomial coefficients can be used in a gradient descent algorithm since polynomial decomposition is equivalent to a filter bank.<br>The second part of the thesis concems the use of the polynomial bases for interesting points and areas detection and as a descriptor for facial expression recognition. We start by presenting an algorithm used for accurate image keypoints localization inspired by techniques of singularities detection in a vector field. Our approach consists in two major steps: the calculation of an image vector field of normals and the keypoint selection within the field both presented in a multi-scale multi resolution scheme. Finally we show how polynomial bases can be used to extract informations about facial expressions. Polynomial coefficients are used as descriptors in an facial expression classification algorithm.