![]() |
SCEE : Signal, Communication et Electronique Embarquée SUPELEC, Campus de Rennes Responsable : PALICOT Jacques (Prenom.Nom at supelec.fr)
|
Détection robuste des éléments faciaux par Modèles Actifs d’Apparence
Sylvain LE GALLOU
Thèse soutenue le 13 novembre 2007
(document de thèse téléchargeable : these_legallou_2007.pdf (5 MOctets !)
Résumé :
Nous nous intéressons à la localisation précise des éléments du visage tels que les yeux, le nez et la bouche. Nous nous plaçons dans le cadre d'une acquisition de faible qualité avec une caméra de type webcam. L'alignement de visage dans un environnement non contraint est un enjeu majeur. En effet, pouvoir interagir avec les machines ou pouvoir reconnaître un visage dans un environnement avec un éclairage et des variations d'illumination non contrôlés, des expressions et poses (orientation 3D) du visage variées, est une problématique ayant de multiples applications y compris pour les systèmes embarqués.
Afin d'extraire les traits caractéristiques du visage, nous utilisons les Modèles Actifs d'Apparence (AAM), modèles déformables permettant à la forme et à la texture d'être conjointement synthétisées. Nos travaux consistent à rendre les AAM plus robustes.
Nous proposons, dans un premier temps, un prétraitement basé sur des cartes orientées pour s'affranchir des variations d'éclairage qui rendent instable l'utilisation des AAM lorsque l'illumination est quelconque.
Nous proposons, dans un second temps, de rendre les modèles d'apparence déformable robustes à la variabilité de la base de données. Afin d'obtenir un modèle déformable s'adaptant à la variabilité de l'objet (ses déformations internes, sa variabilité extrinsèque, ses changements d'apparence sous des prises de vues différentes et sous des illuminations différentes), il faut constituer une base de données d'exemples de l'objet contenant cette variabilité. Malheureusement, plus la variabilité d'une base de données augmente, moins le modèle déformable correspondant a de chance de synthétiser correctement l'objet. C'est pourquoi nous proposons d'adapter le modèle déformable au nouvel objet à analyser grâce à des bases de données et des modèles pré-appris. Notre proposition est à la fois rapide et efficace et permet de traiter un visage inconnu dans un flux vidéo, même lorsque ce visage est animé (variation en pose et en expression).