Contribution à la Reconnaissance/Authentification de Visages 2D/3D
No Thumbnail Available
Date
2017
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
L’analyse de visages 3D y compris la reconnaissance des visages
et des expressions faciales 3D est devenue un domaine actif de recherche
ces dernières années. Plusieurs méthodes ont été développées en utilisant
des images 2D pour traiter ces problèmes. Cependant, ces méthodes pré sentent un certain nombre de limitations dépendantes à l’orientation du
visage, à l’éclairage, à l’expression faciale, et aux occultations. Récemment,
le développement des capteurs d’acquisition 3D a fait que les données 3D
deviennent de plus en plus disponibles. Ces données 3D sont relative ment invariables à l’illumination et à la pose, mais elles restent sensibles
à la variation de l’expression. L’objectif principal de cette thèse est de pro poser de nouvelles techniques de reconnaissance/vérification de visages
3D et de reconnaissance d’expressions faciales 3D. Tout d’abord, une mé thode de reconnaissance de visages en utilisant des matrices de covariance
comme des descripteurs de régions de visages est proposée. Notre mé thode comprend les étapes suivantes : le prétraitement et l’alignement de
visages, un échantillonnage uniforme est ensuite appliqué sur la surface
faciale pour localiser un ensemble de points de caractéristiques. Autours
de chaque point, nous extrayons une matrice de covariance comme un
descripteur de région du visage. Deux méthodes d’appariement sont ainsi
proposées, et différentes distances (géodésiques / non-géodésique) sont
appliquées pour comparer les visages. La méthode proposée est évaluée
sur trois bases de visages GAVAB, FRGCv2 et BU-3DFE. La deuxième par tie de cette thèse porte sur la reconnaissance des expressions faciales 3D.
Pour ce faire, nous avons proposé d’utiliser les matrices de covariances
avec les méthodes noyau. Dans cette contribution, nous avons appliqué le
noyau de Gauss pour transformer les matrices de covariances en espace
d’Hilbert. Cela permet d’utiliser les algorithmes qui sont déjà implémen tés pour l’espace Euclidean (i.e. SVM) dans cet espace non-linéaire. Des
xv
expérimentations sont alors entreprises sur deux bases d’expressions fa ciales 3D (BU-3DFE et Bosphorus) pour reconnaitre les six expressions
faciales prototypiques