Ent?te

Logo du LIFL

Depuis le 1er janvier 2015 le LIFL et le LAGIS forment le laboratoire CRIStAL

  1. Actualités

Thèse de

Ahmed Maalej

mercredi 23 mai 2012
TELECOM Lille

Reconnaissance d'Expressions Faciale 3D Basée sur l'Analyse de Forme et l'Apprentissage Automatique

 

Directeur de Thèse : Mohamed Daoudi Rapporteurs : Bülent Sankur et Christophe Garcia Membres : Liming Chen, Zhengyou Zhang, Stefano Berretti et Boulbaba Ben Amor.

 

La reconnaissance des expressions faciales est une tâche difficile, qui a reçu un intérêt croissant au sein de  la communauté des chercheurs, et qui impacte les applications dans des domaines liés à l'interaction  homme-machine (IHM). Dans le but de construire des systèmes IHM  approchant le comportement humain  et émotionnellement intelligents, les scientifiques essaient d'introduire la composante émotionnelle  dans ce type de systèmes.  Le développement récent des capteurs d'acquisition 3D a fait que les données 3D deviennent de plus en plus  disponibles, et ce type de données vient pour remédier à des problèmes inhérents aux données 2D tels que  les variations d'éclairage, de pose et d'échelle et de faible résolution. Plusieurs bases de données 3D du visage  sont publiquement disponibles pour les chercheurs dans le domaine de la reconnaissance d'expression faciale  leur permettant ainsi de valider et d'évaluer leurs approches.  Cette thèse traite le problème la reconnaissance d'expression faciale et propose une approche basée sur  l'analyse de forme pour la reconnaissance d'expression dans un cadre statique (relatif à une seule image) et  dynamique  (relatif à  une séquence vidéo). Tout d'abord, une représentation du modèle 3D du visage basée sur  les courbes est proposée pour décrire les traits du visage.  Puis, une fois ces courbes sont extraites,  l'information de forme qui leur est liée est quantifiée en utilisant un cadre de travail basé sur la géométrie  Riemannienne.  Nous obtenons, par la suite,  des scores de similarité entre les différentes formes locales du visage.  Nous constituons, alors, un vecteur de caractéristiques associées à chaque surface faciale.  Ensuite, ces caractéristiques sont utilisées comme paramètres d'entrée à des algorithmes d'apprentissage  automatique et de classification pour la reconnaissance d'expressions.  Des expérimentations exhaustives sont alors entreprises pour valider notre approche et des résultats sont  présentés et comparés aux résultats des travaux de l'état de l'art.

Ours

UMR 8022 - Laboratoire d'Informatique Fondamentale de Lille - Copyright © 2012 Sophie TISON - Crédits & Mentions légales

Page respectant XHTML et CSS.

Pour tout commentaire / Comments and remarks : webmaster