Plan
                        Introduction
R´gression sur un mod`le de texture
 e                    e
                    ...
Plan
                                 Introduction
         R´gression sur un mod`le de texture
          e               ...
Plan
                                  Introduction   ISIR et Majority Report
          R´gression sur un mod`le de textur...
Plan
                        Introduction   ISIR et Majority Report
R´gression sur un mod`le de texture
 e                ...
Plan
                        Introduction   ISIR et Majority Report
R´gression sur un mod`le de texture
 e                ...
Plan
                                    Introduction
            R´gression sur un mod`le de texture
             e      ...
Plan
                                    Introduction
            R´gression sur un mod`le de texture
             e      ...
Plan
                                     Introduction
             R´gression sur un mod`le de texture
              e   ...
Plan
                                     Introduction
             R´gression sur un mod`le de texture
              e   ...
Plan
                                  Introduction   Nouvelles m´triques
                                                ...
Plan
                                    Introduction   Nouvelles m´triques
                                              ...
Plan
                                    Introduction       Nouvelles m´triques
                                          ...
Plan
                                  Introduction   Nouvelles m´triques
                                                ...
Plan
                                 Introduction   Nouvelles m´triques
                                                 ...
Plan
                                   Introduction                                                        Nouvelles m´tr...
Plan
                                   Introduction                                                                      ...
Plan
                                 Introduction   Nouvelles m´triques
                                                 ...
Plan
                                 Introduction   Nouvelles m´triques
                                                 ...
Plan
                                Introduction
        R´gression sur un mod`le de texture
         e                  ...
Prochain SlideShare
Chargement dans…5
×

Presentation9juin2010

294 vues

Publié le

0 commentaire
0 j’aime
Statistiques
Remarques
  • Soyez le premier à commenter

  • Soyez le premier à aimer ceci

Aucun téléchargement
Vues
Nombre de vues
294
Sur SlideShare
0
Issues des intégrations
0
Intégrations
2
Actions
Partages
0
Téléchargements
4
Commentaires
0
J’aime
0
Intégrations 0
Aucune incorporation

Aucune remarque pour cette diapositive

Presentation9juin2010

  1. 1. Plan Introduction R´gression sur un mod`le de texture e e Contributions Conclusions & Perspectives Alignement de visages par R´gression e Philippe Phothisane 8 juin 2010 Philippe Phothisane Alignement de visages par R´gression e
  2. 2. Plan Introduction R´gression sur un mod`le de texture e e Contributions Conclusions & Perspectives Introduction ISIR et Majority Report Pr´sentation de Majority-Report e Probl´matique e R´gression sur un mod`le de texture e e Principes de la r´gression e Contributions Nouvelles m´triques e Reconnaissance Adaptation morphologique Conclusions & Perspectives Philippe Phothisane Alignement de visages par R´gression e
  3. 3. Plan Introduction ISIR et Majority Report R´gression sur un mod`le de texture e e Pr´sentation de Majority-Report e Contributions Probl´matique e Conclusions & Perspectives Partenariat Philippe Phothisane Alignement de visages par R´gression e
  4. 4. Plan Introduction ISIR et Majority Report R´gression sur un mod`le de texture e e Pr´sentation de Majority-Report e Contributions Probl´matique e Conclusions & Perspectives Philippe Phothisane Alignement de visages par R´gression e
  5. 5. Plan Introduction ISIR et Majority Report R´gression sur un mod`le de texture e e Pr´sentation de Majority-Report e Contributions Probl´matique e Conclusions & Perspectives Recherche de la pose des visages Philippe Phothisane Alignement de visages par R´gression e
  6. 6. Plan Introduction R´gression sur un mod`le de texture e e Principes de la r´gression e Contributions Conclusions & Perspectives Etapes de l’alignement Alignement d’un mod`le 3D rigide e ◮ D´tection du visage et e initialisation du mod`le e ◮ alignement par r´gression e Philippe Phothisane Alignement de visages par R´gression e
  7. 7. Plan Introduction R´gression sur un mod`le de texture e e Principes de la r´gression e Contributions Conclusions & Perspectives Mod`le de forme et de texture e Texture courante Mod`le align´ e e Pixels pertinents Philippe Phothisane Alignement de visages par R´gression e
  8. 8. Plan Introduction R´gression sur un mod`le de texture e e Principes de la r´gression e Contributions Conclusions & Perspectives Principe math´matique e On souhaite minimiser l’erreur E entre une texture-r´f´rence et la ee texture courante : E (µ) = (I (F (u, µ), t + 1) − T (u, t))2 (1) u∈Ω ◮ Ω l’ensemble des pixels pertinents courant ◮ I(u,t+1) niveau de gris d’un de ces pixels ◮ T (u, t) la r´f´rence correspondante. ee ◮ F (u, µ) transformation d’un pixel u par µ qui g`re les e rotations et translations 3D du mod`le de visage. e Philippe Phothisane Alignement de visages par R´gression e
  9. 9. Plan Introduction R´gression sur un mod`le de texture e e Principes de la r´gression e Contributions Conclusions & Perspectives Principe math´matique e On s’approche it´rativement de la solution µ avec des e transformations ´l´mentaires (Lucas-Kanade) : ee ∂F (u, µ) t ∆µ = −H(u)−1 (Ie (u) ∗ (∇I (u, t + 1) ∗ )) (2) ∂µ u∈Ω ∂F (u,µ) t ∂F (u,µ) ◮ H(u) = u∈Ω (∇I (u, t + 1) ∗ ∂µ ) (∇I (u, t + 1) ∗ ∂µ ), matrice hessienne approxim´e e ◮ Ie(u) = |I (F (u, µ), t + 1) − I (u, t)|, erreur absolue en niveau de gris ∂F (u,µ) t ◮ (∇I (u, t + 1) ∗ ∂µ ) , param`tres de meilleur descente de e gradient Philippe Phothisane Alignement de visages par R´gression e
  10. 10. Plan Introduction Nouvelles m´triques e R´gression sur un mod`le de texture e e Reconnaissance Contributions Adaptation morphologique Conclusions & Perspectives Utiliser un mod`le de r´f´rence et sa variabilit´ pour r´gresser dans e ee e e un espace plus pertinent, comme par exemple le sous-espace principal de l’ACP d’une base de visages. Fig.: Variation de la texture selon un axe de l’ACP. Au centre, le visage moyen qui servait d’unique r´f´rence pr´c´demment.Les deux autres ee e e visages repr´sentent les extr´mit´s de l’axe. e e e Philippe Phothisane Alignement de visages par R´gression e
  11. 11. Plan Introduction Nouvelles m´triques e R´gression sur un mod`le de texture e e Reconnaissance Contributions Adaptation morphologique Conclusions & Perspectives Diff´rentes m´triques e e ◮ SSD : Sum of Squared Difference ◮ DIFS : Distance In Feature Space ◮ DFFS : Distance From Feature Space ◮ LDA : Linear Discriminant Analysis Philippe Phothisane Alignement de visages par R´gression e
  12. 12. Plan Introduction Nouvelles m´triques e R´gression sur un mod`le de texture e e Reconnaissance Contributions Adaptation morphologique Conclusions & Perspectives DIFS & DFFS Projection dans l’espace propre ◮ y= ΦT (x − x) ¯ S´paration des espaces e N yi2 M yi2 N yi2 ◮ d(x) = i =1 λi = i =1 λi + i =M+1 λi M yi2 ◮ DIFS : i =1 λi N yi2 M yi2 ◮ DFFS : i =M+1 λi = d(x) − i =1 λi Philippe Phothisane Alignement de visages par R´gression e
  13. 13. Plan Introduction Nouvelles m´triques e R´gression sur un mod`le de texture e e Reconnaissance Contributions Adaptation morphologique Conclusions & Perspectives L’erreur ` minimiser : a E (µ) = (I (F (u, µ), t +1)−T (u, t))T ∗(I (F (u, µ), t +1)−T (u, t))T (3) devient : E (µ) = (I (F (u, µ), t+1)−T (u, t))T ∗A∗(I (F (u, µ), t+1)−T (u, t))T (4) DFFS : A = Id − ρ ∗ UU T DIFS : A = U ∗ Λ−1 ∗ U T Philippe Phothisane Alignement de visages par R´gression e
  14. 14. Plan Introduction Nouvelles m´triques e R´gression sur un mod`le de texture e e Reconnaissance Contributions Adaptation morphologique Conclusions & Perspectives Utiliser un algorithme de reconnaissance pour assurer la continuit´ e du suivi malgr´ les d´crochages. e e alignement apr`s e visage ”traqu´” e d´crochage e nouvelle d´tection e de visage Philippe Phothisane Alignement de visages par R´gression e
  15. 15. Plan Introduction Nouvelles m´triques e R´gression sur un mod`le de texture e e Reconnaissance Contributions Adaptation morphologique Conclusions & Perspectives Taux de reconnaissance taux de reconnaissance selon le nombre de modes de la SVD utilises 1 SSD DIFS SVD sans poids 0.9 DFFS DIFFS subLDA 0.8 LDA 0.7 taux de reconnaissance 0.6 0.5 0.4 0.3 0.2 0.1 0 0 50 100 150 200 250 300 350 400 450 500 nombre de modes Fig.: tests effectu´s sur une base de 84 personnes (474 images) e Philippe Phothisane Alignement de visages par R´gression e
  16. 16. Plan Introduction Nouvelles m´triques e R´gression sur un mod`le de texture e e Reconnaissance Contributions Adaptation morphologique Conclusions & Perspectives Ratio de distances interclasses et intraclasses Medianes des rapports (distance interclasse / distance intraclasse)] 3.5 SSD DIFS SVD sans poids 3 DFFS DIFFS subLDA LDA 2.5 ratio (distance interclasse / distance intraclasse) 2 1.5 1 0.5 0 −0.5 −1 0 50 100 150 200 250 300 350 400 450 500 nombre de modes de la SVD utilises Fig.: tests effectu´s sur une base de 84 personnes (474 images) e Philippe Phothisane Alignement de visages par R´gression e
  17. 17. Plan Introduction Nouvelles m´triques e R´gression sur un mod`le de texture e e Reconnaissance Contributions Adaptation morphologique Conclusions & Perspectives Ne plus se contenter d’un mod`le rigide mais de r´gresser aussi sur e e des param`tres de forme du visage. e Philippe Phothisane Alignement de visages par R´gression e
  18. 18. Plan Introduction Nouvelles m´triques e R´gression sur un mod`le de texture e e Reconnaissance Contributions Adaptation morphologique Conclusions & Perspectives Pose : µ = (ωx , ωy , ωz , tx , ty , tz )T (5) Morphologie : µ = Φ ∗ (x − x ) ¯ (6) Philippe Phothisane Alignement de visages par R´gression e
  19. 19. Plan Introduction R´gression sur un mod`le de texture e e Contributions Conclusions & Perspectives ◮ Mesurer la qualit´ des poses mesur´es avec une v´rit´ terrain e e e e pr´cise au degr´ e e ◮ Suivi du regard ◮ Analyse comportementale Philippe Phothisane Alignement de visages par R´gression e

×