Approches orientées modèle pour la capture des mouvements du visage en vision par ordinateur

Recalage de visage et caractérisation d'expression faciale à partir de séquences vidéos ont suscité ces dernières années de nombreuses recherches dans le cadre d'applications référencées vision. Si le système visuel humain permet de localiser spontanément un visage et ses principales composantes, et de différencier les expressions faciales, ces mêmes tâches transposées dans le cadre de la vision par ordinateur restent des sujets ouverts. L'approche classique mettant en oeuvre un modèle 3D pour analyser des séquences vidéos faciales comporte deux étapes de difficulté croissante : une adaptation globale de la pose du modèle et une adaptation locale de la forme du modèle. Dans ce contexte, nous proposons une méthode robuste d'estimation de la pose 3D globale de la tête dans des séquences vidéos acquises dans un contexte réaliste. La démarche adoptée consiste en une mise en correspondance de primitives 3D du modèle (géométrie, indice de visibilité) avec des primitives 3D extraites des images (mouvement, texture) par minimisation d'une fonctionnelle relativement aux paramètres 3D de pose. Concernant la capture des mouvements non rigides du visage, nous avons développé une méthode de recalage par prototypes déformables pour le suivi des parties du visage les plus expressives dans une communication (bouche, yeux). Les prototypes déformables associés aux éléments faciaux d'intérêt sont modélisés par des B-spines interpolant les paramètres MPEG-4 de définistion du visage...During the last years, face tracking and facial expression characterisation in video sequences have motivated intensive research in the field of computer vision. Although intuitive for humans, locating faces and facial components and distinguishing between various facial expressions in video sequences remains today a widely open issus in computer vision. The most common approach for 3D model-based analysis of facial image sequences involve two steps of increasing difficulty, namely : 1) global 3D model pose adaptation and 2) local model shape adaptation. Within this context, we propose a method for 3D model-based head tracking in video sequences acquired in realistic conditions. The proposed approach relies on the matching between 3D model features (geometry, visibility index) and 2D image features estimated throughout the sequence (motion, texture). The maching is performed by minimizing a cost function with respect to the 3D pose parameters....PARIS5-BU Saints-Pères (751062109) / SudocSudocFranceF