>>

Soutenance de thèse : Walid Hariri

Titre de la thèse

Contribution à la reconnaissance/authentification de visages 2D/3D.

Contribution to 2D/3D face recognition/authentification.

Date et lieu de soutenance

Lundi 13 novembre 2017.

Université de Badji Mokhtar Annaba, Sidi Ammar, B.P.12, 23000, Annaba, Algérie (salle DICAV).

Résumé

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 présentent 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 relativement 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 proposer de nouvelles techniques de reconnaissance/vérification de visages et de reconnaissance d’expressions faciales 3D. Tout d’abord, une méthode de reconnaissance de visages en utilisant des matrices de covariance comme des descripteurs de régions de visages est proposée.

Notre méthode 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. Une description hiérarchique en utilisant trois niveaux de covariances est ensuite proposée et validée. La deuxième partie 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 implémentés pour l’espace Euclidean (i.e. SVM) dans cet espace non-linéaire. Des expérimentations sont alors entreprises sur deux bases d’expressions faciales 3D (BU-3DFE et Bosphorus) pour reconnaitre les six expressions faciales prototypiques.

Mots-clefs

Analyse de visage, Reconnaissance, Authentification, Matrice de covariance, Expression faciale, Visage 3D

Abstract

3D face analysis including 3D face recognition and 3D Facial expression recognition has become a very active area of research in recent years. Various methods using 2D image analysis have been presented to tackle these problems. 2D image-based methods are inherently limited by variability in imaging factors such as illumination and pose. The recent development of 3D acquisition sensors has made 3D data more and more available. Such data is relatively invariant to illumination and pose, but it is still sensitive to expression variation. The principal objective of this thesis is to propose efficient methods for 3D face recognition/verification and 3D facial expression recognition. First, a new covariance based method for 3D face recognition is presented.

Our method includes the following steps: first 3D facial surface is preprocessed and aligned. A uniform sampling is then applied to localize a set of feature points, around each point, we extract a matrix as local region descriptor. Two matching strategies are then proposed, and various distances (geodesic and non-geodesic) are applied to compare faces. The proposed method is assessed on three datasets including GAVAB, FRGCv2 and BU-3DFE. A hierarchical description using three levels of covariances is then proposed and validated. In the second part of this thesis, we present an efficient approach for 3D facial expression recognition using kernel methods with covariance matrices. In this contribution, we propose to use Gaussian kernel which maps covariance matrices into a high dimensional Hilbert space. This enables to use conventional algorithms developed for Euclidean valued data such as SVM on such non-linear valued data. The proposed method have been assessed on two known datasets including BU-3DFE and Bosphorus datasets to recognize the six prototypical expressions.

Keywords

Face analysis, Recognition, Authentication, Covariance matrix, Facial expression, 3D face

Composition du jury

  • Cristian Dan VODISLAV, Professeur, Université de Cergy Pontoise, Directeur de thèse
  • Nadir FARAH, Professeur, Université Badji Mokhtar Annaba, Directeur de thèse
  • Mohamed Tarek KHADIR, Professeur, Université Badji Mokhtar Annaba, Examinateur
  • Chaabane DJERABA, Professeur, Université Lille1 et Télécom Lille1, Rapporteur
  • Hamid SERIDI, Professeur, Université 8 Mai 1945 Guelma, Rapporteur
  • Hedi TABIA, Maître de Conférences, ENSEA Cergy, Examinateur
  • Mahmoud BOUFAIDA, Professeur, Université Constantine 2, Examinateur
  • Aladine CHETOUANI, Maître de Conférences, Université d'Orléans, Examinateur

Go back