segmentation région-contour des contours des lèvres · 2014. 10. 5. · État de l’art et...
TRANSCRIPT
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
Segmentation Région-Contour des Contoursdes Lèvres
Christian Bouvier
Gipsa-labInstitut Polytechnique de Grenoble
LVSNUniversité Laval
2 Février 2010
Segmentation Région-Contour des Contours des Lèvres Christian Bouvier 1
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
Lèvres et parole
La zone de la bouche est liéeà la communication et auxémotions.Aspect bimodale de la parole :L’information visuellecontribue à la compréhensionde la parole.
(Le Goff, 1995)
Segmentation Région-Contour des Contours des Lèvres Christian Bouvier 2
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
Applications de l’analyse labiale
Reconnaissanceautomatique de laparoleAnimation d’avatars
Reconnaissanced’émotionsBiométrieRéalité augmentée
Projet Telma (Beautemps, 2007)
Segmentation Région-Contour des Contours des Lèvres Christian Bouvier 3
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
Applications de l’analyse labiale
Reconnaissanceautomatique de laparoleAnimation d’avatarsReconnaissanced’émotionsBiométrie
Réalité augmentée
(Hammal, 2007)
Segmentation Région-Contour des Contours des Lèvres Christian Bouvier 4
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
Applications de l’analyse labiale
Reconnaissanceautomatique de laparoleAnimation d’avatarsReconnaissanced’émotionsBiométrieRéalité augmentée
Maquillage Virtuel (Vesalis)
Segmentation Région-Contour des Contours des Lèvres Christian Bouvier 5
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
Sommaire
1 État de l’art et objectifs
2 Études préliminaires
3 Modélisation de la bouche
4 Évaluation
5 Conclusion et perspectives
Segmentation Région-Contour des Contours des Lèvres Christian Bouvier 6
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
État de l’art
Méthodes de modélisation des lèvres
Méthodes declassifications
"+" : Rapidité."-" : Contours bruités.
(Patterson, 2002)
(Liévin,Luthon,2000)Segmentation Région-Contour des Contours des Lèvres Christian Bouvier 7
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
État de l’art
Méthodes de modélisation des lèvres
Modèles statistiques deforme
"+" : Robustesse."-" : Annotation d’ungrand nombre d’image.
(Nguyen, Milgram, 2008)(Cootes, 1995)
Segmentation Région-Contour des Contours des Lèvres Christian Bouvier 8
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
État de l’art
Méthodes de modélisation des lèvres
Modèles statistiquesd’apparence
"+" : Robustesse."-" : Annotation d’ungrand nombre d’image.
(Gacon, 2005)(Cootes, 1998)
Segmentation Région-Contour des Contours des Lèvres Christian Bouvier 9
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
État de l’art
Méthodes de modélisation des lèvres
Contours Actifs"+" : Flexibilité,précision."-" : Robustesse.
(Delmas, 2000)
Segmentation Région-Contour des Contours des Lèvres Christian Bouvier 10
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
État de l’art
Méthodes de modélisation des lèvres
Modèles paramétriques"+" : Robuste."-" : Moins flexible.
(Eveno, 2004)(Stillittano,2008)
Segmentation Région-Contour des Contours des Lèvres Christian Bouvier 11
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
État de l’art
Difficultés
Morphologie Variable.Les lèvres subissent des déformations importantes.L’intérieur de la bouche présente des variationsd’apparence importantes.Conditions de l’environnement variables.Orientation des sujets variable.
Segmentation Région-Contour des Contours des Lèvres Christian Bouvier 12
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
Objectifs et hypothèses
Objectifs
Proposer une segmentation multi-locuteur robuste etprécise sur des images statiques.
Cadre méthodologique : Approche ascendante.Robustesse : Pas de réglage ad hoc de paramètres.Précision : Précision de l’alignement des contours.
Proposer une évaluation quantitative pour valider laméthode.
Segmentation Région-Contour des Contours des Lèvres Christian Bouvier 13
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
Objectifs et hypothèses
Hypothèses générales
Images de visage en couleur.Les images sont centrées sur la moitié basse du visage
Exemples d’images de bouche
Segmentation Région-Contour des Contours des Lèvres Christian Bouvier 14
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
Sommaire
1 État de l’art et objectifs
2 Études préliminairesSéparation peau/lèvres : Modalité visibleSéparation peau/lèvres : Modalité infrarougeGradients multi-échelles
3 Modélisation de la bouche
4 Évaluation
5 Conclusion et perspectives
Segmentation Région-Contour des Contours des Lèvres Christian Bouvier 15
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
Séparation peau/lèvres : Modalité visible
Sommaire
1 État de l’art et objectifs
2 Études préliminairesSéparation peau/lèvres : Modalité visibleSéparation peau/lèvres : Modalité infrarougeGradients multi-échelles
3 Modélisation de la bouche
4 Évaluation
5 Conclusion et perspectives
Segmentation Région-Contour des Contours des Lèvres Christian Bouvier 16
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
Séparation peau/lèvres : Modalité visible
Problématique
Le contraste peau/lèvres est primordial pour la précisionde la ségmentation.La robustesse par rapport aux variations d’illumination estaussi importante.
Segmentation Région-Contour des Contours des Lèvres Christian Bouvier 17
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
Séparation peau/lèvres : Modalité visible
Algorithme allongement/décorrélation
L’algorithme allongement-décorrélation permet d’accentuerles différences entre les canaux des images produites pardes systèmes multi-spectraux.
Algorithme allongement-décorrélation
Image d’entrée (RGB) Image traitée (RGB)
Segmentation Région-Contour des Contours des Lèvres Christian Bouvier 18
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
Séparation peau/lèvres : Modalité visible
La teinte Û
Û =
{256× G
R si R > G255 sinon
(Liévin, 2004)
Image d’entrée Image décorrélée Teinte Û
Histogramme de Û
0.6 0.8 1
decorr
0 0.2 0.4 0.6 0.8 10
0.005
0.01
0.015
Bdecorr
c)
0 0.2 0.4 0.6 0.8 10
0.005
0.01
0.015
0.02
0.025
e)
Crdecorr
0.6 0.8 1
decorr
0 0.2 0.4 0.6 0.8 10
0.005
0.01
0.015
Ûdecorr
LèvresPeau Pour la modalité Û :
Varintra/Varinter = 0.62
Segmentation Région-Contour des Contours des Lèvres Christian Bouvier 19
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
Séparation peau/lèvres : Modalité infrarouge
Sommaire
1 État de l’art et objectifs
2 Études préliminairesSéparation peau/lèvres : Modalité visibleSéparation peau/lèvres : Modalité infrarougeGradients multi-échelles
3 Modélisation de la bouche
4 Évaluation
5 Conclusion et perspectives
Segmentation Région-Contour des Contours des Lèvres Christian Bouvier 20
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
Séparation peau/lèvres : Modalité infrarouge
Système d’acquisition IR
Caméra FLIR Phoenix R© avec capteurInSb refroidi opérant dans la bande3-5µm.
FLIR Phoenix R©
Contraste thermique fort dans la bande 3-5µm.Le capteur InSb refroidi est très sensible.Capteur de résolution 512x640.Capteur très rapide.
Segmentation Région-Contour des Contours des Lèvres Christian Bouvier 21
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
Séparation peau/lèvres : Modalité infrarouge
Base d’images combinée visible/IR
17 sujets différents, 2 séquences de 400 images, 6800images dans chaque modalité.Acquisitions synchrones dans les 2 modalités (visible/IR).
Images tirée de la base combinée
Segmentation Région-Contour des Contours des Lèvres Christian Bouvier 22
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
Séparation peau/lèvres : Modalité infrarouge
Séparation peau/lèvres dans la modalité infrarouge
Pour chaqe sujet, et dans chaque modalité la peau et leslèvres ont été segmentées manuellement sur 5 images.2 images de bouches fermées et images de bouchesouvertes.
Histogrammes des ensembles de pixels dans IR
0 0.2 0.4 0.6 0.8 10
0.005
0.01
0.015
0.02
Pixels de lèvrePixels de peau
Pour la modalité IR :Varintra/Varinter = 41.64
Segmentation Région-Contour des Contours des Lèvres Christian Bouvier 23
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
Séparation peau/lèvres : Modalité infrarouge
Séparation peau/lèvres dans la modalité infrarouge
La modalité IR n’est pas adaptée pour séparer la peau etles lèvres.
Exemples d’images de bouche
Segmentation Région-Contour des Contours des Lèvres Christian Bouvier 24
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
Gradients multi-échelles
Sommaire
1 État de l’art et objectifs
2 Études préliminairesSéparation peau/lèvres : Modalité visibleSéparation peau/lèvres : Modalité infrarougeGradients multi-échelles
3 Modélisation de la bouche
4 Évaluation
5 Conclusion et perspectives
Segmentation Région-Contour des Contours des Lèvres Christian Bouvier 25
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
Gradients multi-échelles
Problématique
Pour modéliser les contours de la bouche :L’intensité des gradients doit être maximale sur lescontours.l’échelle de départ n’est pas nécessairement adaptée.Calcul des gradients γ-normalisés (Lindeberg, 1998).
Gradient de Û d’une image de bouche
Image d’entrée Gradients de Û
Segmentation Région-Contour des Contours des Lèvres Christian Bouvier 26
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
Gradients multi-échelles
Gradients γ-normalisés
10 20 30 40 50 60 70 80 90 1000
0.02
0.04
0.06
0.08
0.1
0.12
Ligne de l'image
Inte
nsi
té d
u g
rad
ien
t
Intensité du gradient le long de la coupe centrale de l'image de bouche pour des valeur de σ (t=σ2) de 1 à 10
σ=1σ=2σ=3σ=4σ=5σ=6σ=7σ=8σ=9σ=10
Lèvresupérieure
LèvreInférieure
Segmentation Région-Contour des Contours des Lèvres Christian Bouvier 27
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
Gradients multi-échelles
Gradients γ-normalisés
Création d’une famille de gradient γ-normalisés.Recherche du maximum de S(σ) = Somme des intensitésdes maximums locaux sur la verticale passant au centre duvisage.On part de l’échelle σ = 1 et on itère tant que S(σ)augmente.
Nechelle = 3
Segmentation Région-Contour des Contours des Lèvres Christian Bouvier 28
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
Sommaire
1 État de l’art et objectifs
2 Études préliminaires
3 Modélisation de la boucheLocalisation de la boucheÉtat de la boucheSegmentation du contour externe de la boucheSegmentation du contour interne de la bouche
4 Évaluation
5 Conclusion et perspectivesSegmentation Région-Contour des Contours des Lèvres Christian Bouvier 29
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
Localisation de la bouche
Sommaire
1 État de l’art et objectifs
2 Études préliminaires
3 Modélisation de la boucheLocalisation de la boucheÉtat de la boucheSegmentation du contour externe de la boucheSegmentation du contour interne de la bouche
4 Évaluation
5 Conclusion et perspectivesSegmentation Région-Contour des Contours des Lèvres Christian Bouvier 30
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
Localisation de la bouche
Principe
Détection du masque
regroupant les pixels du visage
Û Image d’entrée
Masque binaire des lèvres
Détection du masque binaire regroupant les
pixels de lèvres
Masque binaire du visage
Schéma de principe
Segmentation Région-Contour des Contours des Lèvres Christian Bouvier 31
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
Localisation de la bouche
Détection du visage
Méthode itérative d’estimation du mélange de gaussiennesde la teinte Û par l’algorithme EM.
f (û) =M∑
i=1
wiGi(û)
Û Masque0 50 100 150 200 250
0
0.005
0.01
0.015
0.02
0.025
0.03Tracé du mélange pour M=4
Peau
Lèvres
Segmentation Région-Contour des Contours des Lèvres Christian Bouvier 32
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
Localisation de la bouche
Détection du masque des lèvres
Recherche du masque par seuillage automatique sur Û :
Maximisation de la somme des flux des gradients∇normÛ(x , y , σ) :
F (se) =
Nechelle∑σ=1
∫PCONV
∇normÛ(x , y , σ)dn
Minimisation de Varintra/Varinter .
Critère global :
CP(se) = F (se)/(Varintra/Varinter )
Segmentation Région-Contour des Contours des Lèvres Christian Bouvier 33
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
Localisation de la bouche
Détection du masque des lèvres
Recherche du seuil optimal :
20 40 60 80 100 120 140 1600
0.5
1
1.5
2
2.5
se
CP
(se)
Seuiloptimal
Masque des lèvres optimal
Segmentation Région-Contour des Contours des Lèvres Christian Bouvier 34
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
Localisation de la bouche
Exemple de segmentation du masque des lèvres
Segmentation Région-Contour des Contours des Lèvres Christian Bouvier 35
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
État de la bouche
Sommaire
1 État de l’art et objectifs
2 Études préliminaires
3 Modélisation de la boucheLocalisation de la boucheÉtat de la boucheSegmentation du contour externe de la boucheSegmentation du contour interne de la bouche
4 Évaluation
5 Conclusion et perspectivesSegmentation Région-Contour des Contours des Lèvres Christian Bouvier 36
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
État de la bouche
Modèle du SVH
Modèle de Rétine : -Photorécepteurs -Modèle de PLE -Modèle de PLI
Modèle de cortex V1 :
-Echantillonnage du spectre par
une rosace de filtres Glop.
Image d’entrée
Spectre Log−polaire
Bandes de fréquences
Orientations
0.1 0.3
180°
90°
Segmentation Région-Contour des Contours des Lèvres Christian Bouvier 37
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
État de la bouche
Classification des images de bouche
Rétine+
Cortex V1ACP
SVM
Ouverteou fermée ?
État de la base
SpectreLog polaire
Projection sur les modes principaux (95% de la variance = 10 modes principaux)
Segmentation Région-Contour des Contours des Lèvres Christian Bouvier 38
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
État de la bouche
Résultats expérimentaux
230 images de bouches fermées et 670 images debouches ouvertes provenant de 20 sujets.
Apprentissage global Résultats de classification98.2% de classification correcte ouvert fermé
Vérité terrainouvert 664 6fermé 5 225
Test du "leave-one-out" Résultats de classification96.4% de classification correcte ouvert fermé
Vérité terrainouvert 646 24fermé 8 222
Segmentation Région-Contour des Contours des Lèvres Christian Bouvier 39
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
État de la bouche
Résultats expérimentaux : Validation
473 images de bouches fermées et 507 images debouches ouvertes provenant de 120 sujets de la base AR.
Images de la base AR Résultats de classification98.5% de classification correcte ouvert fermé
Vérité terrainouvert 503 4fermé 10 463
Segmentation Région-Contour des Contours des Lèvres Christian Bouvier 40
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
Segmentation du contour externe de la bouche
Sommaire
1 État de l’art et objectifs
2 Études préliminaires
3 Modélisation de la boucheLocalisation de la boucheÉtat de la boucheSegmentation du contour externe de la boucheSegmentation du contour interne de la bouche
4 Évaluation
5 Conclusion et perspectivesSegmentation Région-Contour des Contours des Lèvres Christian Bouvier 41
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
Segmentation du contour externe de la bouche
Méthodologie
Masque binaire des lèvres
Modélisation finale du contour externe
Recherche des commissures
Modélisation du contour inférieur
Modélisation du contour supérieur
Contour externe
Segmentation Région-Contour des Contours des Lèvres Christian Bouvier 42
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
Segmentation du contour externe de la bouche
Modèlisation du contour externe supérieur
Courbe polynomiale de degré dsup.Optimisation du degré dsup de la courbe polynomiale.Maximisation des flux des gradients γ-normalisés de Ûpour les Nechelle.
FL =
Nechelle∑σ=1
∫Csup
∇normÛ(x , y , σ)dn
Segmentation Région-Contour des Contours des Lèvres Christian Bouvier 43
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
Segmentation du contour externe de la bouche
Modèlisation du contour externe supérieur
Segmentation Région-Contour des Contours des Lèvres Christian Bouvier 44
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
Segmentation du contour externe de la bouche
Optimisation des contours externes
On applique une procédure analogue pour optimiser lecontour externe inférieur.
Segmentation Région-Contour des Contours des Lèvres Christian Bouvier 45
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
Segmentation du contour externe de la bouche
Recherche des commissures externes
Hypothèse : Les commissures sont se trouvent sur deslignes de minimum de luminance initialisées auxextrémités de la bouche.
Segmentation Région-Contour des Contours des Lèvres Christian Bouvier 46
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
Segmentation du contour interne de la bouche
Sommaire
1 État de l’art et objectifs
2 Études préliminaires
3 Modélisation de la boucheLocalisation de la boucheÉtat de la boucheSegmentation du contour externe de la boucheSegmentation du contour interne de la bouche
4 Évaluation
5 Conclusion et perspectivesSegmentation Région-Contour des Contours des Lèvres Christian Bouvier 47
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
Segmentation du contour interne de la bouche
Cas des bouches ouvertes
2 Contours à modéliser.Principe : Recherche du masque binaire de la zone internede la bouche.Segmentation Région-Contour basée sur les grandeurs R,Cr et Û décorrélées.
RGB Rdecorr Crdecorr Ûdecorr
Fint =
Nechelle∑σ=1
∫Cint
[∇normÛ(x , y , σ)
−∇normR(x , y , σ)−∇normCr(x , y , σ)]dn
Segmentation Région-Contour des Contours des Lèvres Christian Bouvier 48
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
Segmentation du contour interne de la bouche
Bouches ouvertes : Recherche du masque
Segmentation de la région bouche par K-moyennes baséesur R, Cr et Û décorrélées.Éliminer les sous-régions périphériques correspondant auxlèvres.
Contour interne supérieur.
Segmentation Région-Contour des Contours des Lèvres Christian Bouvier 49
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
Segmentation du contour interne de la bouche
Bouches ouvertes : Recherche du masque
Segmentation de la région bouche par K-moyennes baséesur R, Cr et Û décorrélées.Éliminer les sous-régions périphériques correspondant auxlèvres.
Masque des zones internes de la bouche.
⊗ =
Segmentation Région-Contour des Contours des Lèvres Christian Bouvier 50
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
Segmentation du contour interne de la bouche
Bouches ouvertes : Recherche du masque
On initialise Mbouche à 2.On incrémente Mbouche tant que FLhint + FLbintaugmente.
Segmentation Région-Contour des Contours des Lèvres Christian Bouvier 51
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
Segmentation du contour interne de la bouche
Bouches ouvertes : Contour interne final
Optimisation de Chint et Cbint de analogue à Csup et Cinf .Recheche des commissures iternes analogue au casexterne.
Exemple de contour interne final
Segmentation Région-Contour des Contours des Lèvres Christian Bouvier 52
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
Segmentation du contour interne de la bouche
Bouches Fermées : Contour interne
Lmin chaine les pixels sombres de la bouche entre les 2commissures externes.Le contour interne est modélisé pour une courbe cubique.
Segmentation Région-Contour des Contours des Lèvres Christian Bouvier 53
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
Sommaire
1 État de l’art et objectifs
2 Études préliminaires
3 Modélisation de la bouche
4 ÉvaluationÉvaluation quantitativeÉvaluation subjectiveDiscussion
5 Conclusion et perspectives
Segmentation Région-Contour des Contours des Lèvres Christian Bouvier 54
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
Évaluation quantitative
Base d’images
Série 1 : 6 séquences de 25 images de 6 sujets.Série 2 : 100 images d’un même locuteur.Série 3 : 8 séquences de 25 images de 5 sujets.Série 4 : 507 images de 125 sujets différents de la baseAR (Martinez, 1998).
Annotation manuelle(Série 1,2,3)
Annotation semi-automatique(Série 4)
Segmentation Région-Contour des Contours des Lèvres Christian Bouvier 55
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
Évaluation quantitative
Évaluation basée sur une aire relative
Aire σ entre le contour de la vérité-terrain et le contourdonné par notre algorithme normalisé par l’aire totaledéfinie par le contour de la vérité-terrain.
Vérité-terrain Contour segmenté
σext = 0.096
Segmentation Région-Contour des Contours des Lèvres Christian Bouvier 56
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
Évaluation quantitative
Évaluation basée sur une aire relative
Nous avons calculé les moyennes σ̄ext et σ̄int pour le casdu contour externe et interne de la bouche sur les 450images de notre base et les 507 images de la base AR.
σ̄ext séries 1,2,3 10.2± 5 %σ̄ext séries 4 8.5± 6.5 %
σ̄int séries 1,2,3 23± 9 %σ̄int séries 4 17.2± 12.5 %
Segmentation Région-Contour des Contours des Lèvres Christian Bouvier 57
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
Évaluation quantitative
Évaluation basée sur les descripteurs de Fourier
Coefficients complexes de la transformée de Fourier ducontour Z = {zi = xi + jyi , i = 1, . . . ,Np} composé de Nppoints (xi , yi).
Ck =1
Np
Np∑i=1
ziexp(−2πjkiNp
)
C0 et le centre de gravité du contour.C1 décrit l’échelle du contour.Ck , k 6= {0,1} définissent les altérations du cercle définipar C1 et C0.
Segmentation Région-Contour des Contours des Lèvres Christian Bouvier 58
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
Évaluation quantitative
Évaluation basée sur les descripteurs de Fourier
3 critères pour comparer 2 contours :Erreur en pixel |Cvt0 − Cs0|.Erreur en pixel |Cvt1 − Cs1|.Calcul de la corrélation entre les spectres d’amplitudenormalisés des 2 contours.
0 10 20 30 40 500
0.05
0.1
0.15
0.2
0.25Spectre d'amplitude normalisé
SegmentationVérité-terrain
Segmentation Région-Contour des Contours des Lèvres Christian Bouvier 59
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
Évaluation quantitative
Évaluation basée sur les descripteurs de Fourier
σint = 0.29
|Cvt0 − Cs0| 2.1|Cvt1 − Cs1| 2.14Corrélation 0.99
σint = 0.17
|Cvt0 − Cs0| 3.37|Cvt1 − Cs1| 4.67Corrélation 0.78
Segmentation Région-Contour des Contours des Lèvres Christian Bouvier 60
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
Évaluation quantitative
Évaluation basée sur les descripteurs de Fourier
Évaluation pour les séries 1,2,3
Contour externe|Cvt0 − Cs0| 1.7± 1|Cvt1 − Cs1| 0.83± 1.25
Corrélation moyenne 0.97± 0.025Contour interne
|Cvt0 − Cs0| 1.7± 2|Cvt1 − Cs1| 1.1± 1.6
Corrélation moyenne 0.97± 0.025
Segmentation Région-Contour des Contours des Lèvres Christian Bouvier 61
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
Évaluation quantitative
Évaluation basée sur les descripteurs de Fourier
Évaluation pour les séries 4
Contour externe|Cvt0 − Cs0| 2.7± 2.1|Cvt1 − Cs1| 1.1± 1.2
Corrélation moyenne 0.98± 0.026Contour interne
|Cvt0 − Cs0| 2.8± 2.53|Cvt1 − Cs1| 2.9± 2.3
Corrélation moyenne 0.97± 0.036
Segmentation Région-Contour des Contours des Lèvres Christian Bouvier 62
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
Évaluation subjective
Exemples de segmentation
Segmentation Région-Contour des Contours des Lèvres Christian Bouvier 63
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
Évaluation subjective
Exemples de segmentation
Segmentation Région-Contour des Contours des Lèvres Christian Bouvier 64
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
Évaluation subjective
Exemples de segmentation
Segmentation Région-Contour des Contours des Lèvres Christian Bouvier 65
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
Évaluation subjective
Exemples de segmentation
Segmentation Région-Contour des Contours des Lèvres Christian Bouvier 66
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
Discussion
Cas limites
Échec de la segmentation du contour externe.
Échec de la segmentation du contour interne.
Segmentation Région-Contour des Contours des Lèvres Christian Bouvier 67
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
Sommaire
1 État de l’art et objectifs
2 Études préliminaires
3 Modélisation de la bouche
4 Évaluation
5 Conclusion et perspectives
Segmentation Région-Contour des Contours des Lèvres Christian Bouvier 68
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
Bilan : Contribution
Méthode de segmentation Région-Contour des contoursexterne et interne des lèvres.Base d’images de visage combinée visible/IR.Méthode de détection de l’état de la bouche bio-inspirée.Méthode d’évaluation basée sur les descripteurs deFourier.
Segmentation Région-Contour des Contours des Lèvres Christian Bouvier 69
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
Bilan : Objectifs
Objectif de précision est remplie.Objectif de robustesse :
Faible nombre de paramètres.Bonne robustesse sur les sujets de type indo-européens.Robustesse mise en défaut sur certains cas limites.
Segmentation Région-Contour des Contours des Lèvres Christian Bouvier 70
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
Bilan : Perspectives
Optimiser le code.Faire une étude particulière sur les sujets ayant la peaunoire.Couplage Spectre Log-polaire+descritpeurs de Fourierpour la reconnaissance directe de forme.
Segmentation Région-Contour des Contours des Lèvres Christian Bouvier 71
État de l’art et objectifs Études préliminaires Modélisation de la bouche Évaluation Conclusion et perspectives
Questions ?
Segmentation Région-Contour des Contours des Lèvres Christian Bouvier 72