Optimisation of active appearance models

Optimisation des modèles actifs d'apparence

• Auteur / Autrice : Yasser Aidarous
• Direction : Patrick Siarry
• Type : Thèse de doctorat
• Discipline(s) : Traitement du signal et télécommunications
• Date : Soutenance en 2012
• Etablissement(s) : Rennes 1
• Ecole(s) doctorale(s) : École doctorale Mathématiques, télécommunications, informatique, signal, systèmes, électronique (Rennes)
• Partenaire(s) de recherche : autre partenaire : Université européenne de Bretagne (2007-2016)

Mots clés

Mots clés contrôlés

Algorithmes optimaux

Recherche opérationnelle

Optimisation mathématique

Identification des personnes

Traitement d'images

Résumé

Nous utilisons les modèles actifs d'apparence (AAM) pour l'alignement de bouchessous différentes expressions. Cependant, la prédiction utilisée par cette méthodes'avère très sensible à l'initialisation et consommatrice à la fois en temps de calcul eten espace mémoire. Nous remplaçons la prédiction classique des AAM par uneoptimisation basée sur le simplexe de Nelder & Mead. Nous utilisons unecombinaison de Gaussiennes pour initialiser le simplexe et contraindre les solutionsproposées, à l'aide d'un calcul d'appartenance en temps réel, à appartenir à unespace d'apparences plausibles. Les paramètres d'apparence sont divisés en deuxensembles traités différemment : les paramètres dominants, qui ont une grandeinfluence sur le modèle, et les paramètres récessifs, qui influent sur les détails del'objet modélisé. Deux nouvelles méthodes sont proposées : la première applique unsimplexe adapté à l'ensemble des paramètres d'apparence, et la deuxième exploitel'optimum d'un premier simplexe adapté, appliqué aux paramètres dominants, suivid'un autre appliqué à l'ensemble des paramètres. Tout en présentant des taux deconvergence supérieurs et des intervalles d'initialisation plus larges que ceux desAAM classiques, les méthodes proposées sont moins consommatrices en mémoireet en temps de traitement. La comparaison des méthodes proposées permet deprivilégier l'utilisation de l'une ou de l'autre méthode suivant les performancesimposées à l'algorithme d'alignement.

We use active appearance models (AAM) to align mouths under differentexpressions. However, the prediction used by this method is very sensitive toinitialization and is time and memory consuming. We replace the classical predictionof AAM with a Nelder & Mead simplex optimization. We use a Gaussian mixture toinitialize the simplex and constraint solutions, using a real time belonging calculation,to belong to a plausible appearances space. The appearance parameters are dividedinto two sets which treated differently: a set of dominant parameters, which havegreat influence on the model, and a set of recessive parameters, which manipulatesthe details of the modeled object. Two new methods are suggested: the first appliesan adapted simplex to all appearance parameters, and the second uses the optimumof an adapted simplex applied to dominant parameters followed by another oneapplied to all parameters. Convergence time and memory used by the simplex-basedmethods are lower than those of classical AAM. These methods have a higherconvergence rates and initialization intervals are wider than those of classical AAM. The comparison of the two proposed methods allows us to select one of themdepending on the required performance of the application.