Dans ce travail, nous utiliserons l’approche développementale comme un outil pour aborder des questions telles que le caractère inné des capacités à reconnaître les visages ainsi que l’importance de l’expérience visuelle précoce et tardive dans leur mise en place (CONTEXTE THEORIQUE). Plus précisément, nous orienterons notre propos autour d’études qui décrivent la trajectoire de la fonction de reconnaissance des visages, de la naissance à l’âge adulte (Chapitre III). Cette revue de la littérature sera précédée d’une section qui sera l’occasion pour nous d’aborder les questions des termes fréquemment utilisés dans le champ et qui prêtent souvent à confusion, de définir ce qu’est un visage ainsi que les traitements qui peuvent lui être appliqués et d’aborder les méthodes classiques d’étude du développement (Chapitre I). Les capacités des nouveau-nés, des nourrissons, des petits et des grands enfants à reconnaître les visages seront également envisagées par rapport à la maturation des systèmes qui les sous-tendent (Chapitre II). Nous pensons en effet qu’il est important de relier, autant que possible, les fonctions cognitives à leur substrat neuronal. Viendront ensuite quatre études que nous avons menées sur le sujet (CONTRIBUTION EMPIRIQUE). Celles-ci seront introduites (Chapitre I) et présentées dans leur totalité en respectant les étapes naturelles du développement de l’enfant (les nouveau-nés, Chapitre II ; les enfants, Chapitre III ; les adultes, Chapitre IV). Elles seront également critiquées dans l’idée de proposer de nouvelles pistes de recherche. A travers la DISCUSSION GENERALE, nous mettrons en perspective nos résultats et ceux présentés dans la littérature dans le but d’insister sur l’importance du traitement holistique des visages aux différents âges de la vie. Nous envisagerons ce type de traitement comme la clé de voûte pour comprendre comment se développent les capacités à reconnaître les visages. Ainsi, après avoir introduit aussi clairement que possible notre conception de la manière dont se met en place la fonction de reconnaissance des visages au fil du temps (Chapitre I), nous évoquerons les capacités de traitement holistique des nouveau-nés (Chapitre II), des nourrissons (Chapitre III), des petits et des grands enfants (Chapitre IV). Nous terminerons ce travail par une brève conclusion (CONCLUSION GENERALE).

Dans ce travail, nous utiliserons l’approche développementale comme un outil pour aborder des questions telles que le caractère inné des capacités à reconnaître les visages ainsi que l’importance de l’expérience visuelle précoce et tardive dans leur mise en place (CONTEXTE THEORIQUE). Plus précisément, nous orienterons notre propos autour d’études qui décrivent la trajectoire de la fonction de reconnaissance des visages, de la naissance à l’âge adulte (Chapitre III). Cette revue de la littérature sera précédée d’une section qui sera l’occasion pour nous d’aborder les questions des termes fréquemment utilisés dans le champ et qui prêtent souvent à confusion, de définir ce qu’est un visage ainsi que les traitements qui peuvent lui être appliqués et d’aborder les méthodes classiques d’étude du développement (Chapitre I). Les capacités des nouveau-nés, des nourrissons, des petits et des grands enfants à reconnaître les visages seront également envisagées par rapport à la maturation des systèmes qui les sous-tendent (Chapitre II). Nous pensons en effet qu’il est important de relier, autant que possible, les fonctions cognitives à leur substrat neuronal. Viendront ensuite quatre études que nous avons menées sur le sujet (CONTRIBUTION EMPIRIQUE). Celles-ci seront introduites (Chapitre I) et présentées dans leur totalité en respectant les étapes naturelles du développement de l’enfant (les nouveau-nés, Chapitre II ; les enfants, Chapitre III ; les adultes, Chapitre IV). Elles seront également critiquées dans l’idée de proposer de nouvelles pistes de recherche. A travers la DISCUSSION GENERALE, nous mettrons en perspective nos résultats et ceux présentés dans la littérature dans le but d’insister sur l’importance du traitement holistique des visages aux différents âges de la vie. Nous envisagerons ce type de traitement comme la clé de voûte pour comprendre comment se développent les capacités à reconnaître les visages. Ainsi, après avoir introduit aussi clairement que possible notre conception de la manière dont se met en place la fonction de reconnaissance des visages au fil du temps (Chapitre I), nous évoquerons les capacités de traitement holistique des nouveau-nés (Chapitre II), des nourrissons (Chapitre III), des petits et des grands enfants (Chapitre IV). Nous terminerons ce travail par une brève conclusion (CONCLUSION GENERALE).

Reproduction de : Thèse de doctorat : Sciences cognitives : Lyon 2 : 2005. / Titre provenant de l'écran-titre. Bibliogr. Annexes.

La reconnaissance de visage automatique offre de nombreux avantages par rapport aux autres technologies biométriques en raison de la nature non-intrusive. Ainsi, les techniques de reconnaissance faciale ont reçu une attention croissante au sein de la communauté de vision par ordinateur au cours des trois dernières décennies. Un atout majeur de scans 3D sur l'imagerie couleur 2D est que les variations de éclairage et mise à l'échelle ont moins d'influence sur les scans 3D. Toutefois, la numérisation des données souffrent souvent du problème de données manquantes à cause de l'auto-occultation ou des imperfections des technologies de numérisation. En outre, les variations dues aux expressions faciales rendent difficile la reconnaissance automatique des visages 3D. Pour être utiles dans des applications du monde réel, les approches de reconnaissance faciale 3D devraient être en mesure de reconnaitre les surfaces faciales 3D, même dans la présence de grandes déformations dues aux expressions et des données manquantes. La plupart des recherches récentes ont été dirigés vers des techniques invariantes aux expressions faciales. Ils ont toutefois dépensé moins d'efforts pour faire face aux problème des données manquantes. Dans cet thèse, nous présentons un framework commun pour faire face aux expressions et aux données manquantes. En outre, dans le même cadre, notre framework permet de calculer des moyennes surfaces qui permettent une organization hiérarchique des bases de données de visages 3D pour permettre des recherches efficaces. Dans cette thèse, nous nous concentrons sur la tâche fondamentale de la reconnaissance faciale en 3D, fournir une analyse comparative de plusieurs approches, et offrir des solutions originales pour chacun des problèmes analysés. / Automatic face recognition has many benefits over other biometric technologies due to the natural, non-intrusive, and high throughput nature of face data acquisition. Thus, the techniques for face recognition have received a growing attention within the computer vision community over the past three decades. In terms of a modality for face imaging, a major advantage of 3D scans over 2D color imaging is that variations in illumination and scaling have less influence on the 3D scans.However, scan data often suffer from the problem of missing parts dueto self-occlusions or imperfections in scanning technologies. Additionally, variations in face data due to facial expressions are challenging to 3D face recognition. In order to be useful in real-world applications, 3D face recognition approaches should be able to successfully recognize face scans even in the presence of large expression-based deformations and missing data due to occlusions and pose variation. Most recent research has been directed towards expression-invariant techniques and spent less effort to handle the missing parts problem. Few approaches handles the missing part problem but none has performed on a full database containing real missing data, they simulate some missing parts. We present a common framework handling both large expressions and missing parts due to large pose variation. In addition, with the same framework, we are able to average surfaces and hierarchically organize databases to allow efficient searches. In presence of occlusion, we propose to delete and restore occluded parts. The surface is first represented by radial curves (emanating from the nose tip fo the 3D face). Then a base is built using PCA for each curve. Hence, the missing part of the curve can be restored by projecting the existing part of it on the base. PCA is applied on the tangent space of the mean curve as it is linear space. Once the occlusion was detected and removed, the occlusion challenge can be handled as a missing data problem. Hence, we apply the restoration framework and then apply our radial-curve-based 3D face recognition algorithm.

Ce travail s’inscrit dans la thématique de la reconnaissance de visages. Il s’agit de décider de manière automatique de l’identité d’une personne en fonction des traits caractéristiques de son visage. Nous présentons une approche bimodale 2D-3D qui combine des caractéristiques visuelles et de profondeur, afin d’améliorer la précision et la robustesse de la reconnaissance par rapport aux approches monomodales classiques. Dans un premier temps, une méthode d’acquisition 3D par reconstruction stéréoscopique dédiée aux visages est proposée. Cette méthode s’appuie sur un modèle actif de forme permettant de tenir compte de la topologie du visage. Ensuite, un nouveau descripteur DLBP (Depth Local Binary Patterns) est défini pour caractériser les informations de profondeur. Ce descripteur étend aux images de profondeur les LBP traditionnels utilisés pour décrire les textures. Enfin, une stratégie de fusion bi-niveaux est proposée, permettant une combinaison à la fois précoce et tardive des deux modalités. Des expérimentations menées sur différentes collections publiques de tests, ainsi que sur une collection spécialement élaborée pour les besoins de l’évaluation, ont permis de valider les contributions proposées dans le cadre de ce travail. En particulier, les résultats ont montré d’une part la qualité des données obtenues à l’aide de la méthode de reconstruction, et d’autre part un gain de précision obtenu en utilisant le descripteur DLBP et la fusion bi-niveaux. / This work lies in the domain of face recognition. The objective is to automatically decide about a person identity by analyzing his/her facial features. We introduce a 2D-3D bimodal approach that combines visual and depth features in order to provide better recognition accuracy and robustness than classical monomodal approaches. First, a 3D acquisition method dedicated to faces, based onstereoscopic reconstruction, is proposed. It is based on an active shape model to take into account the topology of the face. Then, a novel descriptor named DLBP (Depth Local Binary Patterns) is defined in order to characterize the depth information. This descriptor extends to the depth images the traditional LBP originally used for texture description. Finally, a two-stage fusion strategy isproposed, that combines the modalities using both early and late fusions. The experiments conducted with different public datasets, as well as with a new dataset elaborated specifically for the evaluation purposes, allowed to validate the contributions introduced throughout this work. In particular, results have shown the quality of the data obtained using the reconstruction method, and also a gain in precision obtained by using the DLBP descriptor and the two-stage fusion.

Thèse de doctorat : Sciences de l'ingénieur : Evry-Val d'Essonne : 2008. / Titre provenant de l'écran-titre.

Reproduction de : Thèse de doctorat : Sciences de l'ingénieur : Evry-Val d'Essonne : 2008.

L’étude menée dans le cadre de cette thèse vise l’étude du rôle de la dynamique de formes faciales 3D à révéler l’identité des personnes et leurs états émotionnels. Pour se faire, nous avons proposé un cadre géométrique pour l’étude des formes faciales 3D et leurs dynamiques dans le temps. Une séquence 3D est d’abord divisée en courtes sous-séquences, puis chacune des sous-séquences obtenues est représentée dans une variété de Grassmann (ensemble des sous-espaces linéaires de dimension fixe). Nous avons exploité la géométrie de ces variétés pour comparer des sous-séquences 3D, calculer des statistiques (telles que des moyennes) et quantifier la divergence entre des éléments d’une même variété Grassmannienne. Nous avons aussi proposé deux représentations possibles pour les deux applications cibles – (1) la première est basée sur les dictionnaires (de sous-espaces) associée à des techniques de Dictionary Learning Sparse Coding pour la reconnaissance d’identité et (2) le représentation par des trajectoires paramétrées par le temps sur les Grassmanniennes couplée avec une variante de l’algorithme de classification SVM, permettant un apprentissage avec des données partielles, pour la détection précoce des émotions spontanée. Les expérimentations réalisées sur les bases publiques BU-4DFE, Cam3D et BP4D-Spontaneous montrent à la fois l’intérêt du cadre géométrique proposé (en terme de temps de calcul et de robustesse au bruit et aux données manquantes) et les représentations adoptées (dictionnaires pour la reconnaissance d’identité et trajectoires pour la détection précoce des émotions spontanées). / In this thesis, we have investigated the problems of identity recognition and emotion detection from facial 3D shapes animations (called 4D faces). In particular, we have studied the role of facial (shapes) dynamics in revealing the human identity and their exhibited spontaneous emotion. To this end, we have adopted a comprehensive geometric framework for the purpose of analyzing 3D faces and their dynamics across time. That is, a sequence of 3D faces is first split to an indexed collection of short-term sub-sequences that are represented as matrix (subspace) which define a special matrix manifold called, Grassmann manifold (set of k-dimensional linear subspaces). The geometry of the underlying space is used to effectively compare the 3D sub-sequences, compute statistical summaries (e.g. sample mean, etc.) and quantify densely the divergence between subspaces. Two different representations have been proposed to address the problems of face recognition and emotion detection. They are respectively (1) a dictionary (of subspaces) representation associated to Dictionary Learning and Sparse Coding techniques and (2) a time-parameterized curve (trajectory) representation on the underlying space associated with the Structured-Output SVM classifier for early emotion detection. Experimental evaluations conducted on publicly available BU-4DFE, BU4D-Spontaneous and Cam3D Kinect datasets illustrate the effectiveness of these representations and the algorithmic solutions for identity recognition and emotion detection proposed in this thesis.

Thèse de doctorat : Sciences cognitives. Psychologie cognitive : Lyon 2 : 2001. / Bibliogr.

Thèse (M. Ps.)--Université Laval, 2003. / Bibliogr.: f. 37-39. Publié aussi en version électronique.