Cette thèse s'inscrit dans le cadre de la génération automatique de Langue des Signes Française et plus particulièrement la génération des Gestes Non Manuels (GNM). La génération nécessite une description précise des GNM. Actuellement, nous ne disposons que de notations de nature symbolique. Nous proposons une nouvelle méthodologie d'annotation permettant une description fine et précise des mouvements, tout en tenant compte de la structure temporelle des GNM. Cette méthodologie comporte une annotation qualitative et une annotation quantitative. Nous avons appliqué notre méthodologie aux mouvements des sourcils et aux clignements des yeux et obtenons ainsi des données numériques et symboliques à partir desquelles nous menons l'analyse. Celle-ci permet de dégager une typologie de ces mouvements. Pour chaque catégorie nous précisons son rôle, l'emplacement du mouvement par rapport aux signes avoisinants et sa structure. Nous formalisons chacune des catégories pour une génération ultérieure et proposons des perspectives de poursuites de l'étude.

L'objectif de ce travail est l'analyse et la classification d'expressions faciales.<br />Des expériences en psychologie ont permis de mettre en évidence le fait que l'être humain est capable de reconnaître les émotions sur un visage à partir de la visualisation de l'évolution temporelle de certains points caractéristiques de celui-ci.<br />Nous avons donc tout d'abord proposé un système d'extraction automatique des contours des traits permanents du visage (yeux, sourcils et lèvres).<br /><br /> Dans ce travail nous nous intéressons au problème de la segmentation des yeux et des sourcils.<br />La segmentation des contours des lèvres est basée sur un travail précédent développé au sein du laboratoire.<br />L'algorithme proposé pour l'extraction des contours des yeux et des sourcils est constitué de trois étapes : d'abord la définition de modèles paramétriques pour modéliser au mieux le contour de chaque trait ; ensuite, les modèles choisis sont initialisés sur les images à segmenter grâce à l'extraction d'un ensemble de points caractéristiques ; enfin, les modèles initiaux sont ajustés finement en tenant compte d'information de gradient de luminance.<br />La segmentation des contours des yeux, des sourcils et des lèvres conduit a ce que nous appelons des squelettes d'expressions.<br /><br /> Pour mesurer la déformation des traits caractéristiques, cinq distances caractéristiques sont définies sur ces squelettes.<br />Basé sur l'état de ces distances un ensemble de règles logiques est défini pour chacune des expressions considérées : Sourire, Surprise, Dégout, Colère, Peur, Tristesse, Neutre.<br />Ces règles sont compatibles avec la norme MPEG-4 qui fournit une description des transformations subies par chacun des traits du visage lors de la production des six expressions faciales universelles.<br />Cependant le comportement humain n'étant pas binaire, une expression pure est rarement produite.<br />Pour pouvoir modéliser le doute entre plusieurs expressions et le cas des expressions inconnues, les Modèles de Croyance Transférables sont utilisés comme pro cessus de fusion pour la classification des expressions faciales.<br />Le système de reconnaissance développé tient compte de l'évolution au cours du temps des déformations des traits du visage.<br /><br /> Dans la perspective d'un système audio-visuel de reconnaissance d'expressions émotionelles, une étude préliminaire sur des expressionse vocales a aussi été menée.