Reconnaisance de visages à partir de modèles tridimensionnels

Résumé

Ce mémoire s’intéresse à deux aspects de la reconnaissance tridimensionnelle de visages : l’ajustement des couleurs pour plusieurs acquisitions 3D ainsi que la reconnaissance proprement dite. Lorsqu’on fait une acquisition à l’aide d’un scanner à lumière structurée, on obtient un modèle 3D de la forme de l’objet ainsi que sa texture. Dans les cas où on ne peut acquérir toute la région d’intérêt d’un seul coup, on devra fusionner plusieurs scans. Pour ce qui est de la géométrie, il n’est pas difficile de fusionner plusieurs morceaux lorsqu’on a une idée de la position relative des morceaux. Cependant, il est plus difficile de fusionner les textures lorsque celles-ci ont été acquises sous des illuminations différentes ou par des caméras différentes, comme c’est souvent le cas lors d’une acquisition 3D à lumière structurée. La méthode présentée permet de corriger les textures de manière à ce qu’elles soient compatibles, c’est-à-dire qu’elles proviennent d’une seule illumination commune, pour ensuite être fusionnées. La deuxième partie de ce mémoire s’intéresse à la reconnaissance à partir de visages 3D. Il s’agit donc de reconnaître l’identité d’une personne dont on a acquis une modèle 3D du visage, et ce, grâce à une base de données de modèles 3D. Cette approche « 3D-3D » a rarementété utilisée dans la littérature. L’opération de base dans l’approche proposée est le calcul d’une « distance » entre deux modèles 3D. Celleci est calculée en alignant deux modèles grâce à une variante de l’Iterative Closest Point (ICP), puis en calculant leur dissimilarité. Cette distance entre deux modèles sert ensuite de base dans différents scénarios de reconnaissance.

Documents

PDF

---