Analyse de la variabilité en vision par ordinateur

Richard LepageDépartement de génie de la production automatiséeÉcole de technologie supérieureMontréal (Québec) Canada

2

Collaborateurs Couleur de la canneberge

Gilles Doyon, CRDA, Agriculture Canada Jean-Sébastien Lussier, étudiant en GPA Youssouf Cherawala, étudiant Maîtrise GEL

Primitives visuelles Dave St-Pierre, étudiant Maîtrise GPA

Visages Mathieu Barrette, étudiant Maîtrise GEL

Anthropométrie 3D Zouhour Ben Azouz, doctorante, CNRC Ottawa Marc Rioux, chercheur, CNRC Ottawa

3

Plan

Analyse de la variabilité 1 Échelle de couleur Primitives visuelles dans une image

Analyse de la variabilité 2: variante Gabarit de visages Anthropométrie 3D

4

Analyse de la variabilité 1

i1

i2

u 1

u 2

5

u 1

u 2 A i

Hi

minimiser maximiser

6

Échelle de couleur de la canneberge La qualité d’un lot de canneberges peut être déterminée par la couleur moyenne du lot

On désire passer d’une représentation à 3 composantes (RVB) à une échelle unique

7

Traitement Conversion RVB Lab

Segmentation Élimination des réflets de l’éclairage

8

Primitives visuelles Résultats de l’ACP

1ère composanteUniforme

64%

2e composanteHorizontale

12%

3e composanteVerticale

11%

4e composanteOblique

7%

5e composanteDiagonale

5%

Attributs: vecteur de 9composantes organiséen imagette de 3x3

9

Analyse de la variabilité 2: variante Lorsque le nombre d’attributs P est beaucoup plus grand que le nombre de mesures N, la matrice de covariance C devient de dimension très élevée (PP) et l’extraction des vecteurs et valeurs propres devient alors moins aisée.

La solution: la matrice de covariance complémentaire

€

′ C N ×N

10

ANP

v1 v2

u1

u2

1

2

11

Gabarits de visages

Exemples d’images de la base de visages “Yale Face Database”

12

Base de « visages propres »

13

Reconstruction des visages de la base à partir des 6 premiers « visages propres »

14

Applications Compression

Les « visages propres » sont connus (apprentissage)

Seulement les M premiers coefficients caractérisent

Nouveau visage Projeté dans l’espace

des « visages propres »

Extraire le « visage propre » le plus près

Performances

0102030405060708090

100

0 5 10 15 20 25 30 35

Nombre de visages propres

Taux de reconnaissance (%)

15

Anthropométrie 3DAnthropométrie traditionnelle

Distances entre des pointsDistances entre des points de repère anatomiquesde repère anatomiques Circonférences

mesures mesures unidimensionnellesunidimensionnelles

16

Numérisation 3D du corps humain

Système de numérisation Système de numérisation de la surface du corps humainde la surface du corps humain

Modèle 3D de corps humainModèle 3D de corps humain

17

Objectif général: aide à la conception

Numérisation d’un échantillon d’une population

Description compacte

et générative des modèles

de corps humain

Sélection de modèles représentatifs

de la population étudiée

Extraction et visualisation

des principaux modes de variation de la

forme

Test de satisfaction

des clients

Expertise du concepteur

ApplicationCaractéristiques du produit conçu

Contraintes budgétaires

+

18

Description compacte du corps humain Analyse en composantes principales de la représentation volumétrique basée sur une carte de distances signées

19

Exemples de reconstruction avec 64 vecteurs propres

=2,3 mm =2,3 mm = 1,8 mm= 1,8 mm

=3 mm =3 mm = 2,3 mm= 2,3 mm

=2,8 mm =2,8 mm = 2,6 mm= 2,6 mm

=2,3 mm =2,3 mm = 1,9 mm= 1,9 mm

=2,5 mm =2,5 mm = 2 mm= 2 mm

20

Performances 95% de la variabilité

de la forme dans un ensemble de 300 personnes est induite par les 64 premiers vecteurs propres

Distribution des distances entre les sommets des modèles reconstruits et les modèles réparés:Moyennes: 0,2-3,3 mmÉcarts type: 0,2-2,8 mm

€

≈200 000 points ⇒ 64 paramètres

21

Étude des principaux modes de variation de la forme humaine

C1

C2

.

CM

C1min

C2

.CM

C1min

+ h

C2

.

CM

Premier mode de variation

Deuxième mode

de variation

C1min

+2*h

C2

.

CM

C1max

C2

.

CM

C1

C2min

.

CM

C1

C2min

+h

.

CM

.….

C1

C2min+2*h

.

CM

C1

C2max

.

CM

Coefficients de projection du modèle noyau dans

la base des composantes principales …….

.….

22

Principaux modes de variation

Non normalisé Normalisé par rapport à la hauteur

QuickTime™ et undécompresseur

sont requis pour visionner cette image.QuickTime™ et undécompresseur

sont requis pour visionner cette image.QuickTime™ et undécompresseur

sont requis pour visionner cette image.

QuickTime™ et undécompresseur

sont requis pour visionner cette image.