Caractérisation de signaux pour l'interaction sociale

Kévin Bailly, Catherine Achard, Mohamed Chetouani

{bailly,achard,chetouani}@isir.upmc.fr

ISIR - Institut des Systèmes Intelligents et de Robotique

Groupe IMI2S : Intégration Multimodale, Interaction et Signal Social

IMI2S : Intégration Multimodale, Interaction et Signal Social

• Objectifs :– Analyser, caractériser, reconnaitre, modéliser les

signaux et les comportements sociaux– Améliorer de la compréhension des interactions

sociales: processus émotionnels et intermodaux– Développer des systèmes interactifs, sociaux et

multi-modaux pour l’assistance de personnes déficientes

• Equipe pluridisciplinaire : – Sciences de l’ingénieur– Psychologie – Neurosciences

2

• Caractérisation des signaux socio-émotionnels

• Dynamique de la communication humaine– Synchronies interpersonnelles– Mesure de l’engagement

PLAN

3

Visage Geste Parole

• Caractérisation des signaux socio-émotionnels

• Dynamique de la communication humaine– Synchronies interpersonnelles– Mesure de l’engagement

PLAN

4

Visage Geste Parole

Analyse automatique du visage

5

Localisation de points caractéristiques

Reconnaissance d’Action Units Reconnaissance d’émotions

Estimation et suivi de pose

Analyse automatique du visage

6

Localisation de points caractéristiques

Reconnaissance d’Action Units Reconnaissance d’émotions

Estimation et suivi de pose

Estimation de la pose de la tête

7

Réseau de neurones Pose

Solution proposée : algorithme BISAR [1]

[1] K. Bailly et M. Milgram, Boosting Feature Selection for Neural Network based Regression. Neural Networks 22 (5-6) : 748-756, 2009.

Sélectionner les descripteurs qui permettent à un réseau de neurones de prédire la pose du visage

Suivi de la pose de la tête

• Alignement d’un modèle déformable 3D

• Thèse CIFRE avec Eikeo (anc. Majority Report)

8

[1] P. Phothisane, E. Bigorgne, L. Collot, L. Prévost, A Robust Composite Metric for Head Pose Tracking using an Accurate Face Model. IEEE Face and Gesture 2011.

Analyse automatique du visage

9

Localisation de points caractéristiques

Reconnaissance d’Action Units Reconnaissance d’émotions

Estimation et suivi de pose

Localisation de points caractéristiques

10

1. Localisation du visage

2. Initialisation du modèle de forme 2D

3. Alignement du modèle

Approche par alignement d’un modèle déformable

Alignement d’un modèle déformable par apprentissage de la fonction de coût

Fonction de coût Score

Réseau de neurones

Objectif : Apprendre la relation entre la distance du modèle par rapport à sa position optimale et l’apparence de la texture transférée

11

Approche par détection

12

Caractérisation multi-échelles des points d’intérêt du visage

Détections multi-échelles

13

Détection d’un point du visage à l’aide d’un classifieur SVM Multi-Noyaux

Approche par détection

V. Rapp, T. Senechal, K. Bailly, L. Prevost, Multiple Kernel Learning SVM and Statistical Validation for Facial Landmark Detection, IEEE FG 2011V. Rapp, T. Senechal, K. Bailly, L. Prevost, Machine à Vecteur Support Multi Noyaux pour la détection de points caractéristiques faciaux, RFIA 2011 14

Le pixel candidat choisi est celui correspondant au maximum de la sortie du classifieur SVM et qui aboutit à une forme statistiquement valide

Analyse automatique du visage

15

Localisation de points caractéristiques

Reconnaissance d’Action Units Reconnaissance d’émotions

Estimation et suivi de pose

Contexte : projet ANR IMMEMO

16

IMMEMO : IMMersion 3D basée sur l’interaction EMOtionnelle

Descripteurs : histogrammes LGBP

17

Images de Gabor

*

Filtres de Gabor

Image extraite et redimensionnée

Cartes LGBP Histogrammes LGBP

Décomposition des 18 cartes LGBP en N régions, puis un histogramme est calculé par région et par fréquence spatiale et orientation des filtres de Gabor.

Reconnaissance d’expression faciales

Visage détouré et redimensionné

Histogramme LGBP

SVMIntersection

d’histogrammes

AU 1 : 0AU 2 : 1AU 3 : 1…

18

Reconnaissance d’expressions faciales

Histogramme LGBP

SVMHDI Kernel

AU 1 : 0AU 2 : 1AU 3 : 1…

Adapté aux différences d’histogrammes

T. Senechal, K. Bailly, L. Prevost, Automatic facial action detection using histogram variation between emotional states, ICPR 2010. 19

Visage détouré et redimensionné

Fusion de descripteurs

20

• Combinaisons les histogrammes LGBP avec les AAM 2.5D [1]

[1] A. Sattar, Y. Aidarous et R.Seguier, “Gagm-aam: a genetic optimization with gaussian mixtures for active appearance models” dans Proc. IEEE Int’l. Conf. on Image Processing (ICIP’08)

Les histogrammes h et les vecteurs d’apparence AAM c sont combinés par apprentissage multi-noyaux :

K([h1 c1], [h2 c2]) = β1KLGBP(h1,h2) + β2 KAAM(c1,c2)

http://sylvain.legallou.fr/

Résultats expérimentaux : détection des AU

2121

Score 2 AFC pour différents descripteurs

Détection de 12 AU dans 145 séquences. Base indépendante de 145 séquences à étiqueter image par image (5000

images à étiqueter) Mesure F1 utilisé comme mesure de performance (moyenne harmonique

de la précision et du rappel)

Facial Expression Recognitionand Analysis Challenge (FERA2011)Résultats officiels (mesure F1) pour

détection des AU

Analyse automatique du visage

22

Localisation de points caractéristiques

Reconnaissance d’Action Units Reconnaissance d’émotions

Estimation et suivi de pose

Exemples

23

Résultats expérimentaux :détection des émotions

24

Comparaison de notre score de reconnaissance de l’émotion avec les meilleurs compétiteurs de

FERA 2011

• Détection de 5 émotions dans 134 séquences.• SVM multi-classe « un-contre-tous » entraîné pour reconnaître l’émotion

sur chaque image.

• Etiquetage image par image puis l’émotion apparaissant dans le plus grand nombre d’image est associée à la séquence.

Actions Units ou détection directe de l’émotion ?

25

T. Senechal, K. Bailly, L. Prevost, Impact of Action Unit Detection in Automatic Emotion Recognition, Pattern Analysis & Applications (en révision)

Emotion inconnue

Détecteurs d’AU

apprentissage

Reconnaissance des émotions

apprentissage

apprentissage

Combinaisons AUsEmotions basiques

Scores d’AU

Histogrammes LGBP

Architecture EAUS

ArchitectureEFS

Reconnaissance des émotions

• Caractérisation des signaux socio-émotionnels

• Dynamique de la communication humaine– Synchronies interpersonnelles– Mesure de l’engagement

PLAN

26

Visage Geste Parole

Suivi de gestes

27

Suivi du haut du corps humain combinant filtrage particulaire à recuit simulé et propagation de croyance

I. Renna,R. Chellali and C. Achard. Real and Simulated Upper Body Tracking with Annealing Particle Filter and Belief Propagation for Human-Robot Interaction. International Journal of Humanoid Robotics. 2010

Reconnaissance de gestes

28

• Caractérisation des signaux socio-émotionnels

• Dynamique de la communication humaine– Synchronies interpersonnelles– Mesure de l’engagement

PLAN

29

Visage Geste Parole

Signal de parole

• La caractérisation de signaux de parole– Identité du locuteur [1] : caractérisation statistique du

résidu de prédiction pour améliorer la robustesse des systèmes de reconnaissance du locuteur

– Information non verbale : états affectifs et communicatifs

30

[1] M. Chetouani, M. Faundez-Zanuy, B. Gas, and J. L. Zarader. Investigation on lp-residual representations for speaker identication. Pattern Recognition, 2009

Caractérisation des états affectifs : La notion d'ancrages

• Détection d’un ensemble d'ancrages (phonétique et rythmique [1], voisés/non voisés [2])

• Exploitation de la valence émotionnelle portée par chacun des ancrages (caractérisation du signal et décisions locales)

• Fusion d'informations pour inférer une décision sur le tour de parole.

31

[1] F. Ringeval. Ancrages et modèles dynamiques de la prosodie : application à la reconnaissance des émotions actées et spontanées. Thèse de doctorat UPMC, 2011[2] A. Mahdhaoui, M. Chetouani, and Cong Zong. Motherese detection based on segmental and supra-segmental features, ICPR, 2008.

Dynamique du signal de parole

• Analyse de la dynamique des ancrages par la caractérisation du rythme.

32

33

Apprentissage pour la caractérisation de signaux de parole en situation réaliste

• Approches semi-supervisées pour la détection de mamanais (parole spécifique produite par la mère durant l'interaction avec son enfant)

34

A. Mahdhaoui and M. Chetouani. Supervised and semi-supervised infantdirected speech classication for parent-infant interaction analysis. Speech Communication, 2011

• Caractérisation des signaux socio-émotionnels

• Dynamique de la communication humaine– Synchronies interpersonnelles– Mesure de l’engagement

PLAN

35

Visage Geste Parole

Synchronies dyadiques

36

E. Delaherche and M. Chetouani. Multimodal coordination : exploring relevant features and measures. Workshop SSP, 2010

• Reconnaissance automatique du degré de coordination• Détermination des descripteurs pertinents pour mesurer la qualité de la collaboration

37

Matrice des synchronies

Dendrogramme

Caractérisation du degré d'engagement

38

– Objectif : mesurer l’engagement d’un patient dans une tâche de stimulation cognitive

Situation triadique Cas de l'interaction entre : • Patient• Exercice de stimulation• Thérapeute/robot

(projet ROBADOM)

Détection de l'interlocuteur (face engagement)

39

Corrélation des caractéristiques audiovisuelles (MFCC + DCT de la zone de la bouche)

Mesure de l’engagement à partir de la prosodie

• La détection d’un visage parlant ne suffit pas à caractériser l’engagement

• L’auto-verbalisation (self-talk) est un indicateur du degré d'engagement du patient dans la tâche

• L'estimation de l'effort d'interaction

40

Mesure de l’engagement

• La notion d’engagement est :– Complexe– Mal définie– Multimodale– Personnelle– Contextuelle

41

Conclusion

• Ensemble de méthodes pour caractériser le signal social :– Visage : estimation de pose, suivi de points

caractéristiques, reconnaissance d’expressions faciales

– Geste : suivi de gestes et reconnaissance d’actions

– Parole : caractérisation des émotions, détection de mamanais.

• Vers une modélisation de la dynamique de la communication :– Mesure de coordination (synchronie)– Mesure d’engagement

42

Caractérisation de signaux pour l'interaction sociale

Kévin Bailly, Catherine Achard, Mohamed Chetouani

{bailly,achard,chetouani}@isir.upmc.fr

ISIR - Institut des Systèmes Intelligents et de Robotique

Groupe IMI2S : Intégration Multimodale, Interaction et Signal Social