analyse de la variabilit é en vision par ordinateur richard lepage département de génie de la...
TRANSCRIPT
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
ANPANP
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
0
10
20
30
40
50
60
70
80
90
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.