analyse de la variabilit é en vision par ordinateur
DESCRIPTION
Analyse de la variabilit é en vision par ordinateur. Richard Lepage Département de génie de la production automatisée École de technologie supérieure Montréal (Québec) Canada. Collaborateurs. Couleur de la canneberge Gilles Doyon, CRDA, Agriculture Canada - PowerPoint PPT PresentationTRANSCRIPT
![Page 1: Analyse de la variabilit é en vision par ordinateur](https://reader035.vdocuments.net/reader035/viewer/2022062410/56816096550346895dcfbff6/html5/thumbnails/1.jpg)
Analyse de la variabilité en vision par ordinateur
Richard LepageDépartement de génie de la production automatiséeÉcole de technologie supérieureMontréal (Québec) Canada
![Page 2: Analyse de la variabilit é en vision par ordinateur](https://reader035.vdocuments.net/reader035/viewer/2022062410/56816096550346895dcfbff6/html5/thumbnails/2.jpg)
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
![Page 3: Analyse de la variabilit é en vision par ordinateur](https://reader035.vdocuments.net/reader035/viewer/2022062410/56816096550346895dcfbff6/html5/thumbnails/3.jpg)
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
![Page 4: Analyse de la variabilit é en vision par ordinateur](https://reader035.vdocuments.net/reader035/viewer/2022062410/56816096550346895dcfbff6/html5/thumbnails/4.jpg)
4
Analyse de la variabilité 1
i1
i2
u 1
u 2
![Page 5: Analyse de la variabilit é en vision par ordinateur](https://reader035.vdocuments.net/reader035/viewer/2022062410/56816096550346895dcfbff6/html5/thumbnails/5.jpg)
5
u 1
u 2 A i
Hi
minimiser maximiser
![Page 6: Analyse de la variabilit é en vision par ordinateur](https://reader035.vdocuments.net/reader035/viewer/2022062410/56816096550346895dcfbff6/html5/thumbnails/6.jpg)
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
![Page 7: Analyse de la variabilit é en vision par ordinateur](https://reader035.vdocuments.net/reader035/viewer/2022062410/56816096550346895dcfbff6/html5/thumbnails/7.jpg)
7
Traitement Conversion RVB Lab
Segmentation Élimination des réflets de l’éclairage
![Page 8: Analyse de la variabilit é en vision par ordinateur](https://reader035.vdocuments.net/reader035/viewer/2022062410/56816096550346895dcfbff6/html5/thumbnails/8.jpg)
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
![Page 9: Analyse de la variabilit é en vision par ordinateur](https://reader035.vdocuments.net/reader035/viewer/2022062410/56816096550346895dcfbff6/html5/thumbnails/9.jpg)
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
![Page 10: Analyse de la variabilit é en vision par ordinateur](https://reader035.vdocuments.net/reader035/viewer/2022062410/56816096550346895dcfbff6/html5/thumbnails/10.jpg)
10
ANP
v1 v2
u1
u2
1
2
![Page 11: Analyse de la variabilit é en vision par ordinateur](https://reader035.vdocuments.net/reader035/viewer/2022062410/56816096550346895dcfbff6/html5/thumbnails/11.jpg)
11
Gabarits de visages
Exemples d’images de la base de visages “Yale Face Database”
![Page 12: Analyse de la variabilit é en vision par ordinateur](https://reader035.vdocuments.net/reader035/viewer/2022062410/56816096550346895dcfbff6/html5/thumbnails/12.jpg)
12
Base de « visages propres »
![Page 13: Analyse de la variabilit é en vision par ordinateur](https://reader035.vdocuments.net/reader035/viewer/2022062410/56816096550346895dcfbff6/html5/thumbnails/13.jpg)
13
Reconstruction des visages de la base à partir des 6 premiers « visages propres »
![Page 14: Analyse de la variabilit é en vision par ordinateur](https://reader035.vdocuments.net/reader035/viewer/2022062410/56816096550346895dcfbff6/html5/thumbnails/14.jpg)
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 (%)
![Page 15: Analyse de la variabilit é en vision par ordinateur](https://reader035.vdocuments.net/reader035/viewer/2022062410/56816096550346895dcfbff6/html5/thumbnails/15.jpg)
15
Anthropométrie 3DAnthropométrie traditionnelle
Distances entre des pointsDistances entre des points de repère anatomiquesde repère anatomiques Circonférences
mesures mesures unidimensionnellesunidimensionnelles
![Page 16: Analyse de la variabilit é en vision par ordinateur](https://reader035.vdocuments.net/reader035/viewer/2022062410/56816096550346895dcfbff6/html5/thumbnails/16.jpg)
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
![Page 17: Analyse de la variabilit é en vision par ordinateur](https://reader035.vdocuments.net/reader035/viewer/2022062410/56816096550346895dcfbff6/html5/thumbnails/17.jpg)
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
+
![Page 18: Analyse de la variabilit é en vision par ordinateur](https://reader035.vdocuments.net/reader035/viewer/2022062410/56816096550346895dcfbff6/html5/thumbnails/18.jpg)
18
Description compacte du corps humain Analyse en composantes principales de la représentation volumétrique basée sur une carte de distances signées
![Page 19: Analyse de la variabilit é en vision par ordinateur](https://reader035.vdocuments.net/reader035/viewer/2022062410/56816096550346895dcfbff6/html5/thumbnails/19.jpg)
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
![Page 20: Analyse de la variabilit é en vision par ordinateur](https://reader035.vdocuments.net/reader035/viewer/2022062410/56816096550346895dcfbff6/html5/thumbnails/20.jpg)
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
![Page 21: Analyse de la variabilit é en vision par ordinateur](https://reader035.vdocuments.net/reader035/viewer/2022062410/56816096550346895dcfbff6/html5/thumbnails/21.jpg)
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 …….
.….
![Page 22: Analyse de la variabilit é en vision par ordinateur](https://reader035.vdocuments.net/reader035/viewer/2022062410/56816096550346895dcfbff6/html5/thumbnails/22.jpg)
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.