Traitements d'images et Vision par ordinateur Reconnaissance 3D Alain Boucher – IFI - 2003 aboucher@ifi.edu.vn

Reconnaissance 3D

Le paradigme de David Marr Un modèle général de système de vision a été donné par David Marr au début des années 1980 : Les traitements de bas niveau qui partant des images, construisent des descriptions de celles-ci en fonction des images des objets. Les traitements de niveau intermédiaire qui, à partir des descriptions des images, construisent des descriptions surfaciques et volumiques des objets dans un système de coordonnées lié aux yeux ou aux capteurs. Les traitements de haut niveau qui fournissent des descriptions intrinsèques des objets, donc indépendantes des yeux ou des capteurs. Vision par ordinateur - Alain Boucher

Le paradigme de David Marr Source : devernay.free.fr/cours/vision Vision par ordinateur - Alain Boucher

Le paradigme de David Marr Vision par ordinateur - Alain Boucher

Contrôle dans un système de vision Pour guider et contrôler un système de vision, il existe deux types de méthodes : les méthodes ascendantes (bottom-up) qui commencent par analyser l'image  les methodes descendantes (top-down) qui utilisent des informations a priori sur la scène observée et les differents objets qui y sont présents. Marr considérait le processus de vision comme uniquement ascendant. On admet généralement aujourd'hui que la vision humaine est à la fois ascendante et descendante et que l'aspect ascendant y est prépondérant … Vision par ordinateur - Alain Boucher

Bas niveau vs Haut niveau Processus de bas niveau : La capacité d’extraction des images intrinsèques ; Les processus de bas niveau incluent les tâches de perceptions visuelles (pré-traitement, transformation, extraction de primitives d’image telles que contours, régions, etc.) Processus de haut niveau : La perception et la reconnaissance sont des capacités de haut niveau pouvant aider les activités visuelles ; Les processus de haut niveau incluent la classification des primitives, la reconnaissance de formes et d ’objets, etc. Vision par ordinateur - Alain Boucher

Besoin de connaissances du monde Vision par ordinateur - Alain Boucher

Interprétation basée sur les modèles Une approche basée sur les modèles consiste à modéliser les objets possibles d'une scène pour pouvoir les reconnaître. Problèmes : Quelle représentation pour les modèles ? Arbres, graphes, frames, … Gérer les vues multiples d'un objet Gérer les représentations multiples d'un objet Gérer les déformations d'un objet Vision par ordinateur - Alain Boucher

Modélisation "fil de fer" Source : “The evolution and testing of a model-based object recognition system”, J.L. Mundy and A. Heller, Proc. Int. Conf. Computer Vision, 1990 copyright 1990 IEEE Vision par ordinateur - Alain Boucher

Vision par ordinateur - Alain Boucher Modèles Les modèles devront être exprimés selon des propriétés géométriques invariantes de la position de la caméra. Par exemple, pour un modèle exprimé à partir de trois points de référence Pi, les autres points seront exprimés comme suit : Exemple d’une autre propriété invariante : Vision par ordinateur - Alain Boucher

Reconnaissance à partir de modèles Reconnaissance en utilisant un modèle de l'objet. Plus facile avec Des objets manufacturés Une vue unique Un fond uniforme Source : “Object recognition using alignment,” D.P. Huttenlocher and S. Ullman, Proc. Int. Conf. Computer Vision, 1986. Vision par ordinateur - Alain Boucher

Vision par ordinateur - Alain Boucher Modélisation CSG Une approche basique consiste à modéliser les objets avec des primitives simples. CSG : Constructive Solid Geometry. Vision par ordinateur - Alain Boucher

Modèles : qu'est-ce qu'une chaise ? Vision par ordinateur - Alain Boucher

Vision par ordinateur - Alain Boucher Modèles relationnels Un modèle relationnel ne code pas de façon rigide l'apparence d'un objet, mais modèlise les relations entre ses composantes. On fixe des contraintes de position et on recherche le modèle le plus semblable. Vision par ordinateur - Alain Boucher

Vision par ordinateur - Alain Boucher Modèles relationnels Un modèle relationnel Un objet à reconnaître Source : “Local grayvalue invariants for image retrieval,” by C. Schmid and R. Mohr, IEEE Trans. Pattern Analysis and Machine Intelligence, 1997. Vision par ordinateur - Alain Boucher

Vision par ordinateur - Alain Boucher Modèles relationnels Exemple : reconnaissance de visages Modélisation spatiale des yeux, du nez, de la bouche. Source : “Finding faces in cluttered scenes using random labelled graph matching,” by Leung, T. ;Burl, M and Perona, P., Proc. Int. Conf. on Computer Vision, 1995. Vision par ordinateur - Alain Boucher

Modèles relationnels pour le visage Source : “Finding faces in cluttered scenes using random labelled graph matching,” by Leung, T. ;Burl, M and Perona, P., Proc. Int. Conf. on Computer Vision, 1995. Vision par ordinateur - Alain Boucher