In this paper, we propose a new polynomial based texture representation method for extracting information about facial expressions. While many appearance-based methods have been proposed over the years to improve the performance of facial expression recognition, most descriptors are usually unable to both provide precise multi-scale / multi-orientation analysis and handle the redundancy problem effectively. We will explain how coefficients obtained from polynomial projections of pixel intensities on a complete basis can be used for compact, hierarchical image approximation and structural analysis. We have tested our approach on two publicly available databases and achieved encouraging results comparable to the state of the art.

Dans cet article, nous proposons une nouvelle approche pour la representation de texture dans les modeles actifs d'apparence (AAM). Celle-ci est basee sur l'utilisation de coefficients issus de projections des intensites lumineuses sur une base polynomiale complete. Parce qu'elle propose une representation compacte et hierarchique des images, la decomposition polynomiale est une alternative efficace aux representations trop globales telles que l'ACP, ou trop redondantes telles que les ondelettes de Gabor. De plus, elle apporte une certaine souplesse par rapport aux representations en ondelettes dans les parametres de la decomposition. Nous decrirons comment des coefficients de projection sur bases polynomiales peuvent etre utilises dans un modele AAM en fournissant des resultats experimentaux dans un contexte d'alignement de visages. Ceux-ci illustreront la capacite de notre approche a ameliorer la robustesse face aux changements de pose et d'expression faciale.