Face perception in videos: Contributions to a visual saliency model and its implementation on GPUs

Directeur de thèse :     Dominique HOUZET

Co-directeur de thèse :     Denis PELLERIN

École doctorale : Electronique, electrotechnique, automatique, traitement du signal (EEATS)

Spécialité : Micro-nano électronique

Structure de rattachement : Université Grenoble Alpes

Établissement d'origine : UJF

Financement(s) : bourse attribuée par un gouvernement étranger ; vacations

Date d'entrée en thèse : 01/10/2009

Date de soutenance : 12/04/2013

Composition du jury :
M. Alain TREMEAU, Professeur, Université Jean Monnet, Saint-Etienne, France, Président
M. Simon THORPE, Directeur de Recherche, CNRS Toulouse, France, Rapporteur
M. Christopher PETERS, Professeur Associé, KTH Royal Institute of Technology, Swède, Rapporteur
M. Michel PAINDAVOINE, Professeur, Université de Bourgogne, France, Examinateur
M. Dominique HOUZET, Professeur, Institut Polytechnique de Grenoble, Grenoble, France, Directeur de thèse
M. Denis PELLERIN, Professeur, Université Joseph Fourier, France, Co-Directeur de thèse

Résumé : Studies conducted in this thesis focus on faces and visual attention. We are interested in understanding the influence and perception of faces, to propose a visual saliency model with face features. Throughout the thesis, we concentrate on the question, How people explore dynamic visual scenes, how the different visual features are modeled to mimic the eye movements of people, in particular, what is the influence of faces? To answer these questions we analyze the influence of faces on gaze during free-viewing of videos, as well as the effects of the number, location and size of faces. Based on the findings of this work, we propose a model with face as an important information feature extracted in parallel along other classical visual features (static and dynamic features). Finally, we propose a multi-GPU implementation of the visual saliency model, demonstrating an enormous speedup of more than 132 times compared to a multithreaded CPU implementation.