Het automatiseren van visuele communicatietoepassingen, bijvoorbeeld videoconferencing, met computervisie vraagt om een compacte weergave van gezichtsafbeeldingen om ze efficiënt te kunnen analyseren en opslaan. Dit doctoraatsonderzoek brengt een oplossing voor de segmentatie, approximatie en analyse van gezichten in afbeeldingen en videosequenties aan de hand van adaptieve technieken met polynomiale contour- en oppervlaktemodellen. De belangrijkste bijdrage in het opstellen van deze modellen is de introductie van adaptieve gebiedsuitbreiding door zowel het lokale als globale gedrag van pixels in een gebied te analyseren. De modellen zijn eenvoudige, natuurlijke en compacte beschrijvingen van een gezichtsafbeelding die de essentiële karakteristieken behouden. We kunnen een gezichtsafbeelding voorstellen in een paar 100 bytes, terwijl de polynomen geschikt zijn voor verdere gezichtsanalyse. In geautomatiseerde videoconferencing worden personen in een vergadering geobserveerd met meerdere camera's. We gebruiken de contour- en oppervlaktemodellen om de identiteit van de deelnemers te vinden en hun gedrag te analyseren. Gedragsanalyse omvat de classificatie van activiteiten zoals het betreden of verlaten van de vergaderruimte, spreken, interactie met andere personen, maar ook emoties zoals gelukkig of verdrietig zijn. Gerelateerde problemen waarvoor we een oplossing bieden zijn de detectie van de kijkrichting en de selectie van de camera met het beste zicht op een persoon.