Сравнение локальных дескрипторов при локализации контрольных точек на лице

Автор работы: Пользователь скрыл имя, 20 Мая 2013 в 15:50, статья

Описание

Локальные дескрипторы представляют собой вектора признаков, построенные по отдельным фрагментам изображения. Дескрипторы нашли успешное применение во многих областях: распознавание объектов, распознавание текстуры, поиск изображений, сравнение изображений, создание панорам, распределение объектов по категориям, интеллектуальный анализ видеоданных. Практически важный интерес представляет использование локальных дескрипторов для локализации контрольных точек на изображении лица человека в условиях наличия дополнительных факторов, таких, как отклонение ракурса головы от фронтального, изменение направления взгляда и пр. В данной статье приведены результаты исследования пригодности трех наиболее распространенных локальных дескрипторов для решения указанной задачи.

Скачать (382.85 Кб) Сколько стоит заказать работу?
Работа состоит из  1 файл

Статья_final.docx

— 389.53 Кб (Скачать документ)

 

Обсуждения результатов  и выводы

Рассматриваемые в данной статье дескрипторы показали достаточно высокие результаты при их использовании в задаче локализации контрольных точек лица в различных условиях. При тестировании на отдельных фотографиях (база изображений IMM) дескриптор, основанный на вычислении серии сверток с гауссовыми фильтрами, показал заметно лучшие результаты; при тестировании на динамических видеофрагментах дескриптор на основе SIFT оказался более устойчивым. По скорости в Matlab самоподобный дескриптор – самый медленный, быстродействие остальных двух сопоставимо, однако недостаточно для обработки изображений в режиме реального времени.

Список литературы

  1. Gao X.W., Anishenko S., Shaposhnikov D. High-precision Detection of Facial Landmarks to Estimate Head Motions Based on Vision Models. Journal of Computer Science, Vol.3, No.7. 2007.  С. 528 – 532
  2. L. David, Object recognition from local scale-invariant features // Proceedings of the International Conference on Computer Vision
  3. Y. Ke, R. Sukthankar, PCA-SIFT: A More Distinctive Representation for Local Image Descriptors
  4. M. Irani, E. Shechtman, Matchilg Local Self-Similarities across Images and Videos // IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2007
  5. O. Boiman, M. Irani, Detecting irregularities in images and in video // ICCV, Beijing, 2005
  6. The IMM Face Database – An Annotated Dataset of 240 Face Images//www2.imm.dtu.dk/pubdb/views/publication_details.php?id=3160 (дата обращения 03.02.2013).

Нужна ссылка


Информация о работе Сравнение локальных дескрипторов при локализации контрольных точек на лице