Lokalizacja i śledzenie punktów charakterystycznych twarzy

• Autorzy: Kowalski Marek

Identyfikatory

DOI

10.15199/59.2019.6.61

Warianty tytułu

EN

Localization and tracking of facial landmarks

• Konferencja: Krajowa Konferencja Radiokomunikacji, Radiofonii i Telewizji (25-27.06.2019 ; Wrocław, Polska)
• Języki publikacji: PL

Abstrakty

PL

Referat przedstawia problem lokalizacji i śledzenia punktów charakterystycznych twarzy, opisuje dwa podejścia do rozwiązania tego problemu oraz przykłady zastosowań. Obie metody osiągają dobre wyniki na wyjątkowo wymagającym zbiorze IBUG. Dowodzi to, że proponowane metody są wysoce odporne na trudne warunki oświetleniowe, niedokładną inicjalizację oraz niefrontalną pozę głowy. Referat jest streszczeniem rozprawy doktorskiej autora.

EN

The paper describes the problem of localization and tracking of facial landmarks, proposes two methods that attempt to solve it and gives example applications. Both proposed methods achieve good results on the difficult IBUG test set. This shows that the methods are robust to poor illumination, inaccurate initialization and non-frontal head pose. The paper is a summary of the author’s PhD dissertation.

Słowa kluczowe

PL

punkty charakterystyczne twarzy; uczenie maszynowe; wizja komputerowa

EN

facial landmarks; machine learning; computer vision

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Telekomunikacyjny + Wiadomości Telekomunikacyjne
• Rocznik: 2019
• Tom: nr 6
• Strony: 405--408, CD
• Opis fizyczny: Bibliogr. 11 poz., rys.

Twórcy

autor

Kowalski Marek

• Politechnika Warszawska

Bibliografia

• [1] Hara Kota, Rama Chellappa. 2014. “Growing regression forests by classification: Applications to object pose estimation”. European Conference on Computer Vision, 552-567
• [2] Kowalski Marek, Jacek Naruniec. 2016. "Face alignment using k-cluster regression forests with weighted splitting". IEEE Signal Processing Letters, 23 (11) : 1567-1571.
• [3] Kowalski Marek, Jacek Naruniec, Tomasz Trzcinski. 2017. "Deep alignment network: A convolutional neural network for robust face alignment". Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition Workshops, 88-97.
• [4] Kowalski Marek, Zbigniew Nasarzewski, Grzegorz Galinski, Piotr Garbat. 2018. "HoloFace: Augmenting human-to-human interactions on HoloLens". 2018 IEEE Winter Conference on Applications of Computer Vision (WACV), 141-149.
• [5] Li Xuan, Yidan Xu, Qi Lv, Yong Dou. 2016. "Affine- transformation parameters regression for face alignment". IEEE Signal Processing Letters 23, (1) : 55-59.
• [6] Lowe David. 1999. "Object recognition from local scale-invariant features". International Conference on Computer Vision, 99 (2) : 1150-1157.
• [7] Naruniec Jacek, Michał Wieczorek, Stanisław Szlufik, Dariusz Koziorowski, Michał Tomaszewski, Marek Kowalski, and Andrzej Przybyszewski. 2016. "Webcam-based system for video-oculography". IET Computer Vision 11 (2) : 173-180.
• [8] Ren Shaoqing, Xudong Cao, Yichen Wei, Jian Sun. 2014. "Face alignment at 3000 fps via regressing local binary features". Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, 1685-1692.
• [9] Sagonas Christos, Epameinondas Antonakos, Georgios Tzimiropoulos, Stefanos Zafeiriou, Maja Pantic. 2016. "300 faces in-the-wild challenge: Database and results". Image and Vision Computing 47 : 3-18.
• [10] Zafeiriou Stefanos, George Trigeorgis, Grigorios Chrysos, Jiankang Deng, Jie Shen. 2017. "The menpo facial landmark localisation challenge: A step towards the solution". Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition Workshops, 170-179.
• [11] Zhu Shizhan, Cheng Li, Chen Change Loy, and Xiaoou Tang. 2015. "Face alignment by coarse-tofine shape searching". Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, 4998-5006.

Uwagi

PL

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2019).