Tytuł artykułu
Autorzy
Identyfikatory
Warianty tytułu
Fast and reliable automatic face recognition system based on deformable shape models
Języki publikacji
Abstrakty
W artykule przedstawiony został system automatycznego rozpoznawania twarzy wykorzystujący deformowalne modele kształtu. Do wykrywania twarzy i oczu wykorzystano nowoczesne Kaskadowe Detektory Haara. Ekstrakcja reprezentacji konturowej twarzy została zrealizowana za pomocą dwóch modeli: Aktywnych Kształtów i Bayesowskich Kształtów Stycznych. Klasyfikacja jest realizowana za pomocą trzech rodzajów klasyfikatorów bayesowskich. Opracowany system osiągnął wysoką skuteczność rozpoznawania, a jego wydajność obliczeniowa umożliwia wykorzystanie w czasie rzeczywistym.
In this paper we present an automatic face recognition system using deformable shape models as face descriptors. The state of the art Haar Cascade Classifiers were used to detect faces and eyes. Face contours were extracted with two different models: the Active Shape Model and the Bayesian Tangent Shape Model. The efficiency of three different bayesian classifiers was evaluated. The proposed system achieved high recognition rate, while keeping the processing time low enough to be used in a real-time.
Rocznik
Tom
Strony
81--90
Opis fizyczny
Bibliogr. 13 poz., rys.
Twórcy
autor
autor
- Politechnika Poznańska, Instytut Automatyki i Inżynierii Informatycznej, ul. Piotrowo 3A, 60-935 Poznań, Adam.Schmidt@put.poznan.pl
Bibliografia
- [1] P. Campadelli, R. Lanzarotti, G. Lipori. Fundamentals of Verbal and Nonverbal Communication and the Biometric Issue. Amsterdam, IOS Press BV 2006, rozdział Eye localization: a survey.
- [2] T.F. Cootes. Image Processing and Analysis. Oxford University Press 2000, rozdział Model-Based Methods in Analysis of Biomedical Images.
- [3] T.F. Cootes, C.J. Taylor. Statistical models of appearance for computer vision. Raport instytutowy, Imaging Science and Biomedical Engineering, University of Manchester, March, 2004.
- [4] T.F. Cootes et al. Active shape models - their training and application. Computer Vision and Image Understanding, January, 1995, wolumen 61, numer 1, s. 38-59.
- [5] R.O. Duda, P.E. Hart, D.G. Stork. Pattern Classification, wydanie Second edition, Wiley 2001.
- [6] A. Kasinski, A. Schmidt. Computer Recognition Systems 2. Springer Berlin / Heidelberg 2007, wolumen 45 serii Advances in Soft Computing, rozdział The Architecture of the Face and Eyes Detection System Based on Cascade Classifiers.
- [7] R. Lienhart, A. Kuranov, V. Pisarevsky. Empirical analysis of detection cascades of boosted classifiers for rapid object detection. Raport instytutowy, Intel Labs, Microprocessor Research Lab, 2002.
- [8] A. Schmidt, A. Kasinski. Computer Recognition Systems 2. Springer Berlin / Heidelberg 2007, wolumen 45 serii Advances in Soft Computing, rozdział The Performance of the Haar Cascade Classifiers Applied to the Face and Eyes Detection.
- [9] S. Theodoridis, K. Koutroumbas. Pattern Recognition, wydanie Second edition, Elsevier Academic Press 2003.
- [10] P. Viola, M. Jones. Rapid object detection using a boosted cascade of simple features. In: Proceedings of CVPR 2001. Proceedings, 2001, s. 511-518.
- [11] P. Wilson, J. Fernandez. Facial features detection using haar classifiers. JCSC, 2006, wolumen 21, s. 127-133.
- [12] Y. Zhou, L. Gu, H. Zhang. Bayesian tangent shape model: Estimating shape and pose parameters via bayesian inference. In: Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. Proceedings, 2003.
- [13] Intel. Open Computer Vision Library, http://opencvlibrary.sourceforge.net
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-article-PWA9-0030-0006