Detección precisa de rostro y humanos utilizando características de transformación local híbrida Los precios brutos finales pueden variar según el IVA local. Resumen Se proponen dos nuevas características locales de transformación: gradiente local patrones (LGP) e histogramas binarios de gradientes orientados (BHOG). LGP asigna uno si el gradiente vecino de un píxel dado es mayor que el promedio de ocho gradientes vecinos y cero de lo contrario, lo que hace que las variaciones de intensidad local a lo largo de los componentes del borde sean robustas. BHOG asigna uno si el compartimiento de histograma tiene un valor más alto que el valor medio de los compartimientos de histograma total, y cero de lo contrario, lo que hace que el tiempo de cómputo de la característica sea rápido debido a ningún post-procesamiento posterior y clasificación SVM. También proponemos una característica híbrida que combina varias características de transformación local con el método de selección de características de AdaBoost donde se selecciona secuencialmente la mejor característica de transformación local entre varias características de transformación local (LBP, LGP y BHOG), que tiene el error de clasificación más bajo El rendimiento de clasificación requerido. Esta hibridación hace que la detección de rostro y humanos sea robusta al cambio de iluminación global por LBP, el cambio de intensidad local por LGP y el cambio de pose local por BHOG, lo que mejora considerablemente el rendimiento de detección. Aplicamos las características de transformación local propuestas y la característica híbrida al problema de detección de rostros utilizando la base de datos de cara MITCMU y FDDB y el problema de detección humana usando la base de datos de humanos de INRIA. Los resultados experimentales muestran que las características LGP y BHOG propuestas alcanzan un rendimiento de detección preciso y un tiempo de cómputo rápido, respectivamente, y la característica híbrida proporciona una mejora considerable de la detección de rostros y la detección humana. Palabras clave Patrón binario local Patrón de gradiente local Histogramas binarios de gradientes orientados Característica hibridación Detección de rostros Detección humana Ahonen T, Hadid A, Pietikainen M (2006) Descripción de la cara con patrones binarios locales: aplicación al reconocimiento facial. IEEE Trans Pattern Anal Intell 28 (12): 20372041 CrossRef Bay H, Ess A, Tuytelaars T, Gool LV (2008) SURF: aceleró las características robustas. Comput Vis Image Underst 110 (3): 346359 CrossRef Dahmane M, Meunier J (2011) Reconocimiento de emociones usando características de HoG dinámicas basadas en grid. In: Actas de la conferencia internacional IEEE sobre reconocimiento automático de rostros y gestos, pp. 884888 Dalal N, Triggs B (2005) Histogramas de gradientes orientados para la detección humana. En: Actas de la conferencia IEEE sobre visión por computador y reconocimiento de patrones, pp. 886893 Deniza O, Buenoa G, Salido J (2011) Reconocimiento facial mediante histogramas de gradientes orientados. Reconocimiento de patrones Lett 32 (12): 15981603 CrossRef Dólar P, Belongie S, Perona P (2010) El detector de peatones más rápido en el oeste. En: Actas de la conferencia británica sobre la visión de la máquina, pp 111 Dólar P, Wojek C, Schiele B, Perona P (2009) Detección de peatones: un punto de referencia. En: Actas de la conferencia IEEE sobre visión por ordenador y reconocimiento de patrones, pág. 304311 Dólar P, Wojek C, Schiele B, Perona P (2011) Detección de peatones: una evaluación del estado de la técnica. IEEE Trans Pattern Anal Intell Mach 34 (4): 743761 CrossRef Enzweiler M, Gavrila DM (2009) Detección de peatones monoculares: estudio y experimentos. IEEE Trans Pattern Anal Intell 31 (12): 21792195 CrossRef Felzenszwalb P, Girshick R, McAllester D (2010) Detección de objetos en cascada con modelos de piezas deformables. En: Actas de la conferencia IEEE sobre visión por ordenador y reconocimiento de patrones, pp. 22412248 Felzenszwalb P, Girshick R, McAllester D, Ramanan D (2010) Detección de objetos con modelos basados en partes discriminadas. IEEE Trans Pattern Anal Intell 32 (9): 16271645 CrossRef Feng X, Pietikainen M, Hadid A (2005) Reconocimiento de la expresión facial con patrones binarios locales y programación lineal. Patrón Reconocimiento Imagen Anal 15 (2): 546548 Froba B, Ernst A (2004) Detección de rostros con la transformación del censo modificado. In: Actas de la conferencia internacional IEEE sobre reconocimiento automático de rostros y gestos, pp 9196 Grimes DB, Rao RPN (2003) Un modelo bilineal para la codificación escasa. Neural Inf Process Syst 15: 12871294 Heikkila M, Pietikainen M, Heikkila J (2004) Método basado en la textura para detectar objetos en movimiento. Procesos binarios locales como preprocesamiento de imágenes para la autenticación de rostros. En: Actas de la conferencia internacional sobre reconocimiento automático de rostro y gesto, pp 914 Huang X, Li SZ, Wang Y (2004) Localización de forma basada en el método estadístico usando patrón binario local extendido. En Proceedings de la conferencia internacional sobre la imagen y los gráficos, pp 184187 Jain V, Miller EL (2010) FDDB: un punto de referencia para la detección de rostros en entornos sin restricciones. Universidad de Massachusetts, Amherst Jin H, Liu Q, Lu H, Tong X (2004) Detección de la cara usando LBP mejorado bajo marco bayesiano. En: Actas de la conferencia internacional sobre imagen y gráficos, pp 306309 Ke Y, Sukthankar R (2004) PCA-SIFT: una representación más distintiva de los descriptores de imágenes locales. En: Actas de la conferencia IEEE sobre visión por ordenador y reconocimiento de patrones, pp 511517 Kellokumpu V, Zhao G, Li S, Pietikainen M (2009) En: Actas de la conferencia internacional sobre biometría, pp 10001009 Lowe DG (2004) Características distintivas de la imagen de los puntos clave invariantes de la escala. Int J Comput Vision 60 (2): 91110 CrossRef Mikolajczyk K, Schmid C, Zisserman A (2004) Detección humana basada en un conjunto probabilístico de detectores de piezas robustas. Un estudio comparativo de medidas de textura con clasificación basada en distribuciones de rasgos. Reconocimiento de patrones 29 (1): 5159 CrossRef Ojala T, Pietikainen M, Maenpaa T (2002) Clasificación de textura en escala de grises multiresolución y rotación invariante con patrones binarios locales. IEEE Trans Pattern Anal Intell 24 (7): 971987 CrossRef Papageorgiou C, Poggio T (2000) Sistema CA entrenable para la detección de objetos. Int J Comput Vision 38 (1): 1533 CrossRef MATH Porkili F (2005) Histograma integral: una forma rápida de extraer histogramas en espacios cartesianos. In: Actas de la conferencia IEEE sobre visión por ordenador y reconocimiento de patrones, pp 829836 Prisacariu V, Reid I (2009) FastHOGa implementación de GPU en tiempo real de HOG. Departamento de Ciencias de la Ingeniería, Universidad de Oxford Randen T, Husoy JH (1999) Filtrado para la clasificación de textura: un estudio comparativo. IEEE Trans Pattern Anal Intell 21 (4): 291310 CrossRef Rowley HA (1999) Detección de la cara de red neuronal. Doctor en Filosofía. Tesis, Carnegie Mellon University, Pitsburgh Rowley H, Baluja S, Kanade T (1998) Detección de la cara de red neuronal. (2000) Un método estadístico para la detección de objetos en 3D aplicado a caras y coches. Reconocimiento de la expresión facial basado en patrones binarios locales: un estudio exhaustivo. Image Vis Comput 27: 803816 CrossRef Shet VD, Neumann J., Ramesh V, Davis LS (2007) El razonamiento lógico basado en Bilattice para la detección humana. En: Actas de la Conferencia IEEE sobre Visión por Computador y Reconocimiento de Patrones, pp. 18 Subburaman V, Marcel S (2010). En: Actas del taller de ECCV sobre detección de rostros: dónde estamos y en qué próximo lugar N, Zheng W, Sun C, Zou C, Zhao L (2006) Clasificación de género basada en impulsar el patrón binario local. En: Actas del simposio internacional sobre redes neuronales, pp 194201 Swain M, Ballard D (1991) Color indexing. Int J Comput Vision 7 (1): 1132 CrossRef Takala V, Ahonen T, Pietikainen M (2005) Métodos basados en bloques para la recuperación de imágenes usando patrones binarios locales. In: Actas de la conferencia escandinava sobre el análisis de la imagen, pp 882891 Viola P, Jones M (2004) Robusta detección de la cara en tiempo real. Int J Comput Vision 57 (2): 137154 CrossRef Viola P, Jones M, Snow D (2005) Detección de peatones utilizando patrones de movimiento y apariencia. Int J Comput Vision 63 (2): 153161 CrossRef Yan S, Shan S, Chen X, Gao W (2008) Función binaria montada localmente (LAB) con cascada característica para una detección rápida y precisa de la cara. En: Actas de la conferencia IEEE sobre visión por ordenador y reconocimiento de patrones, pp 17 Zabih R, Woodfill J (1994) Transformadas locales no paramétricas para calcular la correspondencia visual. En: Actas de la conferencia europea sobre la visión por ordenador, pág. 151158 Zhang L, Chu R, Xiang S, Liao S, Li S (2007) Detección de rostros basados en la representación LBP de múltiples bloques. Secuencia local del histograma del patrón binario del gabor (LGBPHS): un modelo no-estadístico novedoso para la representación y el reconocimiento del rostro (LGBPHS, por sus siglas en inglés). En Proceedings of IEEE conferencia internacional sobre la visión por ordenador, pp 786791 Zhang L, Wu B, Nevatia R (2007) Detección y seguimiento de múltiples seres humanos con extensa articulación de pose. En: Actas de la conferencia internacional de IEEE sobre la visión por ordenador, págs. 18 Zhu Q, Avidan S, Yeh M, Cheng K (2006) Detección humana rápida mediante una cascada de histogramas de gradientes orientados. En: Actas de la conferencia IEEE sobre la visión por computador y el reconocimiento de patrones, pp 14911498Local patrones binarios para imágenes fijas Matti Pietikinen afiliado con el grupo de visión de la máquina, Departamento de Ciencias de la Computación e Ingeniería, Universidad de Oulu. Abdenour Hadid se afilió con el grupo de la visión de la máquina, departamento de la informática y de la ingeniería, universidad de Oulu. Guoying Zhao Afiliado al Grupo de Visión de la Máquina, Departamento de Ciencias de la Computación e Ingeniería, Universidad de Oulu. Timo Ahonen Afiliado a Nokia Research Center Los precios brutos finales pueden variar según el IVA local. Resumen Este capítulo proporciona una descripción detallada del operador LBP en el dominio de imágenes espaciales. El genérico LBP operador, y su rotación invariable y multiescalar las versiones se introducen. También se discute el uso de información de contraste complementaria. El éxito de los métodos LBP en varios problemas de visión por computadora y aplicaciones ha inspirado muchas nuevas investigaciones sobre diferentes variantes. El LBP básico también tiene algunos problemas que necesitan ser abordados. Por lo tanto, se han propuesto varias extensiones y modificaciones de LBP para aumentar su robustez y poder discriminativo. Ahonen, T. Pietikinen, M. Histogramas blandos para patrones binarios locales. En: Proc. Simposio de procesamiento finlandés de señales, pág. 4 (2007) Ahonen, T. Pietikinen, M. Descripción de la imagen utilizando la distribución conjunta de las respuestas del banco de filtros. Patrón Reconocimiento. Letón. 30 (4), 368376 (2009) CrossRef Ahonen, T. Hadid, A. Pietikinen, M. Reconocimiento facial con patrones binarios locales. En: Conferencia Europea sobre Visión por Computador. Notas de conferencia en Ciencias de la Computación, vol. 3021, pp. 469481. Springer, Berlin (2004) Ahonen, T. Hadid, A. Pietikinen, M. Descripción de la cara con patrones binarios locales: Aplicación al reconocimiento facial. IEEE Trans. Análisis de patrones. Mach. Intell. 28 (12), 20372041 (2006) CrossRef Ahonen, T. Rahtu, E. Ojansivu, V. Heikkil, J. Reconocimiento de caras borrosas utilizando la cuantificación de fase local. En: Proc. Conferencia Internacional sobre Reconocimiento de Patrones, p. 14 (2008) Ahonen, T. Matas, J. He, C. Pietikinen, M. Descripción de la imagen invariante de rotación con histograma de patrón binario local Características de Fourier. En: Conferencia Escandinava sobre Análisis de Imágenes. Notas de conferencia en Ciencias de la Computación, vol. 5575, pp. 6170. Springer, Berlin (2009) CrossRef Chan, C. H. Kittler, J. V. Messer, K. Histograma de patrones binarios locales multiespectrales para verificación de color a base de componentes. En: Proc. Conferencia IEEE sobre Biometría: Teoría, Aplicaciones y Sistemas, pp. 17 (2007) Chan, C.-H. Kittler, J. Messer, K. Histogramas de patrones binarios locales de escala múltiple para el reconocimiento facial. En: Proc. Conferencia Internacional sobre Biometría, pp. 809818 (2007) Chen, J. Zhao, G. Pietikinen, M. Un descriptor local mejorado y aprendizaje de umbral para la segmentación de textura dinámica sin supervisión. En: Proc. Taller ICCV sobre Aprendizaje Automático para el Análisis de Movimiento basado en la Visión, pp. 460467 (2009) Chen, J. Shan, S. He, C. Zhao, G. Pietikinen, M. Chen, X. Gao, W. WLD: Descriptor de imagen local. IEEE Trans. Análisis de patrones. Mach. Intell. 32 (9), 17051720 (2010) CrossRef Connah, D. Finlayson, G. D. Utilizando operadores de patrones binarios locales para la indexación de imágenes de color constante. En: Proc. Conferencia Europea sobre Color en Gráficos, Imagen y Visión, p. 5 (2006) Dalal, N. Triggs, B. Histogramas de gradientes orientados para la detección humana. En: Proc. IEEE Conference on Computer Vision and Pattern Recognition, vol. 2, pp. 886893 (2005) Frba, B. Ernst, A. Detección de rostros con la transformación censal modificada. En: Proc. Conferencia Internacional sobre Reconocimiento de Rostro y Reconocimiento, pp. 9196 (2004) Fu, X. Wei, W. Patrones binarios centralizados incrustados con la imagen distancia euclidiana para el reconocimiento de la expresión facial. En: Proc. Conferencia Internacional sobre Computación Natural, vol. Guo, Y. Zhao, G. Pietikinen, M. Xu, Z. Aprendizaje descriptivo basado en el criterio de separación de Fisher para la clasificación de la textura. En: Proc. Asian Conference on Computer Vision, páginas 14911500 (2010) Guo, Z. H. Zhang, L. Zhang, D. Un modelo completo de operador de patrón binario local para la clasificación de textura. IEEE Trans. Proceso de la imagen. 19 (6), 16571663 (2010) MathSciNet CrossRef Guo, Z. H. Zhang, L. Zhang, D. Clasificación de la textura de invariante de rotación usando LBP varianza (LBPV) con coincidencia global. Patrón Reconocimiento. 43 (3), 706719 (2010) MATH CrossRef Guo, Z. H. Zhang, L. Zhang, D. Zhang, S. Clasificación de la textura invariante de rotación usando LBP adaptativo con características estadísticas direccionales. En: Proc. Conferencia Internacional sobre Procesamiento de Imágenes, pp. 285288 (2010) Hafiane, A. Seetharaman, G. Zavidovique, B. Patrón binario mediano para la clasificación de texturas. En: Proc. Conferencia Internacional sobre Análisis y Reconocimiento de Imágenes, pp. 387398 (2007) CrossRef He, C. Ahonen, T. Pietikinen, M. Un descriptor bayesiano de textura de patrón binario local. En: Proc. Conferencia Internacional sobre Reconocimiento de Patrones, pp. 14 (2008) He, Y. Sang, N. Gao, C. Patrón binario local de múltiples estructuras basado en pirámides para la clasificación de texturas. En: Proc. Conferencia Asiática sobre Visión por Computador, vol. 3, pp. 14351446 (2010) Heikkil, M. Pietikinen, M. Un método basado en la textura para modelar el fondo y detectar objetos en movimiento. IEEE Trans. Análisis de patrones. Mach. Intell. 28 (4), 657662 (2006) CrossRef Heikkil, M. Pietikinen, M. Schmid, C. Descripción de regiones de interés con patrones binarios locales. Patrón Reconocimiento. 42 (3), 425436 (2009) MATH CrossRef Ho An, K. Jin Chung, M. Sistema de análisis de la cara cognitiva para la futura TV interactiva. IEEE Trans. Consum. Electrón. Un método robusto para el reconocimiento de la cara infrarroja cercano basado en el patrón binario local extendido. (4), 22712279 (2009) CrossRef Huang, D. Wang, Y. Wang, En: Avances en Informática Visual. Notas de conferencia en Ciencias de la Computación, vol. 4842, págs. 437446. Springer, Berlin (2007) CrossRef Huang, X. Li, S. Z. Wang, Y. Localización de forma basada en el método estadístico usando patrón binario local extendido. En: Proc. Conferencia internacional sobre la imagen y los gráficos, pp. 184187 (2004) CrossRef Huang, Y. Wang, Y. Tan, T. Combinación de estadísticas de características geométricas y correlativas para el reconocimiento de la cara 3d. En: Proc. British Machine Vision Conference, pp. 879888 (2006) Hussain, S. Triggs, B. Conjuntos de características y reducción de la dimensionalidad para la detección de objetos visuales. En: Proc. British Machine Vision Conference, págs. 112.1112.10 (2010) Iakovidis, D. K. Keramidas, E. Maroulis, D. Patrones binarios locales difusos para la caracterización de la textura del ultrasonido. En: Proc. Conferencia Internacional sobre Análisis y Reconocimiento de Imágenes, pp. 750759 (2008) CrossRef Jin, H. Liu, P. Lu, H. Tong, X. Detección de rostros usando LBP mejorado bajo marco bayesiano. En: Proc. Conferencia internacional sobre la imagen y los gráficos, p. 306309 (2004) Kellokumpu, V. Zhao, G. Pietikinen, M. En: Avances en Biometría. Notas de conferencia en Ciencias de la Computación, vol. 5558, pp. 10001009. Springer, Berlin (2009) CrossRef Kullback, S. Teoría de la Información y Estadística. Reduciendo la longitud de los vectores de características en el reconocimiento de rostro basado en patrones binarios locales (Dover, New York (1968) Lahdenoja, O. Laiho, M. Paasio, A. En: Proc. Conferencia Internacional sobre Procesamiento de Imágenes, vol. 2, pp. 914917 (2005) Lategahn, H. Gross, S. Stehle, T. Aach, T. Clasificación de texturas mediante el modelado de distribuciones conjuntas de patrones locales con mezclas gaussianas. IEEE Trans. Proceso de la imagen. 19. 15481557 (2010) MathSciNet CrossRef Li, B. Meng, M. Q.-H. Análisis de texturas para la detección de úlceras en imágenes de cápsula endoscópica. Imagen Vis. Comput. 27. 13361342 (2009) CrossRef Li, S. Z. Zhao, C. Zhu, X. Lei, Z. Aprender a fusionar 3D2D basado en el reconocimiento de la cara tanto en la característica y los niveles de decisión. En: Proc. IEEE Taller Internacional sobre Análisis y Modelado de Caras y Gestos, pp. 4454 (2005) CrossRef Li, X. Hu, W. Zhang, Z. Wang, H. Patrón binario local basado en kernel de calor para la representación de la cara. Proceso de Señal IEEE. Letón. 17. 308311 (2010) CrossRef Liao, S. Chung, A. C.S. Reconocimiento de rostros mediante el uso de patrones binarios locales alargados con una magnitud de gradiente de distancia máxima promedio. En: Computer VisionACCV 2007. Notas de la conferencia en la informática, vol. 4844, pp. 672679. Springer, Berlin (2007) CrossRef Liao, S. Law, M. Chung, C. S. Patrones binarios locales dominantes para la clasificación de texturas. IEEE Trans. Proceso de la imagen. 18. 11071118 (2009) CrossRef Liao, S. Zhao, G. Kellokumpu, V. Pietikinen, M. Li, S. Z. Modelado de procesos de píxeles con patrones locales invariantes a escala para la sustracción de fondo en escenas complejas. En: Proc. Conferencia IEEE sobre Visión y Reconocimiento de Patrones, p. 8 (2010) Liao, S. Zhu, X. Lei, Z. Zhang, L. Li, S. Z. Aprendizaje de múltiples bloques de bloques binarios locales para el reconocimiento facial. En: Proc. Conferencia Internacional de Biometría, pp. 828837 (2007) Menp, T. El enfoque de patrones binarios locales para texturizar las extensiones y aplicaciones. Tesis doctoral, Acta Universitatis Ouluensis C 187, Universidad de Oulu (2003) Menp, T. Pietikinen, M. Patrones binarios de múltiples escalas para el análisis de texturas. En: Conferencia Escandinava sobre Análisis de Imágenes. Notas de conferencia en Ciencias de la Computación, vol. 2749, pp. 885892. Springer, Berlin (2003) CrossRef Menp, T. Pietikinen, M. Clasificación con color y textura: Conjuntamente o por separado Reconocimiento de patrones. 37. 16291640 (2004) CrossRef Menp, T. Pietikinen, M. Análisis de textura con patrones binarios locales. En: Chen, C. H. Wang, P. S.P. (Eds.) Manual de Reconocimiento de Patrones y Visión por Computador, 3rd edn. Pp. 197216. World Scientific, Singapur (2005) CrossRef Menp, T. Ojala, T. Pietikinen, M. Soriano, M. Clasificación de textura robusta por subconjuntos de patrones binarios locales. En: Proc. XV Conferencia Internacional sobre Reconocimiento de Patrones, vol. 3, pp. 947950 (2000) Maturana, D. Soto, A. Mery, D. Reconocimiento de rostros con patrones binarios locales basados en árboles de decisión. En: Proc. Conferencia Asiática sobre Visión por Computador, 2010 Mu, Y. D. Yan, S. C. Liu, Y. Huang, T. Zhou, B. F. Discriminativo patrones binarios locales para la detección humana en álbum personal. En: Proc. Conferencia de la IEEE sobre Visión y Reconocimiento de Patrones, págs. 18 (2008) Nanni, L. Brahnam, S. Lumini, A. Un enfoque local basado en un descriptor de textura de variantes de patrones binarios locales. Sistema Experto Appl. 37. 78887894 (2010) CrossRef Nanni, L. Lumini, A. Brahnam, S. Variantes de patrones binarios locales como descriptores de textura para análisis de imágenes médicas. Artif. Intell. Medicina. 49. 117125 (2010) CrossRef Ojala, T. Pietikinen, M. Segmentación de textura no supervisada usando distribuciones de características. Patrón Reconocimiento. 32. 477486 (1999) CrossRef Ojala, T. Pietikinen, M. Harwood, D. Un estudio comparativo de medidas de textura con clasificación basada en distribuciones de características. Patrón Reconocimiento. 29 (1), 5159 (1996) CrossRef Ojala, T. Pietikinen, M. Menp, T. Clasificación de la textura de grises en escala de grises de multiresolución y invariabilidad de rotación con patrones binarios locales. IEEE Trans. Análisis de patrones. Mach. Intell. 24 (7), 971987 (2002) CrossRef Ojala, T. Valkealahti, K. Oja, E. Pietikinen, M. Discriminación de la textura con distribuciones multidimensionales de diferencias de grises firmadas. Patrón Reconocimiento. 34 (3), 727739 (2001) MATH CrossRef Ojansivu, V. Heikkil, J. Clasificación de textura insensible de Blur utilizando la cuantificación de fase local. En: Proc. Conferencia internacional sobre procesamiento de imágenes y señales, p. 236243 (2008) Petpon, A. Srisuk, S. Reconocimiento facial con patrón binario de línea local. En: Proc. Conferencia Internacional sobre Imagen y Gráficos, p. 533539 (2009) Pietikinen, M. Ojala, T. Xu, Z. Clasificación de la textura invariante a la rotación utilizando distribuciones de características. Patrón Reconocimiento. 33. 4352 (2000) CrossRef Porebski, A. Vandenbroucke, N. Macaire, L. Haralick extracción de características de imágenes LBP para la clasificación de textura de color. En: Proc. Taller sobre Teoría del Procesamiento de Imágenes, Herramientas y Aplicaciones, pp. 18 (2008) Raja, Y. Gong, S. Escala de modelos binarios locales multiescalares. En: Proc. Conferencia británica de la visión de la máquina, 2006 Roy, A. Marcel, S. Haar característica binaria local del patrón para la detección rápida de la cara del invariant de la iluminación. En: Proc. British Machine Vision Conferencia, 2009 Shan, C. Gritti, T. Aprendizaje discriminativo LBP-histograma compartimientos para el reconocimiento de la expresión facial. En: Proc. Conferencia británica sobre la visión de la máquina, pág. 10 (2008) Shan, C. Gong, S. Mcowan, P. Apariencia múltiple de la expresión facial. En: Proc. Taller de IEEE ICCV sobre Interacción Hombre-Computador (HCI), pp. 221230 (2005) Shan, S. Zhang, W. Su, Y. Chen, X. Gao, W. Ensamblaje de la FDA por piezas basada en histogramas espaciales de Gabor ) Patrones binarios para el reconocimiento facial. In: Proc. Conferencia Internacional sobre Reconocimiento de Patrones, vol. 4, págs. 606609 (2006) Smith, R. S. Windeatt, T. Detección de expresiones faciales usando características de patrón binario local filtradas con clasificadores ECOC y escalamiento platt. En: Taller JMLR sobre Aplicaciones del Análisis de Patrones, vol. 11, págs. 111118 (2010) Sokal, R. R. Rohlf, F. J. Biometry. Freeman, Nueva York (1969) Sun, N. Zheng, W. Sun, C. Zou, C. Zhao, L. Clasificación de género basada en el aumento del patrón binario local. En: Proc. Simposio Internacional sobre Redes Neuronales, págs. 194201 (2006) Swain, M. J. Ballard, D. H. Indexación de color. Int. J. Comput. Vis. 7 (1), 1132 (1991) CrossRef Tan, N. Huang, L. Liu, C. Un nuevo patrón binario local probabilístico para la verificación de la cara. En: Proc. IEEE Conferencia Internacional sobre Procesamiento de Imágenes, pp. 12371240 (2009) Tan, X. Triggs, B. Característica de textura local mejorada para el reconocimiento facial en condiciones de iluminación difíciles. En: Análisis y modelado de caras y gestos. Notas de conferencia en Ciencias de la Computación, vol. 4778, pp. 168182. Springer, Berlín (2007) CrossRef Tan, X. Triggs, B. Fusión de los conjuntos de características de Gabor y LBP para el reconocimiento del rostro basado en el núcleo. En: Análisis y modelado de caras y gestos. Notas de conferencia en Ciencias de la Computación, vol. 4778, pp. 235249. Springer, Berlin (2007) CrossRef Trefny, J. Matas, J. Conjunto extendido de patrones binarios locales para detección rápida de objetos. En: Proc. Computer Vision Winter Workshop, pág. 17 (2010) Turtinen, M. Pietikinen, M. Análisis contextual de imágenes de escenas con textura. En: Proc. British Machine Vision Conference, págs. 849858 (2006) Varma, M. Zisserman, A. Una aproximación estadística a la clasificación de materiales utilizando ejemplos de parches de imagen. IEEE Trans. Análisis de patrones. Mach. Intell. 31. 20322047 (2009) CrossRef Wang, L. He, D. C. Clasificación de textura utilizando el espectro de textura. Patrón Reconocimiento. 23. 905910 (1990) CrossRef Wang, X. Han, T. X. Yan, S. Un detector humano HOG-LBP con manipulación parcial de oclusión. En: Proc. Conferencia Internacional sobre la Visión por Computador, pp. 3239 (2009) Wolf, L. Hassner, T. Taigman, Y. Métodos basados en descriptor en la naturaleza. En: Proc. Taller de ECCV sobre caras en imágenes de la vida real, pp. 114 (2008) Yan, S. Shan, S. Chen, X. Gao, W. Función binaria montada localmente (LAB) con cascada característica-céntrica para detección rápida y precisa de la cara . En: Proc. IEEE Conference on Computer Vision and Pattern Recognition, pp. 17 (2008) Yang, H. Wang, Y. Un método de reconocimiento facial basado en LBP con restricción de distancia de Hamming. En: Proc. Conferencia Internacional sobre Imagen y Gráficos, págs. 645649 (2007) Yao, C. H. Chen, S. Y. Recuperación de texturas de color traducidas, giradas y escaladas. Patrón Reconocimiento. 36 (4), 913929 (2003) MathSciNet CrossRef Yu, L. Liu, H. Selección de características para datos de alta dimensión: Una solución de filtro basada en correlación rápida. En: Proc. 12º Int. Conf. Sobre el aprendizaje de la máquina, pp. 856863 (2003) Zhang, B. Gao, Y. Zhao, S. Liu, J. Patrón derivado local versus patrón binario local: Reconocimiento facial con descriptor de orden local de orden superior. IEEE Trans. Proceso de la imagen. 19 (2), 533544 (2010) MathSciNet CrossRef Zhang, G. Huang, X. Li, S. Wang, Y. Wu, X. Impulsar el reconocimiento del rostro basado en el patrón binario local (LBP). En: Proc. Avances en la autenticación biométrica de personas, pp. 179186 (2005) Zhang, L. Chu, R. F. Xiang, S. M. Liao, S. C. Li, S. Z. Detección de rostros basada en la representación LBP de varios bloques. En: Proc. IEEE Conferencia Internacional de Biometría, pp. 1118 (2007) Zhang, L. Zhang, L. Guo, Z. Zhang, D. Monogénico-LBP: Un nuevo enfoque para la rotación invariante textura clasificación. En: Proc. La secuencia local del histograma del patrón binario de Gabor (LGBPHS): Un modelo no-estadístico novedoso para el rostro Representación y reconocimiento. En: Proc. Conferencia Internacional sobre Visión por Computador, vol. 1, pp. 786791 (2005) Zhao, D. Lin, Z. Tang, X. Distancia contextual para la percepción de datos. En: Proc. Conferencia Internacional sobre Visión por Computador, pp. 18 (2007) Zhao, D. Lin, Z. Tang, X. Laplaciano PCA y sus aplicaciones. En: Proc. Conferencia internacional sobre la visión por ordenador, pp. 18 (2007) Zhao, G. Pietikinen, M. Reconocimiento dinámico de la textura utilizando patrones binarios locales con una aplicación a las expresiones faciales. IEEE Trans. Análisis de patrones. Mach. Intell. Zao, G. Ahonen, T. Matas, J. Pietikinen, M. Imagen de invariante de rotación y descripción de video con características de patrón binario local. En revisión (2011) Zhao, S. Gao, Y. Zhang, B. Sobel-LBP. En: Proc. Conferencia Internacional sobre Procesamiento de Imágenes, pp. 21442147 (2008) Zhou, H. Wang, R. Wang, C. Un operador extendido de patrones binarios locales para análisis de texturas. Inf. Sci. 178. 43144325 (2008) MATH CrossRef Zhu, C. Bichot, C.-E. Chen, L. Patrones binarios locales de color de varias escalas para el reconocimiento de las clases de objetos visuales. En: Proc. Conferencia Internacional sobre Reconocimiento de Patrones, págs. 30653068 (2010) El portal Infona utiliza cookies, es decir, cadenas de texto guardadas por un navegador en el dispositivo de los usuarios. El portal puede acceder a esos archivos y utilizarlos para recordar los datos de los usuarios, como la configuración elegida (vista de pantalla, idioma de la interfaz, etc.) o sus datos de inicio de sesión. Al utilizar el portal Infona el usuario acepta el ahorro automático y el uso de esta información para propósitos de operación del portal. Puede encontrar más información sobre el tema en la Política de privacidad y en las Condiciones del servicio. Al cerrar esta ventana, el usuario confirma que ha leído la información sobre el uso de cookies y acepta la política de privacidad y la forma en que las cookies son utilizadas por el portal. Puede cambiar la configuración de la cookie en su navegador. INFONA - Portal de comunicación científica Detección de peatones en escenarios complejos utilizando clasificadores de árboles binarios completos basados en características binarias tipo Haar montadas localmente Fuente Resumen En ambiente urbano escénico complejo, con el fin de detectar peatones de manera eficiente y precisa, proponemos un alto nivel de tiempo real y robusto Rendimiento método de detección de peatones basado en la visión de la máquina en este documento. En primer lugar, se selecciona una nueva característica llamada Binary Haar-like de tipo local (LABH) como vector de características. En esta característica novedosa, las características de Haar guardan solamente la relación ordinal nombrada por la característica binaria de Haar, entonces, trae en la idea similar del patrón binario local (LBP), ensambla la característica binaria vecina de Haar para mejorar la capacidad de la energía invariante y discriminatoria de la iluminación. Además, se presenta una estructura de árbol binario completo para construir un clasificador eficiente, que tiene ventajas tanto de la estructura de conexión en serie como de la estructura de conexión en paralelo y trae un principio de rechazo temprano, podría mejorar el rendimiento de los sistemas en tiempo real. El experimento llevado a cabo en los videos del dataset del INRIA, del conjunto de datos del MIT y del conjunto de datos de Daimler ilustra que el método propuesto es en tiempo real y suficientemente factible para la detección de peatones en el entorno de vehículos inteligentes. Identificadores Cambiar el tamaño de la fuente Puede ajustar el tamaño de la fuente pulsando una combinación de teclas: CONTROL aumentar el tamaño de la fuente CONTROL ndash reducir la fuente Navegar por la página sin un ratón Puede cambiar los elementos activos de la página pulsando una combinación de Teclas: TAB ir al elemento siguiente SHIFT TAB ir al elemento anterior Financiado por el Centro Nacional de Investigación y Desarrollo bajo la concesión Nº SP / I / 1/77065/10 del programa de investigación científica y experimental: SYNAT - Interdisciplinario Sistema de Información Científica y Científica Interactiva.
No comments:
Post a Comment