Effective Facial Feature Keypoint Detection Using Active Shape Models Composition
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26220%2F10%3APU87690" target="_blank" >RIV/00216305:26220/10:PU87690 - isvavai.cz</a>
Výsledek na webu
—
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Effective Facial Feature Keypoint Detection Using Active Shape Models Composition
Popis výsledku v původním jazyce
This paper deals with the proposal of effective system for facial feature keypoints detection in static images, where a composition of several Active Shape Models ASM is used. Shape of each facial feature (eyes, mouth, etc.) is represented by a minor model of facial feature keypoints and central positions of these minor models in a particular face are represented by a general model. This approach leads to fast convergence to appropriate result and allows using more complex keypoint descriptors extraction method for more reliable detection. In the paper an input image response on a set of the Gabor filters with the GentleBoost classification is used for that. Comparison of proposed system with standard ASM technique represented by stasm library is included in the end of the paper.
Název v anglickém jazyce
Effective Facial Feature Keypoint Detection Using Active Shape Models Composition
Popis výsledku anglicky
This paper deals with the proposal of effective system for facial feature keypoints detection in static images, where a composition of several Active Shape Models ASM is used. Shape of each facial feature (eyes, mouth, etc.) is represented by a minor model of facial feature keypoints and central positions of these minor models in a particular face are represented by a general model. This approach leads to fast convergence to appropriate result and allows using more complex keypoint descriptors extraction method for more reliable detection. In the paper an input image response on a set of the Gabor filters with the GentleBoost classification is used for that. Comparison of proposed system with standard ASM technique represented by stasm library is included in the end of the paper.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
JA - Elektronika a optoelektronika, elektrotechnika
OECD FORD obor
—
Návaznosti výsledku
Projekt
<a href="/cs/project/OC08057" target="_blank" >OC08057: Analýza a zvýraznění řečových a obrazových signálů ze šumu pro vzájemnou analýzu verbální a neverbální komunikace</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>Z - Vyzkumny zamer (s odkazem do CEZ)<br>S - Specificky vyzkum na vysokych skolach
Ostatní
Rok uplatnění
2010
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
In Proceeding of the 33rd International Conference on Telecommunications and Signal Processing - TSP 2010
ISBN
978-963-88981-0-4
ISSN
—
e-ISSN
—
Počet stran výsledku
4
Strana od-do
—
Název nakladatele
Asszisztencia Szervezo Kft.
Místo vydání
Neuveden
Místo konání akce
Baden
Datum konání akce
17. 8. 2010
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—