Lipreading Using Spatiotemporal Histogram of Oriented Gradients
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F46747885%3A24220%2F16%3A00000470" target="_blank" >RIV/46747885:24220/16:00000470 - isvavai.cz</a>
Výsledek na webu
<a href="http://dx.doi.org/10.1109/EUSIPCO.2016.7760575" target="_blank" >http://dx.doi.org/10.1109/EUSIPCO.2016.7760575</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1109/EUSIPCO.2016.7760575" target="_blank" >10.1109/EUSIPCO.2016.7760575</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Lipreading Using Spatiotemporal Histogram of Oriented Gradients
Popis výsledku v původním jazyce
We propose a visual speech parametrization based on histogram of oriented gradients (HOG) for the task of lipreading from frontal face videos. Inspired by the success of spatiotemporal local binary patterns, the features are designed to capture dynamic information contained in the input video sequence by combining HOG descriptors extracted from three orthogonal planes that span x, y and t axes. We integrate our features into a system based on hidden Markov model (HMM) and show that by utilizing robust and properly tuned parametrization this traditional scheme can outperform recent sophisticated embedding approaches to lipreading. We perform experiments on three different datasets, two of which are publicly available. In order to conduct an unbiased feature comparison, the process of model learning including hyperparameter tuning is as automatized as possible. To this end, we rely heavily on cross validation.
Název v anglickém jazyce
Lipreading Using Spatiotemporal Histogram of Oriented Gradients
Popis výsledku anglicky
We propose a visual speech parametrization based on histogram of oriented gradients (HOG) for the task of lipreading from frontal face videos. Inspired by the success of spatiotemporal local binary patterns, the features are designed to capture dynamic information contained in the input video sequence by combining HOG descriptors extracted from three orthogonal planes that span x, y and t axes. We integrate our features into a system based on hidden Markov model (HMM) and show that by utilizing robust and properly tuned parametrization this traditional scheme can outperform recent sophisticated embedding approaches to lipreading. We perform experiments on three different datasets, two of which are publicly available. In order to conduct an unbiased feature comparison, the process of model learning including hyperparameter tuning is as automatized as possible. To this end, we rely heavily on cross validation.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
JC - Počítačový hardware a software
OECD FORD obor
—
Návaznosti výsledku
Projekt
—
Návaznosti
S - Specificky vyzkum na vysokych skolach
Ostatní
Rok uplatnění
2016
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
Proc. of 24th European Signal Processing Conference (EUSIPCO 2016)
ISBN
978-0-9928626-5-7
ISSN
2219-5491
e-ISSN
—
Počet stran výsledku
4
Strana od-do
1882-1885
Název nakladatele
European Signal Processing Conference, EUSIPCO
Místo vydání
Maďarsko
Místo konání akce
Maďarsko, Budapešť
Datum konání akce
1. 1. 2016
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
000391891900359