Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Hierarchical fast mean-shift segmentation in depth images

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27240%2F16%3A86100011" target="_blank" >RIV/61989100:27240/16:86100011 - isvavai.cz</a>

  • Výsledek na webu

    <a href="https://link.springer.com/chapter/10.1007/978-3-319-48680-2_39" target="_blank" >https://link.springer.com/chapter/10.1007/978-3-319-48680-2_39</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1007/978-3-319-48680-2_39" target="_blank" >10.1007/978-3-319-48680-2_39</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Hierarchical fast mean-shift segmentation in depth images

  • Popis výsledku v původním jazyce

    Head position and head pose detection systems are very popular in recent times, especially with the rise of depth cameras like Microsoft Kinect and Intel RealSense. The goal is to recognize and segment a head in depth data. The systems could also detect the direction in which the head is pointing and we use these data to improve the gaze direction detection system and provide useful information to allow detectors to work properly. We present the Hierarchical Fast Blurring Mean Shift algorithm that is able to extract the data from depth images in real-time from above mentioned cameras. We also present some modifications for an effective reduction of the mean-shift dataset during the computation that allow us to increase the precision of the method. We use a hierarchical approach to reduce the dataset during the computation process and to improve the speed. (C) Springer International Publishing AG 2016.

  • Název v anglickém jazyce

    Hierarchical fast mean-shift segmentation in depth images

  • Popis výsledku anglicky

    Head position and head pose detection systems are very popular in recent times, especially with the rise of depth cameras like Microsoft Kinect and Intel RealSense. The goal is to recognize and segment a head in depth data. The systems could also detect the direction in which the head is pointing and we use these data to improve the gaze direction detection system and provide useful information to allow detectors to work properly. We present the Hierarchical Fast Blurring Mean Shift algorithm that is able to extract the data from depth images in real-time from above mentioned cameras. We also present some modifications for an effective reduction of the mean-shift dataset during the computation that allow us to increase the precision of the method. We use a hierarchical approach to reduce the dataset during the computation process and to improve the speed. (C) Springer International Publishing AG 2016.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    IN - Informatika

  • 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

    Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics). Volume 10016

  • ISBN

    978-3-319-48679-6

  • ISSN

    0302-9743

  • e-ISSN

  • Počet stran výsledku

    12

  • Strana od-do

    441-452

  • Název nakladatele

    Springer Verlag

  • Místo vydání

    Cham

  • Místo konání akce

    Lecce

  • Datum konání akce

    24. 10. 2016

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku