Face-TLD: Tracking-Learning-Detection Applied to Faces
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F10%3A00175547" target="_blank" >RIV/68407700:21230/10:00175547 - isvavai.cz</a>
Výsledek na webu
—
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Face-TLD: Tracking-Learning-Detection Applied to Faces
Popis výsledku v původním jazyce
A novel system for long-term tracking of a human face in unconstrained videos is built on Tracking-Learning-Detection (TLD) approach. The system extends TLD with the concept of a generic detector and a validator which is designed for real-time face tracking resistent to occlusions and appearance changes. The off-line trained detector localizes frontal faces and the online trained validator decides which faces corre- spond to the tracked subject. Several strategies for build- ing the validator during tracking are quantitatively evaluated. The system is validated on a sitcom episode (23 min.) and a surveillance (8 min.) video. In both cases the system detects- tracks the face and automatically learns a multi-view model from a single frontal example and an unlabeled video.
Název v anglickém jazyce
Face-TLD: Tracking-Learning-Detection Applied to Faces
Popis výsledku anglicky
A novel system for long-term tracking of a human face in unconstrained videos is built on Tracking-Learning-Detection (TLD) approach. The system extends TLD with the concept of a generic detector and a validator which is designed for real-time face tracking resistent to occlusions and appearance changes. The off-line trained detector localizes frontal faces and the online trained validator decides which faces corre- spond to the tracked subject. Several strategies for build- ing the validator during tracking are quantitatively evaluated. The system is validated on a sitcom episode (23 min.) and a surveillance (8 min.) video. In both cases the system detects- tracks the face and automatically learns a multi-view model from a single frontal example and an unlabeled video.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
JD - Využití počítačů, robotika a její aplikace
OECD FORD obor
—
Návaznosti výsledku
Projekt
<a href="/cs/project/GAP103%2F10%2F1585" target="_blank" >GAP103/10/1585: Pokročilé prediktory pro detekci a sledování objektů ve videu</a><br>
Návaznosti
R - Projekt Ramcoveho programu EK
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
17th IEEE International Conference on Image Processing (ICIP 2010)
ISBN
978-1-4244-7994-8
ISSN
1522-4880
e-ISSN
—
Počet stran výsledku
4
Strana od-do
—
Název nakladatele
IEEE Signal Processing Society
Místo vydání
New Jersey
Místo konání akce
Hong Kong
Datum konání akce
26. 9. 2010
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
000287728003212