Штучний інтелект

Анотація: У статті представлено boosting-метод виявлення облич фронтального вигляду на напівтонових зображеннях, який як прості класифікатори використовує ознаки з нового набору, отриманого шляхом поєднання локальних бінарних шаблонів та хаароподібних ознак. На наборі зображень облич з бази Yale B, які характеризуються нерівномірною освітленістю, розроблений метод демонструє на 7 – 10% вищу вірогідність виявлення облич у порівнянні з boosting-методом Віоли-Джонса.

Ключові слова:

Посилання:

1. Yang M. Detecting Faces in Images: A Survey / M. Yang, D. Kriegman, N. Ahuja // IEEE Transactions onPattern Analysis and Machine Intelligence (PAMI). – 2002. – Vol. 24, № 1. – P. 34-58.
2. Viola P. Robust Real-Time Face Detection / P. Viola, M. Jones // International Journal of Computer Vision. – 2004. – Vol. 57, № 2. – P. 137-154.
3. Li S. FloatBoost Learning and Statistical Face Detection / S. Li, Z. Zhang // IEEE Transactions on PatternAnalysis and Machine Intelligence. – 2004. – Vol. 26, № 9. – P. 1112-1123.
4. Кудряшов П.П. Гибридный алгоритм обнаружения человеческих лиц / П.П. Кудряшов, С.А. Фоменков // Информационные технологии. – 2007. – № 10. – С. 20-23.
5. Мурыгин К.В. Особенности реализации алгоритма Adaboost для обнаружения обьектов на изображениях / К.В. Мурыгин // Штучний інтелект. – 2009. – № 3. – С. 573-581.
6. Hadid A. A Discriminative Feature Space for Detecting and Recognizing Faces / A. Hadid, M. Pietikäinen,T. Ahonen // IEEE Conference on Computer Vision and Pattern Recognition. – 2004. – P. 797-804.
7. Marko Heikkila. Description of Interest Regions with Local Binary Patterns / Marko Heikkila, Matti Pietikainen, Cordelia Schmid // Computer Vision, Graphics and Image Processing, 5th Indian Conference. – 2006. –P. 58-69.
8. Georghiades A.S. From Few to Many: Illumination Cone Models for Face Recognition under Variable Lighting and Pose / A.S. Georghiades, P.N. Belhumeur, D.J. Kriegman // IEEE Trans. Pattern Anal. Mach. Intelligence. – 2001. – Vol. 23, № 6. – P. 643-660.