Arcfunkciók követése pontelosztási modellek keverékével; EWSTranslate

A jelenlegi technológiát a „Rendszer és módszer az arc jellemzőinek nyomon követésére”, Atul Kanaujia és Dimitris Metaxas, Rutgers Docket 07-015, ideiglenes szabadalom védjegyének szabadalmaztatása és forgalmazása védi. 60/874 451, benyújtva 2006. december 12-én. A technológia egyetlen része sem reprodukálható, sem megjeleníthető semmilyen formában a szerzők előzetes írásbeli engedélye nélkül.

Arcfunkciók észlelése

Általános keretrendszerünk lehetővé teszi különféle alakzatok nagyarányú automatikus formálását több szempontból is. A modell nagyobb mennyiségű változékonyságot képes kezelni, és felhasználható folyamatos nemlineáris himlő tanulására.

A múltban számos erőfeszítést tettek a nemlineáris alakváltozatok ábrázolására a PCA-kernel és a többrétegű perceptron segítségével. A nemlineáris megközelítések eredményei nagymértékben függenek attól, hogy az összes alakváltozatot megfelelően ábrázolták-e a képzési adatok. Az alaktér megszakításai miatt ezek a minták hihetetlen formákat generálhatnak. A rendszermag-módszerek nagy hátrányt szenvednek abban, hogy megtanulják az előképfunkciót, hogy az alakot a jellegzetes térben feltérképezzék az eredeti térrel. Több átfedő altér használatát javasoljuk az adatkészletben a teljes fejmozgás miatt megjelenő nagyobb alakváltozatok megragadására. Célunk az arcvonások pontos nyomon követése nagy fejfordulások esetén. Cikkünk hozzájárulása: (1) Nem lineáris alakváltozatok megismerésével javítjuk az ASM sajátosságait, hogy megbirkózzunk a nagy alakváltozatokkal. (2) Valós idejű keret alakzatok követéséhez és (3) Nem-linearitások megtanulása a lehetséges 3D-szögek pontos megjóslásához 2D-alakzatokban.

Az alakzat teljes profilra történő rögzítésének eredményei az átlagos frontális alakkal inicializálódnak. A fürtalapú megközelítés lehetővé teszi az elzárt referenciapontok azonosítását a keresés során, és figyelmen kívül hagyja, miközben optimalizálja az egyes tereptárgyak valószínűségét. Ez a heurisztikus keresés nagyon pontos arcbeállítást biztosít a teljesen profilozott arc számára.

SIFT leíró a megjelenés modellezéséhez

Továbbfejlesztett elrendezési modellezést használtunk egy SIFT-leíró (bal) színátmenet használatával, amely megfelel egy 19 × 19-es méretű ablak tereptárgyának költségeinek. Vegye figyelembe a többszörös minimumokat
ami a formák rossz illesztését okozza. (Jobbra) SIFT költségegyeztetési leíró ugyanazon referenciaértékhez

(Az oldal tetejére) Az arcvonások elhelyezkedése gradiens profilú ASM segítségével. (Alul) Lokalizálás helyi leírók használatával SIFT funkcióként. Figyelje meg a szemészeti jellemzők pontos helyét a SIFT-leírók miatt

Alakzatok követése

Az ASM futtatása minden képkockán számítási szempontból drága, és erős zavarási funkciókat okoz. A jellemzőket a Ditch Intensity Difference (SSID) nyomkövetővel követjük egymást követő képkockákon belül. Az SSID követés két kép rögzítésének módszere, és kiszámítja a szolgáltatás elmozdulását az intenzitás illesztésének költségeinek minimalizálásával, amelyet a szolgáltatás körül rögzített méretű ablakon számolnak. Egy kis képkockák közötti mozgás esetén egy lineáris transzlációs modell pontosan feltételezhető. Intenzív felülethez a kép helyén én ( x i, és én, t k ), a tracker megbecsüli az elmozdulási vektort d = (δ x i, Δ és én ) az új képből én ( x i + δ x, és én+ δ y, t k + 1 ) a maradék hiba minimalizálásával egy W ablakban ( x i, és én )

Eredmények követése - kattintson a képekre a filmek megtekintéséhez

Embléma érzékelés - szem pislogás, fej érzékelés és rezgés érzékelés - kattintson a megtekintett videók képeire

A fejfájást és a remegést az orr mozgásának mintájának felismerése mutatja a videókban

3D fej Nem lehet megbecsülni az arcfunkciók használatával. Követés - valós idejű Kattintson a képekre a filmek megtekintéséhez

1. Az arcvonások követése ponteloszlási minták keverékével, Atul Kanaujia, Yuchi Huang, Dimitris Metaxas, CVGIP 2006, ( PDF )
2. érzékelésszimbólumokaz arc funkcióinak követésével, Atul Kanaujia, Y. Huang, Dimitris Metaxas,CVPR szemantikus tanulás workshop, 2006, ( PDF )
3. Modellek nagyszabású elsajátítása formák eszközök, Kanaujia és Dimitris Metaxas, ICIP 2007 ( PDF )
4. Az arckifejezések dinamikus követése alkalmazkodó, átfedő alterek segítségével, Dimitris Metaxas, Atul Kanaujia, Zhiguo Li. ICCS 2007 (PDF)

„Rendszer és módszer az arcvonások nyomon követésére”, Atul Kanaujia és Dimitris Metaxas, Rutgers Docket 07-015, ideiglenes szabadalom. 60/874 451, benyújtva 2006. december 12-én.

---