Статья

Название статьи ОТСЛЕЖИВАНИЕ ОБЛАСТИ ЛИЦА ДЛЯ БЕСКОНТАКТНОГО МОНИТОРИНГА СОСТОЯНИЯ ЧЕЛОВЕКА
Автор И.В. Лошкарёв, Я.М. Демяненко
Рубрика РАЗДЕЛ II. СИСТЕМЫ УПРАВЛЕНИЯ, МОДЕЛИРОВАНИЕ И АЛГОРИТМЫ
Месяц, год 04, 2016
Индекс УДК 004.93
DOI
Аннотация На сегодняшний день системы мониторинга функционального состояния человека являются одним из перспективных направлений развития систем видеонаблюдения. Необходимость такого мониторинга возникает в ситуациях, связанных с длительной монотонной деятельностью лиц, ошибки, в работе которых могут привести к катастрофическим последствиям. В работе рассматривается проблема определения положения лица на видео с целью выделения характеристик, определяющих состояние человека. Приводится обзор современных методов поиска и отслеживания области лица на фото и видео. Показано, что большинство методов имеют недостатки, не позволяющие применять их в системах реального времени. На основании обзора автоматических методов определения положения лица, предложен подход к решению задачи в реальном времени, основанный на обработке каждого кадра видео с использованием обобщенного преобразования Хафа. Основой данного преобразования является контурный шаблон, что позволяет избежать некоторых недостатков описанных методов. Последовательное применение преобразования и постепенное обновление шаблона позволяет сохранять данные о позиции лица между кадрами и не терять лицо при изменении ракурса. Результаты эксперимента показывают, что разработанным комбинированным методом в 60% случаев удаётся обнаружить объект, потерянный последовательным применением стандартного метода Виолы-Джонса.

Скачать в PDF

Ключевые слова Компьютерное зрение; отслеживание видео; преобразование Хафа; бесконтактный мониторинг.
Библиографический список 1. Kakumanu P., Makrogiannis S., Bourbakis N. A Survey of Skin-Color Modeling and Detection Methods // Pattern Recognition. – 2007. – Vol. 40, No. 3. – P. 25-60.
2. Stern H. and Efros B. Adaptive Color Space Switching For Tracking Under Varying Illumination // International Journal of Image and Vision Computing. – 2005. – Vol. 23. – P. 34-57.
3. Raja Y., McKenna S. and Gong S. Color model selection and adaptation in dynamic scenes // Proceedings of the European Conference on Computer Vision. – 1998. – Vol. 1406. – P. 44-72.
4. Maurer T. and Malsburg C. Tracking and Learning Graphs And Pose on Image Sequences of Faces // Proceedings of the International Conference on Automatic Face and Gesture Recognition. – 1996. – P. 176-181.
5. McKenna S., Gong S., Wьrtz R., Tanner J. and Banin D. Tracking Facial Feature Points with Gabor Wavelets and Shape Models // International Conference on Audio and Video-based Biometric Person Authentication. – 1997. – Vol. 1206. – P. 35-42.
6. Birchfield S. An Elliptical Head Tracker // Conference Record of the Thirty-First Asilomar Conference on Signals, Systems & Computers. – 1997. – Vol. 2. – P. 1710-1714.
7. Pardаs M. and Sayrol E. A New Approach to Tracking with Active Contours // International Conference on Image Processing. – 2000. – Vol. 2. – P. 259-262.
8. Bing X., Wei Y. and Charoensak C. Face Contour Tracking in Video using Active Contour Model // International Conference on Image Processing. – October 2004. – Vol. 2. – P. 1021-1024.
9. Скопчанов М.В. Улучшенный алгоритм автоматического слежения за лицом, обновляющий изображение цели в реальном времени // Вiсник СевНТУ. – 2012. – № 125. – С. 70-74.
10. Mattoccia S., Tombari F., Di Stefano L. Fast full-search equivalent template matching by enhanced bounded correlation // IEEE Transactions on Image Processing. – 2008. – Vol. 17. – P. 528-538.
11. Baker S. and Matthews I. Lucas-kanade 20 years on: A Unifying Framework // International Journal of Computer Vision. – March 2004. – Vol. 56, No. 3. – P. 221-255.
12. Hager G.D. and Belhumeur P.N. Efficient Region Tracking with Parametric Models of Geometry and Illumination // IEEE Transactions Pattern Analysis and Machine Intelligence. – October 1998. – Vol. 20, No. 10. – P. 1025-1039.
13. Bichsel M. and Pentland A.P. Human Face Recognition and the Face Image Set’s Topology // CVGIP: Image Understanding. – 1994. – Vol. 59. – P. 254-261.
14. Viola P. and Jones M.J. Robust real-time face detection // International Journal of Computer Vision. – 2004. – Vol. 57, No. 2. – P. 117-136.
15. Li S.Z. and Zhang Z.Q. Floatboost Learning and Statistical Face Detection // IEEE Transactions on Pattern Analysis and Machine Intelligence. – September 2004. – Vol. 26, No. 9. – P. 1112-1123.
16. Cootes T., Wheeler G., Walker K. and Taylor C. View-Based Active Appearance Models // International Journal of Image and Vision Computing. – Sep. 2002. – Vol. 20. – P. 657-664.
17. Sung J.-W. and Kim D. A Background Robust Face Tracking using Active Contour Technique Combined Active Appearance Model // International Conference on Biometrics. – 2005. – Vol. 3832. – P. 159-165.
18. Sung J.-W. and Kim D. Large Motion Object Tracking using Active Contour Combined Active Appearance Model // International Conference on Computer Vision Systems. – January 2006. – P. 31-48.
19. Leavers V.F. Which Hough transform? // Computer Vision Graphics and Image Understanding:Image Processing. – 1993. – Vol. 58, No. 2. – P. 50-64.
20. Ballard D.H. Generalizing the Hough Transform to Detect Arbitrary Shapes // Pattern Recognition. – 1981. – Vol. 13, No. 2. – P. 111-122.

Comments are closed.