Детектирование лиц на изображениях в условиях аддитивного белого гауссовского шума

Л.А. Шмаглит; А.Л. Приоров; В.В. Хрящев; Д.В. Матвеев

Детектирование лиц на изображениях в условиях аддитивного белого гауссовского шума

Л.А. Шмаглит¹, А.Л. Приоров², В.В. Хрящев³, Д.В. Матвеев⁴

научная статья Страницы: 62-70

¹ аспирант, Ярославский государственный университет
² д.т.н., доцент, кафедра «Динамика электронных систем», Ярославский государств. университет
³ к.т.н., доцент, кафедра «Динамика электронных систем», Ярославский государств. университет
⁴ магистр прикладной математики и информатики, Ярославский государственный университет

Ключевые слова: детектирование лиц метод опорных векторов разреженная сеть просеивающих элементов аддитивный белый гауссовский шум

Аннотация

Представлено описание трех современных алгоритмов выделения лиц на изображениях. Проведено их сравнение между собой в условиях наличия на изображениях гауссовского шума. Рассмотрено три алгоритма фильтрации гауссовского шума. Проанализировано влияние алгоритмов фильтрации шума на работу тестируемых алгоритмов выделения лиц.

Для цитирования

Шмаглит Л.А., Приоров А.Л., Хрящев В.В., Матвеев Д.В. Детектирование лиц на изображениях в условиях аддитивного белого гауссовского шума // Электромагнитные волны и электронные системы. 2014. № 5. С. 62–70.

Список источников

Szeliski R. Computer Vision: Algorithms and Applications. Springer. 2010.
Kriegman D., Yang M.H., Ahuja N. Detecting faces in images: A survey // IEEE Trans. on Pattern Analysis and Machine Intelligence. 2002. V.?24. № 1. P. 34−58.
Hjelmas E. Face detection: A Survey // Computer vision and image understanding. 2001. V. 83. № 3. P. 236−274.
Zhao W., Chellappa R., Phillips P., Rosenfeld A. Face recognition: A literature survey // ACM Computing Surveys (CSUR). 2003. V. 35. № 4. P. 399−458.
Fasel B., Luettin J. Automatic facial expression analysis: A survey // Pattern Recognition Letters. 2003. V.?36. № 1. P. 259−275.
Makinen E., Raisamo R. An experimental comparison of gender classification methods // Pattern Recognition Letters. 2008. V.?29. № 10. P. 1544−1556.
Sammut C., Webb G.I. Encyclopedia of Machine Learning. Springеr. 2011.
Приоров А.Л., Игнатов И.С., Голубев М.Н., Хрящев В.В. Разработка и анализ алгоритмов выделения лиц на изображениях // Проектирование и технология электронных средств. 2008. № 2. С. 58−62.
Viola P., Jones M. Rapid object detection using a boosted cascade of simple features // Proc. Int. Conf. on Computer Vision and Pattern Recognition. 2001. № 1. P. 511−518.
Nilsson M., Nordberg J., Claesson I. Face Detection Using Local SMQT Features and Split Up SNoW Classifier // Proc. of IEEE Int. Conf. ICASSP 2007. V.?2. P. 589−592.
Kienzle W., Bakir G., Franz M., Schölkopf B. Face Detection - Efficient and Rank Deficient // Adv. in Neural Inf. Proc. Systems. 2005. V.?17. P. 673−680.
Потапов А.С.Распознавание образов и машинное восприятие: общий подход на основе принципа минимальной длины описания. СПб.: Политехника. 2007.
Форсайт Д.А., Понс Д. Компьютерное зрение. Современный подход. М.: Вильямс. 2004.
Гонсалес Р., Вудс Р. Цифровая обработка изображений. М.: Техносфера. 2005.
Tomasi C., Manduchi R. Bilateral Filtering for Gray and Color Images // Proc. Int. Conf. onComputerVisionandPatternRecognition. 1998. P. 839−846.
Волохов В., Сергеев Е. Удаление аддитивного белого гауссовского шума из цифровых изображений на основе анализа главных компонент // Тр. конф. ГрафиКон-2010. 2010. С. 342−343.
Freund Y., Schapire R. A decision-theoretic generalization of on-line learning and an application to boosting // Computational Learning Theory. 1995. P. 23−37.
Miller D., Uyar H. A mixture of experts classifier with learning based on both labeled and unlabeled data // Neural information processing systems. 1996. № 9. P. 571−577.
Nilsson M., Dahl M., Claesson I. The successive mean quantization transform // Proceedings of IEEE Int. Conf. ICASSP. 2005. V. 4. P. 429−432.
Roth D., Yang M., Ahuja N. A SNoW-based face detector // in Advances in Neural Information Processing Systems 12 (NIPS 12). 2000. P. 855−861.
Osuna E., Girosi F. Reducing the run-time complexity in support vector machines // Advances in Kernel Methods - SupportVector Learning. 1999. P. 271−284.
Burges C. Simplified support vector decision rules // In International Conference on Machine Learning. 1996. P. 71−77.
Шмаглит Л.А., Голубев М.Н., Ганин А.Н., Хрящев В.В. Гендерная классификация по изображению лица // Материалы 14‑й междунар. конф. «Цифровая обработка сигналов и ее применение» (Москва. 2012). Т. 2. С. 425−428.
Голубев М.Н., Шмаглит Л.А., Ганин А.Н. Разработка и анализ системы автоматического распознавания пола людей по изображению лица // Материалы XIV Всерос. научно-техн. конф. «Нейроинформатика‑2012» (Москва. 2012). С. 151−159.
Демидов М.А., Волченков Н.Г., Троицкий А.К., Храмов А.А. Обнаружение лиц на изображениях на основе поиска локальных экстремумов // Информационно-измерительные и управляющие системы. 2012. № 8. С. 55−61.

[1] Szeliski R. Computer Vision: Algorithms and Applications. Springer. 2010.

[2] Kriegman D., Yang M.H., Ahuja N. Detecting faces in images: A survey // IEEE Trans. on Pattern Analysis and Machine Intelligence. 2002. V.?24. № 1. P. 34−58.

[3] Hjelmas E. Face detection: A Survey // Computer vision and image understanding. 2001. V. 83. № 3. P. 236−274.

[4] Zhao W., Chellappa R., Phillips P., Rosenfeld A. Face recognition: A literature survey // ACM Computing Surveys (CSUR). 2003. V. 35. № 4. P. 399−458.

[5] Fasel B., Luettin J. Automatic facial expression analysis: A survey // Pattern Recognition Letters. 2003. V.?36. № 1. P. 259−275.

[6] Makinen E., Raisamo R. An experimental comparison of gender classification methods // Pattern Recognition Letters. 2008. V.?29. № 10. P. 1544−1556.

[7] Sammut C., Webb G.I. Encyclopedia of Machine Learning. Springеr. 2011.

[8] Приоров А.Л., Игнатов И.С., Голубев М.Н., Хрящев В.В. Разработка и анализ алгоритмов выделения лиц на изображениях // Проектирование и технология электронных средств. 2008. № 2. С. 58−62.

[9] Viola P., Jones M. Rapid object detection using a boosted cascade of simple features // Proc. Int. Conf. on Computer Vision and Pattern Recognition. 2001. № 1. P. 511−518.

[10] Nilsson M., Nordberg J., Claesson I. Face Detection Using Local SMQT Features and Split Up SNoW Classifier // Proc. of IEEE Int. Conf. ICASSP 2007. V.?2. P. 589−592.

[11] Kienzle W., Bakir G., Franz M., Schölkopf B. Face Detection - Efficient and Rank Deficient // Adv. in Neural Inf. Proc. Systems. 2005. V.?17. P. 673−680.

[12] Потапов А.С.Распознавание образов и машинное восприятие: общий подход на основе принципа минимальной длины описания. СПб.: Политехника. 2007.

[13] Форсайт Д.А., Понс Д. Компьютерное зрение. Современный подход. М.: Вильямс. 2004.

[14] Гонсалес Р., Вудс Р. Цифровая обработка изображений. М.: Техносфера. 2005.

[15] Tomasi C., Manduchi R. Bilateral Filtering for Gray and Color Images // Proc. Int. Conf. onComputerVisionandPatternRecognition. 1998. P. 839−846.

[16] Волохов В., Сергеев Е. Удаление аддитивного белого гауссовского шума из цифровых изображений на основе анализа главных компонент // Тр. конф. ГрафиКон-2010. 2010. С. 342−343.

[17] Freund Y., Schapire R. A decision-theoretic generalization of on-line learning and an application to boosting // Computational Learning Theory. 1995. P. 23−37.

[18] Miller D., Uyar H. A mixture of experts classifier with learning based on both labeled and unlabeled data // Neural information processing systems. 1996. № 9. P. 571−577.

[19] Nilsson M., Dahl M., Claesson I. The successive mean quantization transform // Proceedings of IEEE Int. Conf. ICASSP. 2005. V. 4. P. 429−432.

[20] Roth D., Yang M., Ahuja N. A SNoW-based face detector // in Advances in Neural Information Processing Systems 12 (NIPS 12). 2000. P. 855−861.

[21] Osuna E., Girosi F. Reducing the run-time complexity in support vector machines // Advances in Kernel Methods - SupportVector Learning. 1999. P. 271−284.

[22] Burges C. Simplified support vector decision rules // In International Conference on Machine Learning. 1996. P. 71−77.

[23] Шмаглит Л.А., Голубев М.Н., Ганин А.Н., Хрящев В.В. Гендерная классификация по изображению лица // Материалы 14‑й междунар. конф. «Цифровая обработка сигналов и ее применение» (Москва. 2012). Т. 2. С. 425−428.

[24] Голубев М.Н., Шмаглит Л.А., Ганин А.Н. Разработка и анализ системы автоматического распознавания пола людей по изображению лица // Материалы XIV Всерос. научно-техн. конф. «Нейроинформатика‑2012» (Москва. 2012). С. 151−159.

[25] Демидов М.А., Волченков Н.Г., Троицкий А.К., Храмов А.А. Обнаружение лиц на изображениях на основе поиска локальных экстремумов // Информационно-измерительные и управляющие системы. 2012. № 8. С. 55−61.

Аннотация

Для цитирования

Похожие статьи