文献

J-GLOBAL ID：201802287115735467   整理番号：18A0218594

条件付き反復更新ランダム森林に基づく非拘束顔特徴点の正確な位置決め【JST・京大機械翻訳】

Conditional Iteration Updated Random Forests for Unconstrained Facial Feature Location

著者 (7件)： Liu Yuanyuan (中国地質大学信息工程学院 武漢 430074) ,  Xie Zhong (中国地質大学信息工程学院 武漢 430074) ,  Zhou Shunping (中国地質大学信息工程学院 武漢 430074) ,  Liu Zheng (中国地質大学信息工程学院 武漢 430074) ,  Wang Weiming (大連理工大学数学科学学院 大連 116024) ,  Liu Xiuping (大連理工大学数学科学学院 大連 116024) ,  Rao Wei (復旦大学信息科学与工程学院 上海 200433)
資料名： Jisuanji Fuzhu Sheji yu Tuxingxue Xuebao  (Jisuanji Fuzhu Sheji yu Tuxingxue Xuebao)
巻： 29  号： 10  ページ： 1881-1890  発行年： 2017年 
JST資料番号： W1498A  ISSN： 1003-9775  CODEN： JFTXFX  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 顔の特徴点の位置決めはコンピュータビジョンにおける顔の研究と分析のキーである。非拘束環境(大姿勢変化,オクルージョン,複素背景など)における顔特徴点の位置決めの正確さとロバスト性を改善するために,条件付き反復更新確率的森林に基づく非拘束顔特徴点標定法を提案した。まず第一に,オクルージョンと背景雑音の影響を克服するために,顔のサブ領域を顔領域の分類によって抽出した。次に,人間の顔の正の部分領域において,頭部姿勢を推定するために,頭部姿勢と顔の局所的部分領域の学習特徴点の初期条件付き確率モデルを用いて,顔特徴点の初期位置を位置付けた。次に,特徴点の初期位置に従って,顔モデルを構築し,誤差モデルを用いて,ランダムに森林の葉ノードをオンラインで学習し,新しい複合葉確率モデルを構築し,それは,顔サブブロック,頭部姿勢,顔変形モデルおよび誤差オフセットモデルを含んだ。最後に,条件付き重み付き疎投票を用いて,複合葉の確率モデルを正確に位置決めするために,複合顔の確率的モデルを,位置決めすることができた。AFWLFWとPointing’04の3つの挑戦的顔データベースに関する実験結果は,提案した方法が,非拘束顔特徴点の位置決めにおける平均誤差が0.15であるとき,95%以上の位置決め精度を達成することができることを示した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： モデル ,  オクルージョン ,  コンピュータビジョン ,  初期条件 ,  ロバスト性 ,  *確率モデル ,  学習
準シソーラス用語： 位置決め精度 ,  顔データベース ,  オンライン ,  顔モデル ,  初期位置 ,  背景雑音 ,  姿勢変化 ,  *特徴点 , 【Automatic Indexing@JST】

著者キーワード (4件)： facial feature location ,  conditional iteration updated random forest ,  multi-probabilistic models ,  un-constrained environment

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 反復 ,  更新 ,  森林 ,  拘束 ,  特徴点