Диплом, курсовая, контрольная работа
Помощь в написании студенческих работ

Методы, алгоритмы и программная система трекинга головы человека на видеокадрах, основанные на геометрических текстурных моделях

Диссертация: Методы, алгоритмы и программная система трекинга головы человека на видеокадрах, основанные на геометрических текстурных моделях
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Среди существующих подходов к отслеживанию положения головы человека на видеокадрах, таких как методы, основанные на детектировании лица в разных ракурсах (англ. tracking-by-detection), методы, основанные на отслеживании «характерных точек» лица (англ. feature points) и методы, основанные на построении геометрической текстурной модели головы, автору представляется наиболее выгодным использование… Читать ещё >

Содержание

  • 1. МЕТОДЫ ОТСЛЕЖИВАНИЯ ПОЛОЖЕНИЯ ГОЛОВЫ ЧЕЛОВЕКА НА ВИДЕОКАДРАХ: СОСТОЯНИЕ ПРОБЛЕМЫ И ПУТИ РЕШЕНИЯ
    • 1. 1. Применение методов отслеживания головы человека на видеокадрах.~
    • 1. 2. Развитие методов отслеживания головы человека на видеокадрах
    • 1. 3. Факторы, усложняющие трекинг головы человека
    • 1. 4. Классификация методов отслеживания головы человека
      • 1. 4. 1. Методы трекинга головы, основанные на ее детектировании
      • 1. 4. 2. Методы трекинга головы, основанные на цветовой информации
      • 1. 4. 3. Методы трекинга головы, основанные на отслеживании «особых» точек лгща
      • 1. 4. 4. Методы трекинга головы, основанные на построении ее геометрических текстурных моделей
    • 1. 5. Экспериментальное оценивание систем отслеживания головы
    • 1. 6. Обоснование выбора метода трекинга головы
    • 1. 7. Выводы по первой главе
  • 2. ОТСЛЕЖИВАНИЕ ГОЛОВЫ ЧЕЛОВЕКА НА ВИДЕОКАДРАХ С ПОМОЩЬЮ ГЕОМЕТРИЧЕСКИХ ТЕКСТУРНЫХ МОДЕЛЕЙ
    • 2. 1. Термины компьютерной графики и их роль при разработке методов трекинга головы
    • 2. 2. Моделирование головы человека
    • 2. 3. Метод отслеживания головы человека
      • 2. 3. 1. Инициализация модели головы
      • 2. 3. 2. Инверсно-композиционный алгоритм регистрации изображений
      • 2. 3. 3. Модель движения твердого тела с шестью степенями свободы и использованием перспективной проекции
      • 2. 3. 4. Построение карт уверенности
      • 2. 3. 5. Алгоритлш трекинга головы
    • 2. 4. Программная система отслеживания головы человека
      • 2. 4. 1. Термины, используемые при описании программной архитектуры
      • 2. 4. 2. Заинтересованные лица, миссия, окружение и качества программной системы
      • 2. 4. 3. Идентификация точек зрения па архитектуру системы
      • 2. 4. 4. Логический вид
      • 2. 4. 5. Вид процесса
      • 2. 4. 6. Вид разработки
    • 2. 5. Выводы по второй главе
  • 3. ЭКСПЕРИМЕНТАЛЬНОЕ ИССЛЕДОВАНИЕ И ВНЕДРЕНИЕ ПРОГРАММНОЙ СИСТЕМЫ ТРЕКИНГА ГОЛОВЫ
    • 3. 1. Постановка эксперимента
    • 3. 2. Оценка производительности системы
    • 3. 3. Оценка точности системы
    • 3. 4. Сравнительный анализ моделей головы
    • 3. 5. Реализация полученных результатов в продукте ManyCam
    • 3. 6. Перспективы использования полученных результатов в компьютерных обучающих программах
    • 3. 7. Выводы по третьей главе

Методы, алгоритмы и программная система трекинга головы человека на видеокадрах, основанные на геометрических текстурных моделях (реферат, курсовая, диплом, контрольная)

Актуальность темы

Отслеживание головы человека (англ. head tracking, трекинг головы) — это решение задачи последовательного определения положения головы на видеокадрах, независимо от того, движется голова или камера. Трекинг головы на видеокадрах применяется или обладает потенциалом применения при создании систем трехмерной компьютерной анимации, разработке интерфейсов взаимодействия человек-компьютер, проведении видеоконференций в сети Интернет, стабилизации изображения лица с целью облегчения распознавания эмоций либо персональной идентификации и др.

Значительный вклад в развитие теории и практики трекинга головы внесли зарубежные ученые Брюс Д. Лукас (Bruce D. Lucas), Такео Канаде (Такео Kanade), Цзин Сяо (Jing Xiao), Саймон Бэкер (Simon Baker), Иэн Мэтыоз (Iain Matthews), Тсуеши Морияма (Tsuyoshi Moriyama), Марко Ла Каскиа (Marco La Cascia), Стэн Склароф (Stan Sclaroff), Пол Виола (Paul Viola), Майкл Дж. Джонс (Michael J. Jones), Ричард Зелиски (Richard Szeliski), Грегори Д. Хэгер (Gregory D. Hager), Петер H. Белюмье (Peter N. Belhumeur). Из работ отечественных ученых по этой теме отметим труды А. П. Вежневца и P.C. Шорги-на.

Несмотря на обилие научных трудов, опубликованных по теме трекинга головы за последние тридцать лет, в настоящее время проблему отслеживания головы нельзя назвать решенной в объеме, позволяющем осуществлять выбор методов, алгоритмов и программных средств трекинга головы человека на видеокадрах в интересах разнообразных применений и, в частности, для человеко-машинных интерфейсов, расширяющих интеллектуальные возможности компьютеров и компьютерных систем. Это обусловлено многими факторами, усложняющими анализ изображения головы человека на видеокадрах, такими как неравномерность освещения сцены, непредсказуемость траектории и скорости движения головы, непостоянность (нестабильность) формы и текстуры головы за счет изменения мимики лица и т. д.

В наши дни большой популярностью пользуются недорогие веб-камеры, которые со времени их изобретения в начале 1990;х годов превратились во вполне сформировавшийся класс устройств, без которых невозможно представить себе общение в сети Интернет. Поэтому актуальным представляется исследование проблемы отслеживания головы на видеоизображении с веб-камеры. Видеоизображение с веб-камеры получается, как правило, низкого разрешения и низкого качества, что усложняет решение задач трекинга головы. Кроме того, веб-камера имеет один объектив, поэтому для отслеживания положения головы требуется процедура калибровки камеры с целью определения ее параметров.

Среди существующих подходов к отслеживанию положения головы человека на видеокадрах, таких как методы, основанные на детектировании лица в разных ракурсах (англ. tracking-by-detection), методы, основанные на отслеживании «характерных точек» лица (англ. feature points) и методы, основанные на построении геометрической текстурной модели головы, автору представляется наиболее выгодным использование последних (модельных методов). Это обусловлено тем, что данный подход в отличие от других обеспечивает более высокую точность и имеет сравнительно малую вычислительную сложность. Модель головы представляет собой трехмерную поверхность (жесткую либо деформируемую), на которую накладывается текстурное изображение. Задача отслеживания положения головы может быть сформулирована как задача определения параметров модели (перемещение, вращение) с целью совмещения проекции трехмерной (3D1) модели головы на видеокадре с реальным изображением головы на этом кадре. Данную задачу можно решить, применяя алгоритм регистрации (сопоставления) изображений (видеокадров). Однако данный подход обладает такими недостатками, как необходимость:

1 Список используемых в тексте обозначений и сокращений приведен в приложении А.

1) выбора модели головы (у каждого человека своя (оригинальная) форма головы);

2) ее первоначального позиционирования (на практике использование веб-камеры не обеспечивает возможность физического измерения расстояния до объекта и точного определения его первоначального положения);

3) учета изменения освещенности и обновления текстуры модели (т. е. обновление шаблона, с которым сравнивается текущий видеокадр).

От перечисленных факторов напрямую зависит, насколько успешно будет решена задача отслеживания положения головы. Изложенное выше доказывает актуальность и научную значимость решения проблемы инициализации модели головы при использовании веб-камеры, сравнительного исследования известных геометрических недеформируемых моделей головы и разработки на их основе методов, алгоритмов и программных средств трекинга головы человека на видеокадрах для расширения интеллектуальных возможностей вычислительных машин и систем.

Целью данной работы является исследование и разработка методов и алгоритмов отслеживания положения головы человека на поступающих с монокулярной веб-камеры видеокадрах, основанных на построении недеформируемых геометрических текстурных моделей головы, и разработка на их основе программных средств трекинга головы.

Для достижения поставленной цели необходимо решить следующие задачи:

• выполнить анализ состояния проблемы отслеживания положения головы на видеокадрах в целом и методов, основанных на построении геометрической текстурной модели головы в частности, определить возможные пути ее успешного решения;

• выполнить формализацию задачи инициализации модели головы и получить ее решение для первоначального позиционирования модели головы при использовании некалиброванной монокулярной веб-камеры;

• выделить основные сущности бизнес-логики, проведя декомпозицию задачи трекинга головыреализовать алгоритм, основанный на построении модели головы, в составе программной системы (ПС);

• провести анализ производительности и точности разработанной системывывести критерии для сравнения моделей головы и провести сравнительный анализ различных моделей головы на основе ПС отслеживания головы.

Объектом исследования является проблема создания человеко-машинных интерфейсов и программных средств, расширяющих интеллектуальные возможности компьютерных систем на основе решения задач отслеживания положения головы человека по ее видеоизображению.

Предметом исследования являются методы отслеживания головы человека на поступающих с веб-камеры видеокадрах, основанные на применении геометрических текстурных моделей головыметоды построения жесткой модели головы и ее первоначального пространственного позиционированиясравнительный анализ различных моделей головы.

Методы исследования, применяемые в данной работе, базируются на аппарате дифференциального исчисления, численных методах, методах оптимизации, компьютерной графике, математическом (имитационном) моделировании. Для сравнительного анализа моделей головы человека проводились модельные эксперименты с помощью ПС, созданной средствами языка программирования С++. В процессе программной реализации полученных результатов использовались методы теории алгоритмов, теории структур данных, объектно-ориентированного программирования. Для количественной обработки данных эксперимента применялись методы теории вероятностей и математической статистики.

Информационная база данной работы включает в себя доклады, представленные на конференциях по компьютерному зрению (главным образом это зарубежные источники), квалификационные работы, опубликованные по аналогичным темам, а также экспериментальные данные и системы, опубликованные в печати либо представленные в Интернет-ресурсах. Новизна данной работы состоит в следующем:

1. Проведен анализ проблемы отслеживания головы человека на видеокадрах, определены факторы, усложняющие трекинг головы, классифицированы методы трекинга головы и разработаны рекомендации по выбору метода трекинга для реализации в ПС. Проведенный анализ отличается от известных аналогов указанными факторами, выделенными классами методов трекинга и рекомендациями по выбору методов для программной реализации.

2. Разработан оригинальный приближенный алгоритм автоматического пространственного позиционирования модели головы человека на первом видеокадре для некалиброванной видеокамеры, основанный на данных о приближенном положении области лица, получаемых от детектора лица, что отличает разработанный алгоритм от известных, предполагающих ручное задание положения головы.

3. Впервые применен инверсно-композиционный (ИК) алгоритм регистрации изображений для задачи трекинга головы как твердого тела, обладающего шестью степенями свободы движения.

4. Создана и зарегистрирована в Роспатенте ПС, реализующая модельный метод отслеживания головы человека и отличающаяся от известных аналогов реализованным в ней способом записи информации о положении головы человека на каждом видеокадре.

5. Предложены новые критерии для сравнительного анализа известных моделей головы (цилиндрической, эллипсоидальной, плоской, СапсНс1е-3), обеспечивающие выработку рекомендаций по областям применения сравниваемых моделей головы.

Положения, выносимые на защиту:

1. На основе анализа проблемы трекинга головы человека на видеокадрах определено ее современное состояние и выполнена классификация методов трекинга головы.

2. Приближенный алгоритм позиционирования модели головы при использовании веб-камеры позволяет инициализировать процесс отслеживания головы в автоматическом режиме, т. е. без ручной разметки области лица на первом кадре, что является важным этапом создания полностью автоматических систем трекинга головы.

3. Выбранный ИК алгоритм регистрации изображений является более эффективным в вычислительном плане по сравнению с другими известными алгоритмами регистрации изображений.

4. Созданная программная система обеспечивает проведение экспериментальных исследований методов и алгоритмов отслеживания положения головы человека на видеокадрах, необходимых для их тестирования и сравнения, в частности, для сопоставления по точности алгоритмов трекинга головы и обоснования рекомендаций по их реализации для расширения интеллектуальных возможностей компьютерных систем.

5. Экспериментальный сравнительный анализ четырех моделей головы позволяет сформулировать рекомендации по выбору методов трекинга головы человека для математического и программного обеспечения систем трекинга головы человека.

Достоверность результатов и выводов работы обеспечивается строгостью применения используемых математических методов, непротиворечивостью результатов и выводов автора с ранее полученными данными других исследований, совпадением результатов численных расчетов автора с расчетами и экспериментальными данными других авторов, а также успешным применением полученных результатов в объекте внедрения. Для всех разработанных программных модулей созданы автоматические тесты, обеспечивающие покрытие большей части программного кода.

Практическая ценность полученных результатов:

• Основные результаты диссертации реализованы (внедрены) в программном продукте ManyCam2, разрабатываемым в компании ТомскСофт. Созданный программный модуль используется для отслеживания головы пользователя компьютера в трехмерном пространстве в режиме реального времени и наложения специальных трехмерных эффектов на видеоизображение лица пользователя.

• Разработана ПС «Head Tracking Demo», которая использовалась автором для оценки производительности и точности метода трекинга головы. Отметим возможность использования реализованной ПС с целью сравнения с аналогичными системами.

Внедрение.

• Полученные результаты реализованы (внедрены) в продукте ManyCam компании ТомскСофт, что подтверждается соответствующим актом о внедрении (приложение Б).

• Результаты диссертации использовались при выполнении госбюджетной НИР «Исследование методов и алгоритмов анализа изображений для задач идентификации личности» [29] (per. № 1 200 854 086, инв. № 2 201 052 300), выполнявшейся в Томском государственном университете систем управления и радиоэлектроники (ТУСУР) в 2005;2009 гг.

• Результаты исследований использованы в учебном процессе на кафедре АСУ ТУСУРа.

2 ManyCam [Электронный ресурс] - Электрон, дан. — ManyCam LLC, 2006. — Режим доступа: http://manycam.com, свободный — Загл. с экрана. — Текст на экране англ.

Апробация работы. Результаты работы докладывались и обсуждались на международных, всероссийских и региональных научно-практических конференциях, в том числе конференции «Современная техника и технологии», г. Томск, 2008 г. (доклад отмечен дипломом), 2009 г. (доклад отмечен дипломом I степени), 2010 г. (доклад участвовал в отборе на конкурс У.М.Н.И.К), «Научная сессия ТУСУР», г. Томск, 2008 г., 2009 г. (доклад отмечен дипломом II степени), 2010 г. (доклад отмечен дипломом III степени), «Электронные средства и системы управления: итоги реализации программы развития электроники и IT-технологий в Томской области», г. Томск, 2008 г. (доклад участвовал в конкурсе У.М.Н.И.К), «Молодежь и современные информационные технологии», г. Томск, 2009 г., «Студент и научно-технический прогресс», г. Новосибирск, 2010 г, «СИБРЕСУРС-2010», г. Абакан, 2010 г.

Публикации. По теме диссертации было опубликовано 16 работ [12- 1426- 82- 83], в том числе пять статей в журналах, входящих в перечень ВАК («RSDN Magazine», «Информационные технологии» и «Доклады Томского государственного университета систем управления и радиоэлектроники») и 11 публикаций в сборниках трудов региональных, всероссийских и международных конференций. Публикации в электронном виде доступны по адресу 3. Имеется свидетельство о регистрации разработанной ПС «Head Tracking Demo» в реестре федерального агентства по интеллектуальной собственности Роспатент (приложение Б).

Личный вклад. Автором самостоятельно получен алгоритм инициализации модели головы и создана реализация ПС «Head Tracking Demo». Совместно с научным руководителем разработаны критерии для проведения сравнительного анализа моделей головы, а также интерпретировались результаты этого.

3 Head Tracking Demo [Электронный ресурс] = Отслеживание головы человека (демо): сайт содержит информацию о программе «Head Tracking Demo» / автор O.A. Кривцов — Электрон, дан. — Томск, 2010. — Режим доступа: http://headtracking.googlepages.com, свободный — Загл. с экрана. — Текст на экране англ., рус. анализа. Совместно с сотрудниками компании ТомскСофт проводилось внедрение полученных результатов в программный продукт компании ТомскСофт.

Структура и объем работы. Данная работа состоит из введения, трех глав, заключения, списка литературы, и четырех приложений.

В первой главе раскрывается исторический путь развития методов тре-кинга головы человекаописываются основные сложности, возникающие при реализации ПС трекинга головыпроводится классификация методов, подчеркиваются их достоинства и недостаткианализируется проблема экспериментального испытания ПС трекинга головыобосновываются постановки задач исследования.

Во второй главе излагается используемый понятийный аппарат компьютерной графикиобосновываются принципы построения геометрической текстурной модели головырассматривается способ инициализации модели головы, не требующий знания параметров веб-камеры и размеров головырассматриваются математические основы используемого метода трекинга головыописываются основные сущности, выделенные при декомпозиции задачи, и составляющие основные блоки ПС «Head Tracking Demo».

В третьей главе проводится экспериментальный сравнительный анализ четырех известных моделей головы: цилиндра, эллипсоида, плоской модели и модели Candide-3- проводится исследование производительности и точности системырассматривается внедрение полученных результатов и перспективы их использования в компьютерных учебных программах.

Благодарности. Диссертант выражает глубокую благодарность научному руководителю, заслуженному деятелю науки РФ, д.т.н., проф., зав. каф. АСУ ТУСУРа Анатолию Михайловичу Корикову за внимательное отношение и помощь в работе над диссертацией, при подготовке статей, решение организационных вопросов и разностороннюю поддержку в течение трех лет подготовки диссертационной работы. Автор выражает глубокую благодарность к. ф-м.н. Владимиру Попонину за помощь в анализе результатов работы алгоритма отслеживания головы, а также директору компании ТомскСофт Илье Владимировичу Безходарнову и коллегам из компании ТомскСофт Антону Тушминцеву, Николаю Болдыреву, Владимиру Другову, Дмитрию Цведелю за оказанную помощь в процессе работы по внедрению основных результатов диссертации. Автор выражает благодарность профессорам ТУСУРа A.A. Мицелю, М. Ю. Катаеву и В. Г. Астафурову, а также доценту ТПУ B.C. Аврамчуку за ценные замечания по содержанию диссертационной работы.

7. Основные результаты диссертации внедрены в программный продукт МапуСат (http://manycam.com), разрабатываемый в компании ТомскСофт. Созданный программный модуль используется для отслеживания головы пользователя компьютера в трехмерном пространстве в режиме реального времени и наложения специальных трехмерных эффектов на видеоизображение лица пользователя, что подтверждается соответствующим актом о внедрении.

Кратко рассмотрены перспективы использования полученных результатов в компьютерных обучающих программах, где существует проблема сложности взаимодействия с компьютером для некоторых групп пользователей, например пожилых людей.

Результаты диссертации использовались при выполнении госбюджетной НИР «Исследование методов и алгоритмов анализа изображений для задач идентификации личности», использованы в учебном процессе на кафедре АСУ ТУСУРа.

Заключение

.

В диссертационной работе решена актуальная научно-техническая задача исследования и разработки методов и алгоритмов отслеживания (трекинга) головы человека на видеокадрах, поступающих с монокулярной веб-камеры, и создания на их основе программных средств трекинга головы.

Приведем краткое резюме по главам, последовательно отмечая жирным шрифтом основные результаты работы.

В первой главе систематизированы результаты предыдущих исследований по решению проблемы отслеживания головы человека на видеокадрах, а именно:

Представлены основные области применения: компьютерная графика, компьютерная ЗЭ анимация, ЧМВ, стабилизация изображения лица, видеоконференции по сети Интернет, робототехника, медицина, видеонаблюдение, поиск мультимедиа информации.

Изложена история развития методов трекинга головы, которые в течение последних тридцати лет эволюционировали от 20 алгоритмов (использующих края, цветовую информацию) к ЗБ алгоритмам (детектирование головы в различных ракурсах, трехмерные геометрические модели).

Выделены основные классы методов трекинга, основанные на: геометрических моделях головы, цветовой статистике, детектировании либо отслеживании характерных точек.

Перечислены основные трудности, встающие перед исследователем при разработке алгоритмов и ПС для решения задачи отслеживания головы: вариации качества видео, неравномерность освещения сцены, изменение формы и текстуры головы за счет изменения мимики лица, непредсказуемость движений головы, выбросы, вычислительная сложность алгоритмов.

На основании анализа, проведенного в первой главе можно сделать вывод о том, что в настоящее время устойчивый трекинг головы в течение заданного также вводят ограничения на характер освещенности и характер движений головы, упрощающие трекинг головы. Поэтому существует проблема определения степени репрезентативности полученного набора, ведь в большинстве случаев трудно сформулировать критерии отбора, и объективно оценить ту область, на которую можно обобщить результаты эксперимента, проведенного на данном наборе видеоданных.

По результатам эксперимента можно сделать выводы о производительности ПС трекинга головы «Head Tracking Demo», а именно: производительность системы составила примерно 20 кадров/с на компьютере Intel CPU 1,6 GHz, что показывает возможность работы системы в реальном масштабе времени. Время инициализации модели головы значительно превосходит время отслеживания ее перемещения между соседними видеокадрами, но, так как инициализация обычно выполняется только для первого кадра, это не влияет существенно на производительность системы.

5. Предложены три количественных критерия оценки моделей головы: сумма квадратов разностей, сумма модулей разностей и коэффициент корреляции. На основе предложенных критериев проведен сравнительный анализ четырех недеформируемых геометрических моделей головы: 3D цилиндра, 3D эллипсоида, плоской прямоугольной модели и модели Сап-dide-З. Данный анализ отличается от аналогов используемыми критериями сравнения, а также набором сравниваемых моделей.

6. Проведенный экспериментально сравнительный анализ четырех моделей головы позволил составить рекомендации по использованию данных моделей, а именно: наилучшую точность трекинга обеспечивают эллипсоидальная и цилиндрическая модели головы. Эти модели применимы при наличии значительных поворотов головы вне плоскости изображения. Модель Candide-3 также обеспечивает хорошую точность, но, так как она, по сути, моделирует лишь форму лица, а не всей головы, то при значительных поворотах головы использовать ее нецелесообразно. Плоская модель существенно уступает указанным трем моделям, особенно при наличии значительного поворота головы вне плоскости изображения.

Получены оценки ошибок углов поворота головы и построены гистограммы их распределения. Вычислены асимметрия и эксцессгипотеза о нормальности распределений не подтвердилась (по критерию Чебышева). Точечные оценки оказались смещенными, что можно объяснить систематической ошибкой, внесенной на этапе инициализации модели головы. О разбросе ошибок оценивания углов поворота у/, 9 и (р головы можно судить по «исправленным» среднеквадратичным отклонениям, которые, например, для модели СапсНс1е-3 составили соответственно 5, 7 и 3,5 градусадля цилиндрической модели — 7, 6 и 4 градусадля эллипсоидальной — 9, 5 и 4 градусадля плоской — 13, 18 и 5 градусов.

Показать весь текст

Список литературы

  1. В.Г. Современные средства взаимодействия человека с компьютером / В. Г. Абакумов, В. В Васильева, Е.Ю. Ломакина// Электроника и связь. Тематический выпуск «Электроника и нанотехнологии» — № 5−2010.-С. 128−131.
  2. Автоматизация разработки компьютерных учебных программ / A.A. Мицель, В. В. Романенко, М. В. Веретенников, А. И. Щербаков -Томск: Изд-во НТЛ, 2005. 384 с.
  3. А.Ф. Краткий курс математического анализа. Для ВТУЗов / При редакционном участии И. Г. Арамановича — Издание третье, стереотипное. М.: Изд-во «Наука», 1965. — 656 с.
  4. В. Система управления курсором «мыши» при помощи движений головы пользователя / В. Вежневец, Р. Шоргин, А. Вежневец // Труды конф. по компьютер, графике и машинному зрению Graphicon-2006. Новосибирск, 2006. — С. 455-^58.
  5. В.Е. Теория вероятностей и математическая статистика: Учеб. пособие для вузов. 8-е изд., стер. — М.: Высш. шк., 2002. — 479 е.: ил.
  6. Д.И. Новая реальность: человек и компьютер // Полигно-зис М: Журнал «Полигнозис», 2003. — № 3 (23) — С. 20−32.
  7. А.П. Высшая математика. Часть 1. Линейная алгебра, аналитическая геометрия, введение в математический анализ, дифференциальное исчисление: Учебное пособие. / А. П. Ерохина, Л. Н. Байбакова -Томск, 2004. 257 с.
  8. П. Что такое архитектура программного обеспечения? Электронный ресурс. Электрон, дан. — IBM, 2006. — Режим доступа: http://www.ibm.com/developerworks/ru/library/eeles/, свободный — Загл. с экрана. — Текст на экране рус.
  9. В.А. Математический анализ. Продолжение курса. / В. А. Ильин,
  10. B.А. Садовничий, Бл.Х. Сендов. Под. ред. академика А. Н. Тихонова. -М., Изд-во МГУ, 1987. 358 с.
  11. H.H. Численные методы: Учебное пособие для вузов / H.H. Калиткин- ред. A.A. Самарский. М.: Наука, 1978. — 512 е.: ил., табл. -Библиогр.: с. 505−508. — Предм. указ.: с. 509−512. — (в пер.): Б. ц.
  12. A.M. Развитие технологий электронного образования с позиций информатики как науки об инфокоммуникациях / A.M. Кориков, A.A. Мицель, В. В. Романенко // Информатика и образование, 20 101. C. 1−10.
  13. O.A. Моделирование головы человека для задачи отслеживания ее положения на видеокадрах // Доклады Томского государственного университета систем управления и радиоэлектроники Томск: Издательство ТУСУР, 2009. — № 1(19), Ч. 1.-С. 109−115.
  14. O.A. Отслеживание головы человека на видеокадрах: классификация и выбор / O.A. Кривцов, A.M. Кориков // Журнал «Информационные технологии» М.: Изд-во «Новые технологии», 2010. — № 9 -С. 13−19.
  15. O.A. Отслеживание головы человека на видеокадрах: состояние проблемы / O.A. Кривцов, A.M. Кориков // Журнал «Информационные технологии» М.: Изд-во «Новые технологии», 2010. — № 7. — С. 2— 9.
  16. O.A. Программа отслеживания перемещения головы на видео. Труды XIV международной науч.-практ. конф. «Современная техника и технологии» Томск: ТПУ, 2008 — Т. 2. — С. 320−321.
  17. O.A. Тестовое видео для трекинга головы человека // Материалы XLVIII Международной научной студенческой конф. «Студент, и научно-технический прогресс»: Информационные технологии — Ново-сиб. гос. ун-т. Новосибирск, 2010. С. 15.
  18. А.К. Техника статистических вычислений 2-е изд. — М.: Наука, 1971.-576 с.
  19. A.A. Методы оптимизации. Часть I: Учебное пособие. / A.A. Мицель, A.A. Шелестов Томск: Томский межвузовский центр дистанц. образования, 2002. — 192 с.
  20. Отчет о научно-исследовательской работе «Исследование методов и алгоритмов анализа изображений для задач идентификации личности» (заключительный) / Научный руководитель Кориков A.M. Коллектив авторов. Томск, 2009 — 126 с.
  21. А.И. Метод наименьших квадратов в школьном физическом эксперименте // Ф1зжа: праблемы выкладання- 1995. Вып. 1. — С. 88−99.
  22. О.Б. Диалоговое взаимодействие в системе «человек компьютер» // Компьютерная хроника — 1999. — № 9. — С. 33−36.
  23. Дж. Введение в теорию ошибок / Пер. с англ. Л. Г. Деденко — М: Мир, 1985.-272 с.
  24. A Real Time Face Tracking and Animation System / X. Wei, Z. Zhu, L. Yin, Q. Ji // Сотр. Vision and Pattern Recognition Workshop Los Alamitos, CA: IEEE Computer Society, 2004. — Vol. 5. — P. 71.
  25. Ablavsky V. Layered Graphical Models for Tracking Partially Occluded Objects / V. Ablavsky, A. Thangaly, S. Sclaroff // Proc. IEEE Conf. on Сотр. Vision and Pattern Recognition Anchorage, AK., 2008. — P. 1−8.
  26. Ahlberg J. Candide 3 An Updated Parameterized Face // Report No. LiTHISY-R-2326, Dept. of Electrical Engineering, Linkoping University, Sweden, 2001.- 16 p.
  27. An Investigation of Model Bias in 3D Face Tracking / D. Fidaleo, G. Medioni, P. Fua, V. Lepetit // Analysis and Modeling of Faces and Gestures B: Springer Berlin/Heidelberg, 2005. — Vol. 3723/2005. — P. 125−139.
  28. Ashdown M. Combining Head Tracking and Mouse Input for a GUI on Multiple Monitors / M. Ashdown, K. Oka, Y. Sato // Proc. of Conf. on Human Factors in Computing Systems. Portland, OR, 2005. — P. 1188−1191.
  29. Automatic Recognition of Eye Blinking in Spontaneously Occurring Behavior / T. Moriyama, T. Kanade, J. F. Cohn, J. Xiao, Z. Ambadar, J. Gao,
  30. H. Imamura // Proc. 16th Intl. Conf. on Pattern Recognition Washington, DC: IEEE Computer Society, 2002. — Vol. 4. — P. 78−81.
  31. Avidan S. Ensemble Tracking // IEEE Tran. Pattern Analysis and Machine Intelligence N.Y.: IEEE Computer Society, 2007. — Vol.29, No. 2. -P. 261−271.
  32. Avidan S. Support Vector Tracking // IEEE Trans, on Patt. Analysis and Mach. Intell. N.Y.: IEEE Computer Society, 2004. — Vol. 26, No. 8. -P. 1064−1072.
  33. Ba S. Evaluation of Multiple Cue Head Pose Estimation Algorithms in Natural Environments / S. O. Ba, J. Odobez // In Proceedings of the Intnl. Conf. on Multimedia and Exposition (ICME) Amsterdam, July 2005. — P. 13 301 333.
  34. Baker S. Aligning Images Incrementally Backwards / S. Baker, F. Dellaert,
  35. Matthews // Tech. report CMU-RI-TR-01−03 2001. — 20 p.
  36. Baker S. Lucas-Kanade 20 Years On: A Unifying Framework: Part 1 / S. Baker, I. Matthews // Tech. report CMU-RI-TR-02−16, Robotics Institute, Carnegie Mellon University. Pittsburg, 2002. 47 p.
  37. Basu S. Motion Regularization for Model-Based Head Tracking / S. Basu, I. Essa, A. Pentland // Proc. IEEE Intnl. Conf. on Pattern Recognition, Vienna, Austria, 1996. Vol. 3. — P. 611−616.
  38. Birchfield S. Elliptical Head Tracking Using Intensity Gradients and Color Histograms // Proc. IEEE Conf. on Comp. Vision and Pattern Recognition. -Santa Barbara, California, 1998. P. 232−237.
  39. Black M. EigenTracking: Robust Matching and Tracking of Articulated Objects Using a View Based Representation / M. Black, A. Jepson // Intnl. Journal Comp. Vision Springer Netherlands, 1998. — Vol. 26, No. 1. — P. 63−84.
  40. Bottino A. Real Time Head and Facial Features Tracking from Uncalibrated Monocular Views // Proc. 5th Asian Conf. on Comp. Vision. Melbourne: Asian Federation of Comp. Vision Societies, 2002. — Vol. 2. — P. 776−781.
  41. Bradski G. Computer Vision Face Tracking for Use in Perceptual User Interface // Intel Technology Journal. Intel, 1998. — Vol. Q2. — P. 15.
  42. Bregler C. Tracking People with Twists and Exponential Maps / C. Bregler, J. Malik // Proc. IEEE Comp. Society Conf. on Comp. Vision and Patt. Recogn. Santa Barbara, CA: IEEE Computer Society, 1998. — P. 8−15.
  43. Breitenstein M. Pose Estimation for Face Recognition using Stereo Cameras. Master Thesis // Swiss Federal Institute of Technology Zurich, 2006. 83 p.
  44. L. 3D Head Tracking Using Motion Adaptive Texture-Mapping // IEEE Comp. Society Conference on Comp. Vision and Pattern Recognition -IEEE Computer Society, 2001. Vol. 1. — P. 998.
  45. Cascia M. Fully Automatic, Real-Time Detection of Facial Gestures from Generic Video / M. La Cascia, L. Valenti, S. Sclaroff // Proc. IEEE 6th Workshop on Multimedia Signal Processing. Siena, Italy, 2004. — P. 175 178.
  46. Cascia M. Head Tracking via Robust Registration in Texture Map Images / M. La Cascia, J. Isidoro, S. Sclaroff // In Proc. IEEE Conf. on Comp. Vision and Pattern Recognition Los Alamitos, CA: IEEE Computer Society, 1998.-P. 508−514.
  47. Chen Y. Simultaneous Tracking of Rigid Head Motion and Non-rigid Facial Animation by Analyzing Local Features Statistically / Y. Chen, F. Davoine // Proc. British Machine Vision Conf. Edinburgh, 2006. — Vol. 2. — P. 609.
  48. A. 3D Model-Based Head Tracking / A. Colmenarez, R. Lopez, T. Huang // Proc. Intl. Conference VSIP SPIE Press, 1997 — P. 426134.
  49. Davoine F. Head and Facial Animation Tracking using Appearance Adaptive Models and Particle Filters / F. Davoine, F. Dornaika // Comp. Vision and Pattern Recognition Workshop Los Alamitos, CA: IEEE Computer Society, 2004.-Vol. 10-P. 153.
  50. Deng Z. Data Driven 3D Facial Animation / Z. Deng, U. Newman Springer, 2008.-296 p.
  51. Edwards G. Interpreting face images using active appearance models /
  52. G. J. Edwards, C. J. Taylor, T. F. Cootes // Proc. Intnl. Conf. on Automatic Face and Gesture Recognition 1998. — P. 300−305.
  53. Engel K. Real-Time Volume Graphics 2006. — P. 112−114.
  54. Face Pose Estimation and its Application in Video Shot Selection / Z. Yang,
  55. H. Ai, B. Wu, S. Lao, L. Cai // Proc. 17th Intnl. Conf. on Patt. Recogn. -IEEE Computer Society, 2004. Vol. 1. — P. 322−325.
  56. Face Pose Estimation System by Combining ICA-SVM Learning and 3D Modeling / K. Seo, I. Cohen, S. You, U. Neumann. // Proc. Asian Conf. on Comp. Vision Jeju, Korea, 2004. — P. 105.
  57. Face Recognition by Elastic Bunch Graph Matching / L. Wiskott, J. M. Fel-lous, N. Kriieger, C. Malsburg // IEEE Trans. Pattern Anal. Mach. Intell. — Washington, DC: IEEE Computer Society, 1997. Vol. 19, No. 7 — P. 775 779.
  58. Fast Multiview Face Tracking with Pose Estimation / J. Meynet, T. Arsan, J. C. Mota, J. Tiran // Tech. report TR-ITS.2007.01. Ecole Polytechnique Federale de Lausanne, Signal Processing Institute, 2007. 12 p.
  59. Fast Rotation Invariant Multi-View Face Detection Based on Real Adaboost / B. Wu, H. Ai, C. Huang, S. Lao // Proc. 6th IEEE Intnl. Conf. on Automatic Face and Gesture Recogn. 2004. — P. 79−84.
  60. Fu Y. hMouse: Head Tracking Driven Virtual Computer Mouse / Y. Fu, T. Huang // IEEE Workshop on Applications of Comp. Vision. Washington, DC: IEEE Computer Society, 2007. — P. 30.
  61. Gangaputra S. A Unified Stochastic Model for Detecting and Tracking Faces / S. Gangaputra, D. Geman // Comp. and Robot Vision, Canadian Conf. -Los Alamitos, CA: IEEE Computer Society, 2005. P. 306−313.
  62. Gorodnichy D. Nouse 'Use Your Nose as Mouse1 A New Technology for Hands Free Games and Interfaces / D. Gorodnichy, S. Malik, G. Roth // Image and Vision Computing. — 2004. — Vol. 22, No. 12. — P. 931−942.
  63. M. 3D Head Pose Estimation with Symmetry based Illumination Model in Low Resolution Video / M. Gruendig, O. Hellwitch. // Pattern Recognition. B: Springer Berlin/Heidelberg, 2004. — Vol. 3175/2004 — P. 45−53.
  64. Hager G. Efficient Region Tracking With Parametric Models of Geometry and Illumination / G. Hager, P. Belhumeur // IEEE Tran. Pattern Analysis and Machine Intelligence. Washington, DC: IEEE Computer Society, 1998.-Vol. 20.-P. 1025−1039.
  65. Hannuksela J. A Real-Time Facial Feature Based Head Tracker. / J. Hannuksela, J. Heikkila, M. Pietikainen // Proc. Advanced Concepts for Intelligent Vision Systems Brussels, 2004. — P. 267−272.
  66. Head Pose Estimation on Low Resolution Images / N. Gourier, J. Maisonnasse, D. Hall, J. Crowley // Multimodal Technol. for Percept. Humans. B: Springer, 2007. — Vol. 4122/2007. — P. 270−280.
  67. Huang C. High-Performance Rotation Invariant Multiview Face Detection /
  68. C. Huang, H. Ai, Y. Li, S. Lao. // IEEE Trans, on Patt. Anal, and Mach. Intel. 2007. — Vol. 29, No. 4. — P. 671−686.
  69. Huang Y. Facial Tracking with Head Pose Estimation in Stereo Vision / Y. Huang, T. Huang // Proc. Intnl. Conf. Image Processing, 2002. Vol. 3. — P. 833−836.
  70. Isard M. Condensation. Conditional Density Propagation for Visual Tracking / M. Isard, A. Blake // Intnl. Journal on Comp. Vision Netherlands: Kluwer Academic Publishers, 1998. — Vol. 29(1). — P. 5−28.
  71. Ishii S. Real-Time Head Pose Estimation with Stereo Vision / S. Ishii,
  72. D. Arita, R. Taniguchi. // Proc. 9th Korea-Japan Joint Workshop on Frontiers of Comp. Vision. 2003. — P. 79−83.
  73. Junghans M. Lucas-Kanade Algorithm with GNC / M. Junghans, A. Leich, H. Jentschel // Proc. 7th Intl. Conf. on Signal Processing Beijing, 2004. — Vol. 2.-P. 1088−1091.
  74. Kanade T. Comprehensive Database for Facial Expression Analysis / T. Kanade, J. Cohn, Y. Tian // Proc. of the 4th IEEE Intnl. Conf. on Automatic Face and Gesture Recogn. (FG'00) 2000. — P. 46- 53.
  75. Krivtsov O. An Analysis of Performance and Accuracy of a Video Head Tracking System / O. Krivtsov, A. Korikov // Proc. 15th Intnl. Conf. «Modern Technique and Technologies» Tomsk: TPU Press, 2009. — P. 113−115.
  76. Krivtsov O. Applying Inverse-Compositional Image Registration Algorithm to Head Tracking with 6 DOF // Proc. 16th Intnl. Conf. «Modern Technique and Technologies» Tomsk: TPU Press, 2010. — P. 91−93.
  77. Kruchten P. Architectural Blueprints. The 4+1 View Model of Software Architecture // IEEE Software No. 12(6) — 1995. — P.42−50.
  78. Kriieger V. Efficient Head Pose Estimation with Gabor Wavelet Networks / V. Kriieger, S. Bruns, G. Sommer // Proc. BMVC 2000. — P. 12−14.
  79. Krueger V. Gabor Wavelet Networks for Efficient Head Pose Estimation / V. Krueger, G. Sommer. // Image and Vision Computing Amsterdam: Elsevier, 2002. — Vol. 20, No. 9. — P. 665−672.
  80. Lepetit V. Monocular Model-Based 3D Tracking of Rigid Objects: A Survey / V. Lepetit, P. Fua. // Foundations and Trends in Comp. Graphics and Vision.-2005.-Vol. l, No. l.-P. 1−89.
  81. Li Y. A Relaxation Algorithm for Real-Time Multiple View 3D-Tracking / Y. Li, A. Hilton, J. Illingworth // Image and Vision Computing Amsterdam: Elsevier, 2002. — Vol. 20. — P. 200−202.
  82. Lucas B. An Iterative Image Registration Technique with an Application to Stereo Vision / B.D. Lucas, T. Kanade // Proc. 7th Intnl. Joint Conf. on Artificial Intelligence. Vancouver, British Columbia, 1981. — P. 674−679.
  83. Malciu M. A Robust Model-Based Approach for 3D Head Tracking in Video Sequences / M. Malciu, F. Preteux // Proc. 4th IEEE Intnl. Conf. on Automatic Face and Gesture Recognition Washington, DC: IEEE Computer Society, 2000.-P. 169.
  84. Malis E. Survey of vision-based robot control // European Naval Ship Design, Captain Comp. IV Forum, ENSIETA Brest, France, 2002. — 16 p.
  85. I. 2D vs. 3D Deformable Face Models: Representational Power, Construction and Real-Time Fitting / I. Matthew, J. Xiao, S. Baker // Intnl. Journal of Comp. Vision Springer, 2007. — Vol. 75, No. 1. — P. 93−113.
  86. Matthews I. Active Appearance Models Revisited / I. Matthews, S. Baker // Intnl. Journal of Computer Vision Hingham, MA: Kluwer Academic Publishers. — 2004. — Vol. 60, No. 2.-P. 135−164.
  87. Morency L. From Conversational Tooltips to Grounded Discourse: Head Pose Tracking in Interactive Dialog Systems / L. Morency, T. Darrel // Proc. 6th Intnl. Conf. on Multimodal Interfaces. -N.Y.: ACM, 2004. P. 32−37.
  88. Morency L. Pose Estimation Using 3D View-Based Eigenspaces / L. Morency, P. Sunberg, T. Darrel // IEEE Intnl. Workshop on Analysis and Modeling of Faces and Gestures Cambridge, MA, 2003. — P. 45−52.
  89. Morency L. Stereo Based Head Pose Tracking Using Interactive Closest Point and Normal Flow Constraint // AI Tech. Report 2003−006, 2003. -60 p.
  90. Murray R. A Mathematical Introduction to Robotic Manipulation / R. Murray, Z. Li, S. Sastri CRC Press, 1994. — 488 p.
  91. Nguen M. Local Minima Free Parameterized Appearance Models / M. Nguen, F. De La Torre // IEEE Conf. on Comp. Vision and Pattern Recogn. Los Alamitos, CA: IEEE Computer Society, 2008. — P. 1−8.
  92. Outlier Rejection in Deformable Model Tracking / S. Goldenstein, C. Vogler, J. Stolff, V. Pavlovic, D. Metaxas // Comp. Vision and Patt. Recogn. Workshop Los Alamitos, CA: IEEE Computer Society, 2004. — Vol. 1. — P. 19.
  93. Parke F. Computer Generated Animation of Faces // Proc. of ACM Annual Conf. Boston, MA, 1972. — Vol. 1. — P. 451−457.
  94. J. 3D head tracking using non-linear optimization. / J. Paterson, A. Fitzgibbon. // Proc. of BMVC. 2003. — Vol. 2. — P. 609−618.
  95. Pose-Invariant Facial Expression Recognition Using Variable Intensity Templates / S. Kumano, K. Otsuka, J. Yamato, E. Maeda, Y. Sato // Proc. Asian Conf. on Comp. Vision. Part I, LNCS 4843. 2007. — P. 424−434.
  96. Ramnath K. On the Multi-View Fitting and Construction of Dense Deformable Face Models // Master’s thesis, tech. report CMU-RI-TR-07−10, Robotics Institute, Carnegie Mellon University, 2007. 79 p.
  97. Rav-Acha A. Lucas-Kanade without Iterative Warping / A. Rav-Acha, S. Peleg // Proc. IEEE Intl. Conf. on Image Processing. Atlanta, GA, 2006.-P. 1097−1100.
  98. Real-Time Bayesian 3-D Pose Tracking / Q. Wang, W. Zhang, X. Tang, H. Shum // IEEE Trans, on Circuits and Systems for Video Technology — N.Y.: IEEE, 2006.-Vol. 16, No. 12-P. 1533−1541.
  99. Real-Time Combined 2D+3D Active Appearance Models. // J. Xiao, S. Baker, I. Matthews, T. Kanade // Proc. IEEE Conf. on Comp. Vision and Pattern Recognition. 2004. — Vol. 2. — P. 535−542.
  100. Real-time Non-rigid Driver Head Tracking For Driver Mental State Estimation / S. Baker, I. Matthews, J. Xiao, R. Gross, T. Kanade // Tech. Report CMU-RI-TR-04. Pittsburgh, Robotics Institute, 2004. 12 p.
  101. Robust Full-Motion Recovery of Head by Dynamic Templates and Reregis-tration Techniques / J. Xiao, T. Moriyama, T. Kanade, J. Cohn // Intnl. Journal of Imaging Systems and Technology N.Y.: Wiley. 2003. — Vol. 13. -P. 85−94.
  102. Robust Head Pose Estimation Using LGBP / B. Ma, W. Zhang, S. Shan, X. Chen, W. Gao // 18th Intnl. Conf. on Pattern Recognition Hong Kong, 2006.-Vol. 2.-P. 512−515.
  103. Robust Head Tracking Based on a Multi State Particle Filter / Y. Li, H. Ai, C. Huang, S. Lao // Proc. 7th Intnl. Conf. on Automatic Face and Gesture Recognition Southampton: IEEE Computer Society. — 2006. — P. 335−340.
  104. Robust Head Tracking with Particles Based on Multiple Cues Fusion / Y. Li, H. Ai, C. Huang, S. Lao // Proc. of CVHCI06. B: Springer-Verlag, 2006. -P. 29−39.
  105. Robust Multi-view Face Tracking / K. An, D. Yoo, S. Jung, M. Chung// IEEE/RSJ Intnl. Conf. on Intelligent Robots and Systems. Alberta, Canada, 2005.-P. 1905−1910.
  106. Rousseeuw P. Robust Regression and Outlier Detection / P.J. Rousseeuw and
  107. A.M. Leroy New York: John Wiley & Sons, 1987. — 352 p.
  108. Rydfalk M. CANDIDE, a Parameterized Face // Report No. LiTH-ISY-I-866, Dept. of Electrical Engineering, Linkoping University, Sweden, 1987.
  109. Sepp W. Real-Time Texture-Based 3D Tracking / W. Sepp, G. Hirzinger // Patt. Recogn. B: Springer, 2003. — Vol. 2781/2003. — P. 330−337.
  110. Simultaneous Registration and Modeling of Deformable Shapes / J. Xiao,
  111. B. Georgescu, X. Zhou, D. Comaniciu, T. Kanade // In Proc. IEEE Comp. Society Conf. on Comp. Vision and Pattern Recognition N.Y., 2006. — Vol. 2.-P. 2429−2436.
  112. Strom J. Model-Based Real-Time Head Tracking // EURASIP Journal on Applied Signal Processing N.Y.: Hindawi Publishing Corp, 2002. -Vol. 2002, No. l.-P. 1039−1052.
  113. Szeliski R. Image Alignment and Stitching: A tutorial // Foundations and Trends in Comp. Graphics and Comp. Vision Hanover, MA: Now Publishers Inc, 2006.- Vol. 2, No. l.-P. 1−104.
  114. Tagliassachi M. A Genetic Algorithm for Optical Flow Estimation // Image and Vision Computing Newton, MA: Butterworth-Heinemann, 2007. -Vol. 25, No. 7.-P. 141−147.
  115. Vaccetti L. Fusing Online and Offline Information for Stable 3D Tracking in Real Time // Proc. IEEE Comp. Society Conf. on Comp. Vision and Patt. Recogn. 2003. — Vol. 2. — P. 241.
  116. Vaccetti L. Stable Real-Time 3D Tracking using Online and Offline Information / L. Vaccetti, V. Lepetit, P. Fua // IEEE Trans, on Patt. Anal, and Mach. Intel. -2004. Vol. 26, No. 10-P. 1385−1391.
  117. Vector Boosting for Rotation Invariant Multi-View Face Detection/
  118. C. Huang, H. Ai, Y. Li, S. Lao. // IEEE Intnl. Conf. on Comp. Vision. — 2005.-Vol. l.-P. 446453.
  119. Viola P. Robust Real-Time Face Detection / P. Viola, M. J. Jones // Intnl. Journal of Comp. Vision — Kluwer Academic Publishers: Netherlands, 2004. Vol. 57, No. 2. — P. 137−154.
  120. Visual Tracking Using Learned Linear Subspaces / J. Ho, K. Lee, M. Yang, D. Kriegman // IEEE Comp. Society Conf. on Comp. Vision and Patt. Recogn. Los Alamitos: IEEE Comp. Society, 2004. — Vol. 1. — P. 782−789.
  121. Voit M. Multi-view Head Pose Estimation using Neural Networks / M. Voit, K. Nickel, R. Steifelhagen // IEEE Canadian Conference Comp. and Robot Vision. Los Alamitos, CA: Computer Society, 2005. — P. 347−352.
  122. Wang P. Multi-View Face Detection under Complex Scene based on Combined SVMs / P. Wang, Q. Ji // 17th Intnl. Conf. on Pattern Recogn. Washington, DC: IEEE Computer Society, 2004. — Vol. 4. — P. 179−182.
  123. Wei Y. Head Pose Estimation Using Gabor Eigenspace Modeling / Y. Wei, L. Fradet, T. Tan // Proc. of Intnl. Conf. on Image Processing. 2002. -Vol. 1.-P. 281−284.
  124. Xiao J. Reconstruction, Registration and Modeling of Deformable Model Shapes // Doctoral dissertation, tech. report CMU-RI-TR-05−22, Pittsburgh, PA: Carnegie Mellon University, 2005. 137 p.
  125. Xiong Y. Head Tracking with 3D Texture Map Model in Planning Meeting Analysis / Y. Xiong, F. Quek. // Proc. Intnl. Workshop on Multimodal Multiparty Meeting Processing Trento, Italy, 2005. — P. 1−8.
  126. Yao P. Face Tracking and Pose Estimation Using Affine Motion Parameters / P. Yao, G. Evans, A. Calway // Proc. 12th Scandinavian Conf. on Image Analysis Bergen, Norway, 2001. — P. 531−536.
  127. Yilmaz A. Object Tracking: A Survey / A. Yilmaz, O. Javed, M. Shah // ACM Computing Surveys N.Y.: ACM, 2006. — Vol. 38, No. 4. — Article No. 13.
  128. Zenik-Manor L. Optical Flow Field. Caltech, Oct. 2004. 47 p.
  129. Zepeda J. A Linear Estimation Method for 3D Pose and Facial Animation Tracking / D. Zepeda, F. Davoine, M. Charbit // IEEE Conf. on Comp. Vision and Pattern Recognition — Minneapolis, MN, 2007. P. 1−7.
  130. Zhang Q. Wavelet networks / Q. Zhang, A. Benveniste // IEEE Trans. Neural Networks 1992. — Vol. 3 — P. 889−898.
Заполнить форму текущей работой

На отлично!