TY  - CHAP
U1  - Konferenzveröffentlichung
A1  - Fleischer, Tobias
T1  - Evaluierung von Frameworks zur Detektion von Facial Feature Points
T2  - Digital Future : Informatik-Konferenz an der Hochschule Reutlingen, 10. Mai 2017. - (Informatics Inside ; 17)
N2  - Ein stark erforschtes Gebiet der Computer Vision ist die Detektion von markanten Punkten des Gesichtszuges (englisch: facial feature detection), wie der Mundwinkel oder des Kinns. Daher lassen sich eine Vielzahl von veröffentlichten Verfahren finden, die sich jedoch teils deutlich hinsichtlich der Detektionsgenauigkeit, Robustheit und Geschwindigkeit unterscheiden. So sind viele Verfahren nur bedingt echtzeitfähig oder liefern nur mit hochaufgelösten Bildquellen ein zufriedenstellendes Ergebnis. In den letzten Jahren wurden daher Verfahren entwickelt, die versuchen, diese Problematiken zu lösen. In dieser Arbeit erfolgt eine Betrachtung dreier dieser State-of-the-Art Verfahren: Constrained Local Neural Fields (CLNF), Discriminative Response Map Fitting (DRMF) und Structured Output SVM (SO SVM), sowie deren Implementierungen. Dazu erfolgt ein empirischer Vergleich hinsichtlich der Detektionsgenauigkeit.
KW  - Facial Feature Points
KW  - Detection
KW  - Evaluation
Y1  - 2017
U6  - https://nbn-resolving.org/urn:nbn:de:bsz:rt2-opus4-22927
UN  - https://nbn-resolving.org/urn:nbn:de:bsz:rt2-opus4-22927
SN  - 978-3-00-056455-0
SB  - 978-3-00-056455-0
SP  - 37
EP  - 46
S1  - 10
PB  - Hochschule Reutlingen
CY  - Reutlingen
ER  -