Evaluierung von Frameworks zur Detektion von Facial Feature Points
- 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.
| Author of HS Reutlingen | Fleischer, Tobias |
|---|---|
| URN: | urn:nbn:de:bsz:rt2-opus4-22927 |
| ISBN: | 978-3-00-056455-0 |
| Erschienen in: | Digital Future : Informatik-Konferenz an der Hochschule Reutlingen, 10. Mai 2017. - (Informatics Inside ; 17) |
| Publisher: | Hochschule Reutlingen |
| Place of publication: | Reutlingen |
| Document Type: | Conference Proceeding |
| Language: | German |
| Year of Publication: | 2017 |
| Tag: | Detection; Evaluation; Facial Feature Points |
| Page Number: | 10 |
| First Page: | 37 |
| Last Page: | 46 |
| DDC classes: | 004 Informatik |
| Open Access?: | Ja |
| Licence (German): |  Open Access |
