This paper proposes a precise eye d

This paper proposes a precise eye detection and eye blink detection algorithm. Eye detection combines and separates scanning results based on an MCT-based AdaBoost detector. The algorithm detects eyes by applying the eye detector to eye candidate regions of a face. To eliminate outliers, we select an eye candidate group by grouping eye candidates. A refinement process using the average position of eye candidates in the selected eye candidate group obtains reliable detection results. Eye blink detection uses an MCT-based AdaBoost classifier, which discriminates between opened and closed eyes. The eye detection rate is 99.34% at the 0.1 normalized error on the BioID database. The eye blink detection accuracy is 96% at the 0.03 FAR on our blink database, which contains 400 images. The average processing time is 1 ms and 30 ms in a PC (Core2Duo 3.2GHz) and smart phone (PXA312), respectively.

ผลลัพธ์ (ไทย) 1:

กระดาษนี้เสนอการตรวจตาโดยละเอียดและตรวจสอบตากะพริบของอัลกอริทึม ตรวจตารวม และแยกผลลัพธ์การสแกนขึ้นอยู่กับการจับตามเครื่อง AdaBoost อัลกอริทึมการตรวจตา โดยใช้เครื่องตรวจจับตาพื้นที่ผู้สมัครตาของใบหน้า เพื่อกำจัด outliers เราเลือกกลุ่มผู้สมัครตา โดยจัดกลุ่มผู้สมัครตา กระบวนการรีไฟน์เมนท์ใช้ตำแหน่งเฉลี่ยของตาผู้สมัครในกลุ่มผู้สมัครที่เลือกตาได้รับผลการตรวจสอบความน่าเชื่อถือ ตรวจจับการกะพริบตาใช้ classifier การใช้เครื่อง AdaBoost ที่ discriminates ระหว่างเปิด และปิดตา อัตราการตรวจจับตาคือ 99.34% ที่ข้อผิดพลาดมาตรฐาน 0.1 ในฐานข้อมูล BioID กะพริบตาตรวจสอบความถูกต้องคือ 96% ที่ฟาร์ 0.03 บนกะพริบของฐานข้อมูลของเรา ซึ่งประกอบด้วยภาพ 400 เวลาประมวลผลเฉลี่ยเป็น ms และ ms 30 ในพีซี (Core2Duo 3.2 GHz) และสมาร์ทโฟน (PXA312), 1 ตามลำดับ

ผลลัพธ์ (ไทย) 2:

บทความนี้นำเสนอการตรวจสอบได้อย่างแม่นยำและตากระพริบตาวิธีการตรวจสอบ การตรวจสอบตารวมและแยกผลการสแกนขึ้นอยู่กับการตรวจจับ AdaBoost MCT-based ขั้นตอนวิธีการตรวจจับสายตาโดยการใช้เครื่องตรวจจับสายตาไปยังภูมิภาคผู้สมัครสายตาของใบหน้า เพื่อขจัดค่าผิดปกติเราเลือกกลุ่มผู้สมัครที่ตาโดยการจัดกลุ่มผู้สมัครที่ตา ขั้นตอนการปรับแต่งโดยใช้ตำแหน่งเฉลี่ยของผู้สมัครในกลุ่มตาตาผู้สมัครที่เลือกได้รับผลการตรวจสอบที่น่าเชื่อถือ ตาตรวจวิ่งใช้ลักษณนาม AdaBoost MCT ตามที่เลือกปฏิบัติระหว่างตาเปิดและปิด อัตราการตรวจจับตาเป็น 99.34% ที่ 0.1 ข้อผิดพลาดปกติบนฐานข้อมูล BioID ความถูกต้องกระพริบตาการตรวจสอบเป็น 96% ที่ 0.03 ไกลในฐานข้อมูลของเรากระพริบตาซึ่งมี 400 ภาพ เวลาการประมวลผลโดยเฉลี่ยอยู่ที่ 1 มิลลิวินาทีและ 30 มิลลิวินาทีในพีซี (Core2Duo 3.2GHz) และมาร์ทโฟน (PXA312) ตามลำดับ

ผลลัพธ์ (ไทย) 3:

บทความนี้นำเสนอการตรวจหาตาชัดเจนและขั้นตอนวิธีตรวจจับการกะพริบตา . การรวมและแยกผลสแกนสายตาตามสกัดตรวจจับ adaboost ตาม ขั้นตอนวิธีการตรวจสอบตา โดยการใช้สายตาตรวจตาผู้สมัครบริเวณใบหน้า ขจัดค่าผิดปกติ เราเลือกตาผู้สมัครกลุ่มโดยการจัดกลุ่มตาผู้สมัครมีการปรับแต่งกระบวนการการเฉลี่ยตำแหน่งของตาผู้สมัครในกลุ่มที่ได้รับการคัดสรรผู้สมัครตาผลเชื่อถือได้ กะพริบตาตรวจจับใช้สกัดจาก adaboost ลักษณนามซึ่งไม่ยอมรับระหว่างการเปิดและปิดตา ตาตรวจจับอัตราผสมที่ 0.1 มาตรฐานข้อผิดพลาดในฐานข้อมูล bioid . ตากระพริบความถูกต้องเป็น 96% ที่ 003 ห่างไกลในฐานข้อมูลเลย ของเราซึ่งประกอบด้วย 400 ภาพ เวลาในการประมวลผลเฉลี่ยคือ 1 นางสาว 30 ms ในเครื่องคอมพิวเตอร์ ( คอร์ทูดูโอ 3.2ghz ) และโทรศัพท์สมาร์ท ( pxa312 ) ตามลำดับ