Many computer vision applications r

Many computer vision applications require accurate and real-time
tracking of human faces. This includes gaming, teleconferencing,
surveillance, facial recognition, emotion analysis, etc. A good face tracking
system should track most human faces in a variety of lighting conditions,
head poses, environments, and occlusions. A typical algorithm takes RGB,
infrared, or depth frames as input and computes facial landmarks, head
pose, facial expression parameters in 2D or 3D. Some of these parameters
are correlatedwith each other and therefore are difficult to compute reliably.
For example, errors in mouth size estimation contribute to inaccurate
lip alignment. Real-time face tracking is challenging due to the high
dimensionality of the input data and non-linearity of facial deformations.
Face tracking algorithms fall into two main classes. The first class
consists of feature-based tracking algorithms, which track local interest
points fromframe to frame to compute head pose and facial expressions
based on locations of these points [12,13,15,16]. Global regularization
constraints are used to guarantee valid facial alignments. Local feature
matching makes these algorithms less prone to generalization, illumination,
and occlusion problems. On the down side, errors in interest
point tracking lead to jittery and inaccurate results. The second class
consists of algorithms that use appearance-based generative face
models, such as Active Appearance Models (AAM) [1–3,5,7,8,10] and

ผลลัพธ์ (ไทย) 1:

โปรแกรมประยุกต์จำนวนมากคอมพิวเตอร์วิสัยทัศน์ต้องแม่นยำ แบบเรียลไทม์ติดตามใบหน้ามนุษย์ รวมถึงเกม เรนซ์เฝ้าระวัง จดจำใบหน้า การวิเคราะห์อารมณ์ เป็นต้น ใบหน้าดีที่ติดตามระบบควรติดตามใบหน้ามนุษย์มากที่สุดในหลากหลายสภาพแสงโพสท่าใหญ่ สภาพแวดล้อม และ occlusions อัลกอริทึมแบบทั่วไปใช้ RGBอินฟราเรด หรือความลึกของเฟรมเป็นการป้อนข้อมูล และคำนวณหน้าสถาน หัวก่อให้เกิด หน้านิพจน์พารามิเตอร์ใน 2D หรือ 3D บางส่วนของพารามิเตอร์เหล่านี้มี correlatedwith แต่ละอื่น ๆ และดังนั้น เป็นเรื่องยากที่จะคำนวณได้ตัวอย่าง ข้อผิดพลาดในการประมาณการขนาดของปากนำไปสู่การไม่ถูกต้องปากจัด หน้าแบบเรียลไทม์ที่ติดตามถูกท้าทายจากสูงdimensionality ของข้อมูลป้อนเข้าและไม่ใช่แบบดอกไม้ของ deformations หน้าอัลกอริทึมการติดตามใบหน้าแบ่งออกเป็น 2 ระดับ ชั้นแรกใช้คุณลักษณะการติดตามอัลกอริทึม การติดตามดอกเบี้ยภายในประกอบด้วยfromframe ไปกรอบเพื่อคำนวณก่อให้เกิดหัวและหน้านิพจน์ตามตำแหน่งของจุดเหล่านี้ [12,13,15,16] Regularization โลกข้อจำกัดใช้ค้ำประกันการจัดแนวหน้าถูกต้อง คุณลักษณะเฉพาะจับคู่ทำให้อัลกอริทึมเหล่านี้น้อยโอกาส generalization แสงสว่างและไม่ควรมองข้ามปัญหา ทางลงด้าน ข้อผิดพลาดในดอกเบี้ยจุดที่การติดตามลูกค้าเป้าหมายผลลัพธ์ที่ภาพกระตุก และไม่ถูกต้อง ชั้นสองประกอบด้วยอัลกอริทึมที่ใช้โดยลักษณะหน้า generativeโมเดล เช่นใช้ลักษณะรูปแบบ (AAM) [1-3,5,7,8,10] และ

ผลลัพธ์ (ไทย) 2:

การใช้งานคอมพิวเตอร์วิสัยทัศน์จำนวนมากต้องถูกต้องและเวลาจริงการติดตามของใบหน้าของมนุษย์ ซึ่งรวมถึงการเล่นเกม, การประชุมทางไกล,
การเฝ้าระวังการจดจำใบหน้าวิเคราะห์อารมณ์ ฯลฯ
ติดตามใบหน้าที่ดีระบบควรติดตามใบหน้าของมนุษย์มากที่สุดในความหลากหลายของสภาพแสงที่หัวโพสภาพแวดล้อมและ
occlusions อัลกอริทึมโดยทั่วไปจะใช้เวลา RGB,
อินฟราเรดหรือกรอบความลึกเป็น input
และคำนวณสถานที่สำคัญของใบหน้าหัวก่อให้เกิดพารามิเตอร์การแสดงออกทางสีหน้าในแบบ2D หรือ 3D บางส่วนของพารามิเตอร์เหล่านี้มี correlatedwith แต่ละอื่น ๆ และดังนั้นจึงเป็นการยากที่จะคำนวณได้อย่างน่าเชื่อถือ. ยกตัวอย่างเช่นข้อผิดพลาดในการประมาณขนาดปากที่ไม่ถูกต้องนำไปสู่การจัดตำแหน่งริมฝีปาก ติดตามใบหน้าเวลาจริงเป็นสิ่งที่ท้าทายเนื่องจากการสูงมิติของการป้อนข้อมูลและไม่เป็นเชิงเส้นของรูปร่างใบหน้า. หน้าขั้นตอนวิธีการติดตามตกอยู่ในสองชั้นหลัก ชั้นแรกประกอบด้วยขั้นตอนวิธีการติดตามคุณสมบัติตามที่ติดตามความสนใจในท้องถิ่นจุดfromframe กรอบในการคำนวณหัวก่อให้เกิดการแสดงออกทางสีหน้าและขึ้นอยู่กับตำแหน่งของจุดเหล่านี้[12,13,15,16] regularization โกลบอลจำกัด จะใช้ในการรับประกันการจัดแนวใบหน้าที่ถูกต้อง คุณลักษณะท้องถิ่นจับคู่ทำให้กลไกเหล่านี้น้อยแนวโน้มที่จะทั่วไปส่องสว่าง, และปัญหาการบดเคี้ยว ด้านลงข้อผิดพลาดในความสนใจติดตามจุดนำไปสู่ผลลัพธ์ที่กระวนกระวายใจและไม่ถูกต้อง ชั้นสองประกอบด้วยอัลกอริทึมที่ใช้ลักษณะตามใบหน้ากำเนิดรุ่นเช่นรุ่นลักษณะที่ใช้งาน(AAM) [1-3,5,7,8,10] และ

ผลลัพธ์ (ไทย) 3:

หลายคอมพิวเตอร์วิสัยทัศน์การใช้งานต้องถูกต้องและเรียลไทม์
ติดตามใบหน้าของมนุษย์ นี้รวมถึงเกม , การประชุมทางไกล
, เฝ้าระวัง , การจดจำใบหน้า , อารมณ์วิเคราะห์ ฯลฯ ดีหน้าติดตาม
ระบบควรติดตามใบหน้าของมนุษย์มากที่สุดในหลากหลายสภาพแสง
หัวท่า สภาพแวดล้อม และ occlusions . วิธีทั่วไปที่ใช้ RGB
อินฟราเรดหรือความลึก เฟรมเป็น input . จุดใบหน้า , ศีรษะ
ท่าทาง สีหน้าของ 2 มิติ หรือ 3 มิติ บางพารามิเตอร์
เหล่านี้กับแต่ละอื่น ๆและดังนั้นจึงเป็นเรื่องยากที่จะคำนวณได้
ตัวอย่างเช่น ความคลาดเคลื่อนในการประมาณขนาดปากมีส่วนที่ไม่ถูกต้อง
ลิปแนว เวลาจริงติดตามใบหน้าเป็นสิ่งที่ท้าทายเนื่องจากการสูง
dimensionality ของข้อมูลเชิงเส้นของรูปร่างและใบหน้า .
หน้าติดตามขั้นตอนวิธีตกสองวิชาหลัก
ชั้นแรกประกอบด้วยในสารติดตามอัลกอริทึม ซึ่งติดตาม
สนใจท้องถิ่นจุด fromframe กรอบค่าโพสหัวและการแสดงออกทางสีหน้า
ขึ้นอยู่กับที่ตั้งของจุด [ เหล่านี้ 12,13,15,16 ]
ผิดกฎหมายสากลข้อจำกัดใช้รับประกันใช้ได้หน้า การจัดแนว ตรงกับคุณลักษณะ
ท้องถิ่นทำให้ขั้นตอนวิธีเหล่านี้เสี่ยงน้อยกว่าการส่องสว่าง ปัญหา
และการอุดตัน ด้านลง , ข้อผิดพลาดในการติดตามนำดอกเบี้ย
ชี้ผลไหว และไม่ถูกต้อง
ชั้นสองประกอบด้วยขั้นตอนวิธีที่ใช้ลักษณะตามรูปแบบเข้าใบหน้า
,เช่น รูปแบบลักษณะปราดเปรียว ( ขีปนาวุธอากาศ- สู่ - อากาศ ) [ 1 – 3,5,7,8,10 ] และ