Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "detekcja twarzy" wg kryterium: Temat


Wyświetlanie 1-6 z 6
Tytuł:
Układ SoC - FPGA do detekcji twarzy w obrazach cyfrowych
A SoC - FPGA for face detection in digital images
Autorzy:
Wujek, P.
Pełka, R.
Powiązania:
https://bibliotekanauki.pl/articles/155042.pdf
Data publikacji:
2011
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
detekcja twarzy
FPGA
SoC
face detection
Opis:
W artykule przedstawiono wyniki badań dotyczących sprzętowej implementacji algorytmu detekcji twarzy w obrazach cyfrowych z wykorzystaniem układów programowalnych FPGA (Xilinx). Przeprowadzono symulację algorytmu w środowisku PC - Matlab. Przebadany wstępnie algorytm zaimplementowano w układzie FPGA Virtex-4. Wykonano badania eksperymentalne, w których porównano szybkość działania algorytmu w wersji programowej i sprzętowej oraz określono zajętość zasobów układu FPGA.
In this paper there are presented recent results of the authors' work on implementation of face detection algorithms in digital images based on FPGA technology from Xilinx. There was considered a number of existing face detection methods, described in papers [1-3] to find out which one is the best for implementation in a single FPGA device. Then the authors proposed a modified algorithm for face detection that was tested using PC - MATLAB environment. The results of software simulations were used for appropriate adjusting of some essential parameters, according to the requirements of FPGA implementation (the basic limitation is a total number of FPGA resources). The main results of simulations are shown in Tab. 1. The final version of the algorithm was im-plemented in a Virtex-4 FPGA device and tested using a set of example digital images. An important advantage of the proposed SoC for face detection is its speed (2-4 times higher than that for software implementation, as it is shown in Tab. 2). Furthermore, this speed does not depend on the window size used in image analysis. There was also reported the final utilization of FPGA resources (Tab. 3). The experimental results obtained from laboratory tests of the proposed face detection algorithm implemented in a single FPGA device show that the hardware approach to face detection problem has important advantages: high speed, flexibility and relatively low requirements on the total number of FPGA resources.
Źródło:
Pomiary Automatyka Kontrola; 2011, R. 57, nr 8, 8; 889-891
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Implementacja algorytmu detekcji twarzy w obrazach cyfrowych z układem SoC Zynq
SoC Zynq-based implementation of a face detection algorithm in digital images
Autorzy:
Wujek, P.
Pełka, R.
Powiązania:
https://bibliotekanauki.pl/articles/155729.pdf
Data publikacji:
2013
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
detekcja twarzy
FPGA
SoC
face detection
Opis:
W artykule przedstawiono koncepcję i projekt mikrosystemu do detekcji twarzy w obrazach cyfrowych z użyciem układu programowalnego SoC z rodziny Zynq firmy Xilinx [1]. Algorytm detekcji twarzy polega na wyodrębnieniu podstawowych cech twarzy i określeniu ich położenia w obrazie. Przedstawiono wyniki implementacji programowej w środowisku MATLAB/PC oraz implementacji sprzętowej. Obie implementacje przebadano pod względem złożoności oraz szybkości działania. W realizacji sprzętowej uzyskano porównywalną szybkość detekcji/lokalizacji twarzy i ponad 10-krotnie krótszy czas wyodrębniania cech twarzy.
In this paper there is presented the design of an integrated microsystem for face detection in digital images, based on a new SoC Zynq from Xilinx [1]. Zynq is a new class of SoCs which combines an industry-standard ARM dual-core Cortex-A9 processing system with 28 nm programmable logic. This processor-centric architecture delivers a comprehensive platform that offers ASIC levels of performance and power consumption, the ease of programmability and the flexibility of a FPGA. The proposed algorithm for face detection operates on images having the resolution of 640x480 pixels and 24-bit color coding. It uses three-stage processing: normalization, face detection/location [2] and feature extraction. We implemented the algorithm in a twofold way: (1) using MATLAB/PC, and (2) hardware platform based on ZedBoard from Avnet [3] with Zynq XC7Z020 SoC. Both implementations were examined in terms of complexity and speed. The hardware implementation achieved a comparable speed of face detection/location but was over 10-times faster while extracting the features of faces in digital images. A significant speedup of feature extraction results from the parallelized architecture of a hardware accelerator for calculation of mouth and eyes locations. The proposed microsystem may be used in low-cost, mobile applications for detection of human faces in digital images. Since the system is equipped with the Linux kernel, it can be easily integrated with other mobile applications, including www services running on handheld terminals with the Android operating system.
Źródło:
Pomiary Automatyka Kontrola; 2013, R. 59, nr 8, 8; 809-811
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Analiza efektywności sprzętowych implementacji algorytmów detekcji twarzy w obrazach cyfrowych
Effectiveness analysis of hardware implementations of face detection algorithms in digital images
Autorzy:
Wujek, P.
Pełka, R.
Powiązania:
https://bibliotekanauki.pl/articles/156623.pdf
Data publikacji:
2012
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
detekcja twarzy
FPGA
GPU
GPGPU
face detection
Opis:
W artykule przedstawiono i porównano wyniki implementacji przykładowego algorytmu detekcji twarzy w obrazach cyfrowych na trzech platformach sprzętowych: z użyciem CPU (Matlab), w strukturze programowalnej FPGA z procesorem sprzętowym PowerPC [1], oraz z wykorzystaniem CPU z akceleracją GPU. Powyższe implementacje przebadano eksperymentalnie pod względem złożoności implementacji i szybkości działania poszczególnych fragmentów algorytmu. Porównano je ze sobą oraz przedstawiono najlepsze obszary zastosowań poszczególnych z nich.
This paper describes comparison of hardware implementations of a face detection algorithm using three different platforms: (1) classic CPU implementation (Matlab), (2) implementation with use of programmable logic - FPGA with hardware processor PowerPC [1], and (3) CPU based version with GPU acceleration. These tree versions have been experimentally tested and compared in terms of the required hardware resources and operating speed, which is of great importance in most practical applications. We also discuss advantages and drawbacks of these three approaches to hardware implementation of face detection algorithms. In particular, we formulate some important conditions that the analyzed image must meet to obtain the optimum effectiveness of the face detection algorithm implemented on each platform. Finally, we show that use of GPU acceleration can take advantage of the classic CPU and parallel computing accessible to FPGA. The proposed solution of skin color detection time for the CPU with GPU acceleration is over 100 times shorter than that for the solution with the classical CPU. As a programmable device we have used FPGA Virtex-4 chip from Xilinx, and as a GPU accelerator we have utilized graphic card nVidia GeForce 8600 GT.
Źródło:
Pomiary Automatyka Kontrola; 2012, R. 58, nr 7, 7; 581-583
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Przetwarzanie wstępne i analiza obrazu na użytek lokalizacji twarzy
Automatic face detection method
Autorzy:
Majkowski, A.
Kołodziej, M.
Rak, R. J.
Nasternak, M
Powiązania:
https://bibliotekanauki.pl/articles/152848.pdf
Data publikacji:
2014
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
detekcja twarzy
przetwarzanie obrazów
klasyfikacja
face detection
image processing
classification
Opis:
W artykule zaprezentowany jest algorytm automatycznej detekcji twarzy w obrazie statycznym. Detektor ma osiągać najwyższą skuteczność przy znajdowaniu twarzy możliwie niepochylonych i patrzących na wprost kamery. Wielkość wykrywanych twarzy musi być (z pewnymi odchyleniami) zgodna z rozmiarem twarzy zawartych na obrazach zastosowanych do uczenia klasyfikatora. Obrazy wejściowe mogą być kolorowe lub czarno-białe. Nie ma limitu co do liczby twarzy znajdujących się na obrazie.
The aim of this work is to design and implement a face detection algorithm in static images. The detector have to achieve the best results in finding possible not inclined faces of people looking directly at the camera. The authors have proposed an algorithm which operation is based on the appearance (features) of the face. Block diagram of the proposed face detector is given in Fig. 1. In the first stage, the image containing the face is subjected to preprocessing in which normalization is the most important. Normalization aims to unify a variety of analyzed images. We have used here a conversion of colors to gray levels and stretching and equalization of image histogram. Thus prepared image is processed by the appropriate face detection algorithm, which consists of pre-selection and classification. In order to train the classifier the authors created a database of images consisting of two major categories: containing faces and do not contain faces. As a collection of images that include faces there have been used Olivetti DB ORL database [1]. Final processing step is to get rid of the multiple detection of the same faces. As a result of the algorithm we obtain the location of all faces in the input image (Fig. 4). The size of detected faces should be (with some variations) in accordance with the size of images used to train the classifier. Input images can be color or black and white. There is no limit to the number of faces in an image.
Źródło:
Pomiary Automatyka Kontrola; 2014, R. 60, nr 3, 3; 132-135
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A hybrid method for face detection
Hybrydowa metoda detekcji twarzy
Autorzy:
Bobulski, J.
Powiązania:
https://bibliotekanauki.pl/articles/153387.pdf
Data publikacji:
2010
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
detekcja twarzy
lokalizacja twarzy
biometryka
identyfikacja osób
rozpoznawanie twarzy
face detection
face localization
biometrics
face recognition
user identification
Opis:
The face detection problem is the first part of user identification systems. The success of identification depends of effectiveness of face detection and localization. The are many popular methods for face detection, but not all of them are useful in real-time or on-line face recognition. The proposed hybrid method is useful for this kind of systems and creates possibility to build and develop a practical system for people identification. This method uses a skin detection algorithm with HSV colourspace. Verification of the potential area is performed by face template matching with the eyes image pattern.
Pierwszym elementem systemu identyfikacji użytkownika jest zagadnienie detekcji twarzy. Rezultat identyfikacji zależy od skuteczności procedury detekcji i lokalizacji twarzy. Istnieje wiele popularnych metod detekcji twarzy, które można podzielić na dwie grupy: (i) bazujące na detekcji koloru skóry, (ii) wykorzystujące dopasowanie wzorca. Do detekcji koloru skóry wykorzystuje się jeden z modeli barw, np. RGB, HSV, YCbCr, a następnie weryfikuje się czy wybrany obszar jest twarzą. W systemach dopasowania wzorca należy przeszukać cały obraz porównując fragmenty do wzorca. Te metody są czasochłonne i wymagające dużej mocy obliczeniowej. Większość z tych metod nie jest użytecznych w systemach typu on-line lub czasu rzeczywistego ze względu na czas obliczeń. Zaproponowana hybrydowa metoda jest użyteczna w tego typu systemach i daje możliwość budowy i rozwoju praktycznych systemów identyfikacji osób. Wykorzystuje ona elementy wspomnianych metod w taki sposób, aby skrócić czas obliczeń. Po wstępnej selekcji potencjalnych obszarów mogących zawierać twarz, weryfikacja następuje przy wykorzystaniu wzorca oczu, co znacznie skraca czas obliczeń.
Źródło:
Pomiary Automatyka Kontrola; 2010, R. 56, nr 12, 12; 1498-1500
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wybrane zagadnienia pomiarów termowizyjnych
Selected problems of infrared thermography
Autorzy:
Wyżgolik, R.
Budzan, S.
Powiązania:
https://bibliotekanauki.pl/articles/154400.pdf
Data publikacji:
2011
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
termowizja
metrologia
przetwarzanie obrazów
badania nieniszczące
detekcja twarzy
thermovision
metrology
image processing
non-destructive testing
face detection
Opis:
W artykule przedstawiono wybrane parametry metrologiczne kamery termowizyjnej ThermoPro TP8, wykorzystywanej w badaniach własnych w Instytucie Automatyki Politechniki Śląskiej. Parametry te wyznaczone zostały z wykorzystaniem technicznych ciał czarnych oraz wzorcowego termometru rezystancyjnego. Ograniczono się do wąskiego zakresu temperatur, w granicach temperatury otoczenia i temperatury ludzkiego ciała. Omówiono system pomiarowy pozwalający na przeprowadzenie badań uszkodzeń podpowierzchniowych metodą aktywnej termografii impulsowej. Badania przeprowadzono w zakresie wyboru optymalnego źródła fali cieplnej, czasu nagrzewania płyt testowych, jak również opracowania algorytmu, który pozwolił przeprowadzić eksperyment oraz dokonać detekcji. Ponadto omówiono algorytm do detekcji twarzy oraz oczu. Badanie przeprowadza się w celu dokładnego określenia położenia oraz rozmiarów twarzy oraz oczu, w których następnie ustala się statystykę temperatury (temp. minimalna, maksymalna, średnia).
In the paper selected metrological parameters of a ThermoPro TP8 infrared camera are presented. The camera is used in research in the Institute of Automatic Control of the Silesian University of Technology. The metrological parameters were investigated based on the reference black bodies and a reference platinum resistance thermometer for precise temperature measurements of the black bodies. The temperature range was limited to the ambient and human body temperature. The ThermoPro TP8 infrared camera is a typical industrial - inspection camera, and requires the validation for biomedical applications. The stability, temperature error and "object in scene" tests were performed. The results show that the stability after 75 minutes was within ±0,1°C (a very good result), but the temperature error in the temperature range of interest was significant. In addition, two applications of infrared cameras are presented. The first is the active thermography for non destructive testing, mainly the pulsed ther-mography. A simple measuring stand for investigations of the defects in plexi (PMMA) tiles with the reference holes (±0,05 mm accuracy in diameter and depth) was constructed. The research conducted was aimed at selection of the optimal source of heat waves, the warm-up time for test plates, as well as developing the algorithm for detection of defects in the plexi test plates, with simultaneous determination of the defect position and diameter. The third application of infrared cameras for which the research was carried out is the human face detection system. A number of algorithms was tested. One of them is presented - the algorithm which uses patterns to detect the face and eyes. The experiment was performed to determine the precise location and size of the face and eyes, and then the determined temperature statistics (the minimum, maximum and average temperature).
Źródło:
Pomiary Automatyka Kontrola; 2011, R. 57, nr 10, 10; 1256-1259
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-6 z 6

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies