Panorámica del rostro a partir de características SIFT Panoramic Face from SIFT features
La necesidad de tener experiencias tecnológicas cada vez más cercanas a la realidad e intuitivas con el usuario, ha permitido que las investigaciones relacionadas con el reconocimiento de rostros y reconocimiento de expresiones faciales sean cada vez más oportunas y necesarias, en la búsqueda de sol...
- Autores:
-
Ariza, Juan Pablo
Vargas Molano, Juan Sebastián
- Tipo de recurso:
- Fecha de publicación:
- 2019
- Institución:
- Universidad Militar Nueva Granada
- Repositorio:
- Repositorio UMNG
- Idioma:
- spa
- OAI Identifier:
- oai:repository.unimilitar.edu.co:10654/20514
- Acceso en línea:
- http://hdl.handle.net/10654/20514
- Palabra clave:
- PROCESAMIENTO DE IMAGENES
VISION POR COMPUTADOR
SISTEMAS DE IMAGENES
immersive
matching
face reconstruction
SIFT
stitiching
inmersivo
matching
reconstrucción del rostro
SIFT
stitching
- Rights
- License
- Derechos Reservados - Universidad Militar Nueva Granada, 2019
| id |
UNIMILTAR2_e0a43c04d97b0fedd0e328685f522ca7 |
|---|---|
| oai_identifier_str |
oai:repository.unimilitar.edu.co:10654/20514 |
| network_acronym_str |
UNIMILTAR2 |
| network_name_str |
Repositorio UMNG |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Panorámica del rostro a partir de características SIFT Panoramic Face from SIFT features |
| dc.title.translated.spa.fl_str_mv |
Overview of the face based on SIFT characteristics Panoramic Face from SIFT features |
| title |
Panorámica del rostro a partir de características SIFT Panoramic Face from SIFT features |
| spellingShingle |
Panorámica del rostro a partir de características SIFT Panoramic Face from SIFT features PROCESAMIENTO DE IMAGENES VISION POR COMPUTADOR SISTEMAS DE IMAGENES immersive matching face reconstruction SIFT stitiching inmersivo matching reconstrucción del rostro SIFT stitching |
| title_short |
Panorámica del rostro a partir de características SIFT Panoramic Face from SIFT features |
| title_full |
Panorámica del rostro a partir de características SIFT Panoramic Face from SIFT features |
| title_fullStr |
Panorámica del rostro a partir de características SIFT Panoramic Face from SIFT features |
| title_full_unstemmed |
Panorámica del rostro a partir de características SIFT Panoramic Face from SIFT features |
| title_sort |
Panorámica del rostro a partir de características SIFT Panoramic Face from SIFT features |
| dc.creator.fl_str_mv |
Ariza, Juan Pablo Vargas Molano, Juan Sebastián |
| dc.contributor.advisor.spa.fl_str_mv |
Sarmiento, Wilson Javier |
| dc.contributor.author.spa.fl_str_mv |
Ariza, Juan Pablo Vargas Molano, Juan Sebastián |
| dc.subject.lemb.spa.fl_str_mv |
PROCESAMIENTO DE IMAGENES VISION POR COMPUTADOR SISTEMAS DE IMAGENES |
| topic |
PROCESAMIENTO DE IMAGENES VISION POR COMPUTADOR SISTEMAS DE IMAGENES immersive matching face reconstruction SIFT stitiching inmersivo matching reconstrucción del rostro SIFT stitching |
| dc.subject.keywords.spa.fl_str_mv |
immersive matching face reconstruction SIFT stitiching |
| dc.subject.proposal.spa.fl_str_mv |
inmersivo matching reconstrucción del rostro SIFT stitching |
| description |
La necesidad de tener experiencias tecnológicas cada vez más cercanas a la realidad e intuitivas con el usuario, ha permitido que las investigaciones relacionadas con el reconocimiento de rostros y reconocimiento de expresiones faciales sean cada vez más oportunas y necesarias, en la búsqueda de soluciones fiables y con costos computacionales aceptables para la capacidad de los dispositivos comerciales actuales. Este interés por dichas tecnologías es reflejado en esta investigación, en donde se busca la extracción de características faciales a partir de una imagen panorámica del rostro, método que es computacional mente menos costoso y con resultados similares a soluciones que involucran representaciones 3D del rostro. Desde otra perspectiva la tecnología planteada resulta más propicia para el mapeado de texturas sobre un personaje 3D, el cual es uno de los objetivos de este proyecto. Para la solución a la propuesta de investigación se recurre principalmente al algoritmo SIFT (Scale-invariant feature transform) y métodos relacionados con la generación de imágenes panorámicas a partir de imágenes consecutivas. Apoyados en un software dedicado a la generación de imágenes panorámicas, se realizan diversas pruebas buscando los valores de modificación óptimos, que permitan obtener la imagen de salida cercana a lo que sería una imagen panorámica del rostro con un correcta transformación. |
| publishDate |
2019 |
| dc.date.accessioned.none.fl_str_mv |
2019-02-26T14:58:10Z 2019-12-26T22:05:20Z |
| dc.date.available.none.fl_str_mv |
2019-02-26T14:58:10Z 2019-12-26T22:05:20Z |
| dc.date.issued.none.fl_str_mv |
2019-01-18 |
| dc.type.spa.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| dc.type.coar.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.local.spa.fl_str_mv |
Trabajo de grado |
| dc.type.dcmi-type-vocabulary.spa.fl_str_mv |
Text |
| dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/10654/20514 |
| url |
http://hdl.handle.net/10654/20514 |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.spa.fl_str_mv |
"Evaluación de desempeño del algoritmo de seguimiento de características faciales basado en modelos ASM usando Kinect Performance evaluation of a face tracking algorithm based on ASM models using the Kinect Sensor,” 2016. [Online]. Available: http://www.udi.edu.co/congreso/historial/congreso 2016/ponencias/Ingenieria. V. Kazemi, C. Keskin, J. Taylor, P. Kohli, and S. Izadi, “Real-Time Face Reconstruction from a Single Depth Image,” in 2014 2nd International Conference on 3D Vision. IEEE, dec 2014, pp. 369–376. [Online]. C. Cao, Q. Hou, and K. Zhou, “Displaced dynamic expression regression for real-time facial tracking and animation,” ACM Transactions on Graphics, vol. 33, no. 4, pp. 1–10, jul 2014. [Online]. Available: http://dl.acm.org/citation.cfm?doid=2601097.2601204 R.-L. Vieriu, S. Tulyakov, S. Semeniuta, E. Sangineto, and N. Sebe, “Facial expression recognition under a wide range of head poses,” in 2015 11th IEEE International Conference and Workshops on Automatic Face and Gesture Recognition (FG). IEEE, may 2015, pp. 1–7. [Online]. B. Seddik, H. Maamatou, S. Gazzah, T. Chateau, and N. E. Ben Amara, “Unsupervised facial expressions recognition and avatar reconstruction from kinect,” in 10th International Multi-Conferences on Systems, Signals & Devices 2013 (SSD13). IEEE, mar 2013, pp. 1–6. [Online]. Available: http://ieeexplore.ieee.org/document/6564032/ Y. Zhou and T. S. Huang, “An Unsupervised Algorithm to Extract Face Texture from Video,” in 2007 IEEE International Conference on Acoustics, Speech and Signal Processing - ICASSP ’07. IEEE, apr 2007, pp. I–781–I–784. [Online]. Available: http://ieeexplore.ieee.org/document/4217196/ Y.-F. Liu, J.-M. Guo, P.-H. Liu, J.-D. Lee, and C.-C. Yao, “Panoramic Face Recognition,” IEEE Transactions on Circuits and Systems for Video Technology, vol. 28, no. 8, pp. 1864–1874, aug 2018. [Online]. Available: https://ieeexplore.ieee.org/document/7898447/ Fan Yang, M. Paindavoine, and H. Abdi, “Fast panoramic face mosaicing and recognition,” in ISPA 2005. Proceedings of the 4th International Symposium on Image and Signal Processing and Analysis, 2005. IEEE, 2005, pp. 197–202. [Online]. Available: http://ieeexplore.ieee.org/document/1521288/ R. Singh, M. Vatsa, A. Ross, and A. Noore, “A Mosaicing Scheme for Pose-Invariant Face Recognition,” IEEE Transactions on Systems, Man and Cybernetics, Part B (Cybernetics), vol. 37, no. 5, pp. 1212–1225, oct 2007. [Online]. Available: http://ieeexplore.ieee.org/document/4305288/ E. Karami, S. Prasad, and M. Shehata, “Image Matching Using SIFT, SURF, BRIEF and ORB: Performance Comparison for Distorted Images,” oct 2017. [Online]. Available: http://arxiv.org/abs/1710.02726 S. A. K. Tareen and Z. Saleem, “A comparative analysis of SIFT, SURF, KAZE, AKAZE, ORB, and BRISK,” in 2018 International Conference on Computing, Mathematics and Engineering Technologies (iCoMET). IEEE, mar 2018, pp. 1–10. [Online]. Available: https://ieeexplore.ieee.org/document/8346440/ M. Brown and D. G. Lowe, “Automatic Panoramic Image Stitching using Invariant Features,” International Journal of Computer Vision, vol. 74, no. 1, pp. 59–73, apr 2007. [Online]. Available: http://link.springer.com/10.1007/s11263-006-0002-3 |
| dc.rights.spa.fl_str_mv |
Derechos Reservados - Universidad Militar Nueva Granada, 2019 |
| dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.rights.uri.spa.fl_str_mv |
https://creativecommons.org/licenses/by-nc-nd/2.5/co/ |
| dc.rights.creativecommons.spa.fl_str_mv |
Atribución-NoComercial-SinDerivadas |
| rights_invalid_str_mv |
Derechos Reservados - Universidad Militar Nueva Granada, 2019 https://creativecommons.org/licenses/by-nc-nd/2.5/co/ Atribución-NoComercial-SinDerivadas http://purl.org/coar/access_right/c_abf2 |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.coverage.spatial.spa.fl_str_mv |
Calle 100 |
| dc.publisher.department.spa.fl_str_mv |
Facultad de Ingeniería |
| dc.publisher.program.spa.fl_str_mv |
Ingeniería Multimedia |
| dc.publisher.faculty.spa.fl_str_mv |
Ingeniería - Ingeniería en Multimedia |
| dc.publisher.grantor.spa.fl_str_mv |
Universidad Militar Nueva Granada |
| institution |
Universidad Militar Nueva Granada |
| bitstream.url.fl_str_mv |
http://repository.unimilitar.edu.co/bitstream/10654/20514/1/ArizaJuanPablo2019%20%281%29.pdf http://repository.unimilitar.edu.co/bitstream/10654/20514/2/license.txt http://repository.unimilitar.edu.co/bitstream/10654/20514/3/ArizaJuanPablo2019%20%281%29.pdf.jpg |
| bitstream.checksum.fl_str_mv |
2219415fda04df189322d1d8775878b8 520e8f0b4e8d2d5c25366f2f78f584b0 d47ecbb34a37e2e6b15695422192b3ba |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional UMNG |
| repository.mail.fl_str_mv |
bibliodigital@unimilitar.edu.co |
| _version_ |
1837098454611918848 |
| spelling |
Sarmiento, Wilson JavierAriza, Juan PabloVargas Molano, Juan SebastiánIngeniero MultimediaCalle 1002019-02-26T14:58:10Z2019-12-26T22:05:20Z2019-02-26T14:58:10Z2019-12-26T22:05:20Z2019-01-18http://hdl.handle.net/10654/20514La necesidad de tener experiencias tecnológicas cada vez más cercanas a la realidad e intuitivas con el usuario, ha permitido que las investigaciones relacionadas con el reconocimiento de rostros y reconocimiento de expresiones faciales sean cada vez más oportunas y necesarias, en la búsqueda de soluciones fiables y con costos computacionales aceptables para la capacidad de los dispositivos comerciales actuales. Este interés por dichas tecnologías es reflejado en esta investigación, en donde se busca la extracción de características faciales a partir de una imagen panorámica del rostro, método que es computacional mente menos costoso y con resultados similares a soluciones que involucran representaciones 3D del rostro. Desde otra perspectiva la tecnología planteada resulta más propicia para el mapeado de texturas sobre un personaje 3D, el cual es uno de los objetivos de este proyecto. Para la solución a la propuesta de investigación se recurre principalmente al algoritmo SIFT (Scale-invariant feature transform) y métodos relacionados con la generación de imágenes panorámicas a partir de imágenes consecutivas. Apoyados en un software dedicado a la generación de imágenes panorámicas, se realizan diversas pruebas buscando los valores de modificación óptimos, que permitan obtener la imagen de salida cercana a lo que sería una imagen panorámica del rostro con un correcta transformación.INTRODUCCIÓN TRABAJOS RELACIONADOS MATERIALES Y MÉTODOS RESULTADOS ANÁLISIS DE RESULTADOS CONCLUSIONESThe necessity to have technology experiences increasingly closer to the reality and intuitive with the user, has allowed that the investigations related to the recognition of faces and facial recognition are more and more timely and necessary in the search for reliable solutions and with acceptable computational costs to the capacity of the actual comercial dispositives. This interest in these technologies is reflected in this investigation where the extraction of facial characteristics is sought from one panoramic picture of the face, method that is computationally less expensive and with results similar to solutions that involve 3D representations of the face. From another perspective, the proposed technology is more propitious to the texture mapping over one 3D character, which is one of the objectives of this project. For the solution of the proposed investigation it is mainly used the SIFT algorithm (Scale-invariant feature transform) and related methods with the generation of panoramic pictures from consecutive pictures. Supported in one software dedicated to the generation of panoramic pictures, several tests are performed looking for the optimal modification values, that allow you to get the output close image to what would be a panoramic picture of the face with a correct transformationPregradoapplication/pdfspaDerechos Reservados - Universidad Militar Nueva Granada, 2019https://creativecommons.org/licenses/by-nc-nd/2.5/co/Atribución-NoComercial-SinDerivadashttp://purl.org/coar/access_right/c_abf2Panorámica del rostro a partir de características SIFT Panoramic Face from SIFT featuresOverview of the face based on SIFT characteristics Panoramic Face from SIFT featuresinfo:eu-repo/semantics/bachelorThesisTrabajo de gradoTexthttp://purl.org/coar/resource_type/c_7a1fPROCESAMIENTO DE IMAGENESVISION POR COMPUTADORSISTEMAS DE IMAGENESimmersivematchingface reconstructionSIFTstitichinginmersivomatchingreconstrucción del rostroSIFTstitchingFacultad de IngenieríaIngeniería MultimediaIngeniería - Ingeniería en MultimediaUniversidad Militar Nueva Granada"Evaluación de desempeño del algoritmo de seguimiento de características faciales basado en modelos ASM usando Kinect Performance evaluation of a face tracking algorithm based on ASM models using the Kinect Sensor,” 2016. [Online]. Available: http://www.udi.edu.co/congreso/historial/congreso 2016/ponencias/Ingenieria.V. Kazemi, C. Keskin, J. Taylor, P. Kohli, and S. Izadi, “Real-Time Face Reconstruction from a Single Depth Image,” in 2014 2nd International Conference on 3D Vision. IEEE, dec 2014, pp. 369–376. [Online].C. Cao, Q. Hou, and K. Zhou, “Displaced dynamic expression regression for real-time facial tracking and animation,” ACM Transactions on Graphics, vol. 33, no. 4, pp. 1–10, jul 2014. [Online]. Available: http://dl.acm.org/citation.cfm?doid=2601097.2601204R.-L. Vieriu, S. Tulyakov, S. Semeniuta, E. Sangineto, and N. Sebe, “Facial expression recognition under a wide range of head poses,” in 2015 11th IEEE International Conference and Workshops on Automatic Face and Gesture Recognition (FG). IEEE, may 2015, pp. 1–7. [Online].B. Seddik, H. Maamatou, S. Gazzah, T. Chateau, and N. E. Ben Amara, “Unsupervised facial expressions recognition and avatar reconstruction from kinect,” in 10th International Multi-Conferences on Systems, Signals & Devices 2013 (SSD13). IEEE, mar 2013, pp. 1–6. [Online]. Available: http://ieeexplore.ieee.org/document/6564032/Y. Zhou and T. S. Huang, “An Unsupervised Algorithm to Extract Face Texture from Video,” in 2007 IEEE International Conference on Acoustics, Speech and Signal Processing - ICASSP ’07. IEEE, apr 2007, pp. I–781–I–784. [Online]. Available: http://ieeexplore.ieee.org/document/4217196/Y.-F. Liu, J.-M. Guo, P.-H. Liu, J.-D. Lee, and C.-C. Yao, “Panoramic Face Recognition,” IEEE Transactions on Circuits and Systems for Video Technology, vol. 28, no. 8, pp. 1864–1874, aug 2018. [Online]. Available: https://ieeexplore.ieee.org/document/7898447/Fan Yang, M. Paindavoine, and H. Abdi, “Fast panoramic face mosaicing and recognition,” in ISPA 2005. Proceedings of the 4th International Symposium on Image and Signal Processing and Analysis, 2005. IEEE, 2005, pp. 197–202. [Online]. Available: http://ieeexplore.ieee.org/document/1521288/R. Singh, M. Vatsa, A. Ross, and A. Noore, “A Mosaicing Scheme for Pose-Invariant Face Recognition,” IEEE Transactions on Systems, Man and Cybernetics, Part B (Cybernetics), vol. 37, no. 5, pp. 1212–1225, oct 2007. [Online]. Available: http://ieeexplore.ieee.org/document/4305288/E. Karami, S. Prasad, and M. Shehata, “Image Matching Using SIFT, SURF, BRIEF and ORB: Performance Comparison for Distorted Images,” oct 2017. [Online]. Available: http://arxiv.org/abs/1710.02726S. A. K. Tareen and Z. Saleem, “A comparative analysis of SIFT, SURF, KAZE, AKAZE, ORB, and BRISK,” in 2018 International Conference on Computing, Mathematics and Engineering Technologies (iCoMET). IEEE, mar 2018, pp. 1–10. [Online]. Available: https://ieeexplore.ieee.org/document/8346440/M. Brown and D. G. Lowe, “Automatic Panoramic Image Stitching using Invariant Features,” International Journal of Computer Vision, vol. 74, no. 1, pp. 59–73, apr 2007. [Online]. Available: http://link.springer.com/10.1007/s11263-006-0002-3ORIGINALArizaJuanPablo2019 (1).pdfArtículoapplication/pdf2235508http://repository.unimilitar.edu.co/bitstream/10654/20514/1/ArizaJuanPablo2019%20%281%29.pdf2219415fda04df189322d1d8775878b8MD51LICENSElicense.txttext/plain2898http://repository.unimilitar.edu.co/bitstream/10654/20514/2/license.txt520e8f0b4e8d2d5c25366f2f78f584b0MD52THUMBNAILArizaJuanPablo2019 (1).pdf.jpgIM Thumbnailimage/jpeg5794http://repository.unimilitar.edu.co/bitstream/10654/20514/3/ArizaJuanPablo2019%20%281%29.pdf.jpgd47ecbb34a37e2e6b15695422192b3baMD5310654/20514oai:repository.unimilitar.edu.co:10654/205142020-06-30 12:55:08.787Repositorio Institucional UMNGbibliodigital@unimilitar.edu.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 |