Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
A Weight-Selection Strategy on Training Deep Neural Networks for Imbalanced Classification Kapitel lesen Erstes Kapitel lesen

2017 | OriginalPaper | Buchkapitel

Improved Face and Head Detection Based on Traditional Middle Eastern Clothing

verfasst von : Abdulaziz Alorf, A. Lynn Abbott

Erschienen in: Image Analysis and Recognition

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

This paper is concerned with the detection of individuals in images who wear traditional Middle Eastern clothing. Traditional headwear for men includes a scarf known as the shemagh that often occludes the face or causes significant shadows. State-of-the-art face-detection systems do not perform well for these cases. To address this problem, we have developed a novel approach that detects a distinctive part of traditional headwear known as the igal. This is a band or cord, typically black, that rests on the shemagh to hold it in place. Our approach starts by applying multiscale SVM classification with a HoG descriptor to perform tentative detection. The proposed detections are then refined using a bag of visual words categorization system. Experimental results have shown significantly better performance for our technique over several face-detection systems. Our technique yielded an F1 score of 80% with a low false-positive rate, showing an improvement of 15% over the best face detector.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Fast Spectral Clustering Using Autoencoders and Landmarks
Nächstes Kapitel Unsupervised Group Activity Detection by Hierarchical Dirichlet Processes
Literatur
1.
2.
Angelova, A., Krizhevsky, A., Vanhoucke, V., Ogale, A., Ferguson, D.: Real-time pedestrian detection with deep network cascades. In: British Machine Vision Conference (BMVC) (2015)
3.
Benenson, R., Markus, M., Tuytelaars, T., Van Gool, L.: Seeking the strongest rigid detector. In: IEEE Conference on Computer Vision and Pattern Recognition (CVPR) (2013)
4.
Browne, M., Ghidary, S.S.: Convolutional neural networks for image processing: an application in robot vision. In: Gedeon, T.T.D., Fung, L.C.C. (eds.) AI 2003. LNCS, vol. 2903, pp. 641–652. Springer, Heidelberg (2003). doi:10.​1007/​978-3-540-24581-0_​55CrossRef
5.
Dalal, N., Triggs, B.: Histograms of oriented gradients for human detection. In: IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 886–893 (2005)
6.
Fan, H., Cao, Z., Jiang, Y., Yin, Q., Doudou, C.: Learning deep face representation. arXiv preprint 1403.​2802 (2014)
7.
Fan, H., Yang, M., Cao, Z., Jiang, Y., Yin, Q.: Learning compact face representation: packing a face into an int32. In: 22nd ACM International Conference on Multimedia, pp. 933–936 (2014)
8.
Farid, H., Simoncelli, E.P.: Differentiation of discrete multidimensional signals. IEEE Trans. Image Process. 13, 496–508 (2004)MathSciNetCrossRef
9.
He, K., Zhang, X., Ren, S., Sun, J.: Deep residual learning for image recognition. In: IEEE Conference on Computer Vision and Pattern Recognition (CVPR) (2016)
10.
Lazebnik, S., Schmid, C., Ponce, J.: Beyond bags of features: spatial pyramid matching for recognizing natural scene categories. In: IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 2169–2178 (2006)
11.
Learned-Miller, E., Huang, G.B., RoyChowdhury, A., Li, H., Hua, G.: Labeled faces in the wild: a survey. In: Kawulok, M., Celebi, M.E., Smolka, B. (eds.) Advances in Face Detection and Facial Image Analysis, pp. 189–248. Springer, Cham (2016)
12.
Lowe, D.G.: Distinctive image features from scale-invariant keypoints. Int. J. Comput. Vis. (IJCV) 60, 91–110 (2004)CrossRef
13.
Mathias, M., Benenson, R., Pedersoli, M., Van Gool, L.: Face detection without bells and whistles. In: Fleet, D., Pajdla, T., Schiele, B., Tuytelaars, T. (eds.) ECCV 2014. LNCS, vol. 8692, pp. 720–735. Springer, Cham (2014). doi:10.​1007/​978-3-319-10593-2_​47CrossRef
14.
15.
16.
17.
Mikolajczyk, K., Schmid, C., Zisserman, A.: Human detection based on a probabilistic assembly of robust part detectors. In: Pajdla, T., Matas, J. (eds.) ECCV 2004. LNCS, vol. 3021, pp. 69–82. Springer, Heidelberg (2004). doi:10.​1007/​978-3-540-24670-1_​6CrossRef
18.
Vedaldi, A., Zisserman, A.: Efficient additive kernels via explicit feature maps. IEEE Trans. Pattern Anal. Mach. Intell. (TPAMI) 34(3), 480–492 (2012)CrossRef
19.
Viola, P., Jones, M.J.: Robust real-time face detection. Int. J. Comput. Vis. (IJCV) 57(2), 137–154 (2004)CrossRef
20.
Zhou, E., Cao, Z., Yin, Q.: Naive-deep face recognition: touching the limit of LFW benchmark or not? arXiv preprint arXiv:​1501.​04690 (2015)
21.
De Marsico, M., Nappi, M., Riccio, D.: Face: face analysis for commercial entities. In: IEEE International Conference on Image Processing (ICIP) (2010)
22.
Metadaten
Titel
Improved Face and Head Detection Based on Traditional Middle Eastern Clothing
verfasst von
Abdulaziz Alorf
A. Lynn Abbott
Copyright-Jahr
2017
Buch
Image Analysis and Recognition

Print ISBN: 978-3-319-59875-8

Electronic ISBN: 978-3-319-59876-5

Copyright-Jahr: 2017

DOI
https://doi.org/10.1007/978-3-319-59876-5_43

Premium Partner

    Bildnachweise