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
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Detecting Happiness in Human Face Using Minimal Feature Vectors Kapitel lesen Erstes Kapitel lesen

2018 | OriginalPaper | Buchkapitel

Robust Detection and Tracking of Objects Using BTC and Cam-Shift Algorithm

verfasst von : S. Kayalvizhi, B. Mounica

Erschienen in: Computational Signal Processing and Analysis

Verlag: Springer Singapore

Einloggen

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

search-config
loading …

Abstract

Face detection is used in several applications in the field of object recognition and pattern recognition tools. It is a demand nowadays that face detection to be performed using the compressed data. In this paper, we discussed on the face detection method applied on compressed images and video streams where only little decompression is required to retrieve the important data. This approach is faster and consumes less computational time and processing power when compared to the pixel domain-based algorithms. We used the Block Truncation Coding (BTC) algorithm for compression process. Viola and Jones proposed a fast and accurate method to detect the object. Haar-like features are used to detect the variation between the black and light portion of the image. Cam-shift algorithm is used to develop the face and head tracking. The object search is done using the back-projection procedure through probability distribution maximum obtained.

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 Combined Analysis of Image Processing Transforms with Location Averaging Technique for Facial and Ear Recognition System
Nächstes Kapitel Effect of Dynamic Mode Decomposition-Based Dimension Reduction Technique on Hyperspectral Image Classification
Literatur
1.
Fonseca P, Nesvadha J (2004) Face detection in the compressed domain. In: 2004 international conference on image processing, 2004, ICIP’04, vol 3, pp 2015–2018
2.
Sakure NS, Bankar RT, Salankar SS (2016) Camparative analysis of face tracking. Int J Adv Res Electron Commun Eng (IJARECE) 5(3)
3.
Viola P, Jones M (2001) Rapid object detection using a boosted cascade of simple features. In: Proceedings of the 2001 IEEE computer society conference on computer vision and pattern recognition, CVPR 2001, vol 1, pp I-511–I-518
4.
Varfolomieiev A, Antonyuk O, Lysenko O (2009) Camshift object tracking algorithm implementation on DM6437 EVM. In: Proceedings of 4th European DSP in education & research in 2009
5.
Mohammed D, Abou-Chadi F (2011) Image compression using block truncation coding. Multidiscip J Sci Technol J Sel Areas Telecommun (JSAT), Febr Ed
6.
Gupta A, Kumar S, Raja A (2014) Enhancement image compression using BTC algorithm. Int J Adv Res Comput Sci Softw Eng 4(2)
7.
Baraniuk RG (2007) Compressive sensing [lecture notes]. IEEE Signal Process Mag 24(4):118–121CrossRef
Metadaten
Titel
Robust Detection and Tracking of Objects Using BTC and Cam-Shift Algorithm
verfasst von
S. Kayalvizhi
B. Mounica
Copyright-Jahr
2018
Verlag
Springer Singapore
Buch
Computational Signal Processing and Analysis

Print ISBN: 978-981-10-8353-2

Electronic ISBN: 978-981-10-8354-9

Copyright-Jahr: 2018

DOI
https://doi.org/10.1007/978-981-10-8354-9_8

Neuer Inhalt

    Bildnachweise