4. Approche proposé
5.6. Temps de d’exécution
5.6.3. Traitement des vidéos
Une vidéo est une succession d'images à une certaine cadence. L'œil humain a comme caractéristique d'être capable de distinguer environ 20 images par seconde. Ainsi, en affichant plus de 20 images par seconde, il est possible de tromper l'œil et de lui faire croire à une image animée. On caractérise la fluidité d'une vidéo par le nombre d'images par secondes (en anglais frame rate), exprimé en FPS (Frames per second, en français trames par seconde).
Pour nos tests nous avons choisi la base d’image CALTECH à cause de la taille de ces images (896* 592 pixels) moyenne, pas petite mais un peu plus grande.
Pour les images niveau de gris nous avons obtenu un temps de 0,921 secondes pour les filtres de Haar, 0,244 secondes pour les LBP et 1,457 secondes pour la combinaison des trois (Haar+LBP+WLD) sur une seule image. Pour les images couleur (avec détection de peau) nous
Chapitre 5 Tests et Résultats
150
avons obtenu un temps de 0.383 secondes pour les filtres de Haar, 0,101 secondes pour les LBP et 0.605 secondes pour la combinaison des trois (Haar+LBP+WLD) sur une seule image.
Pour réaliser le traitement en temps réel, nous avons appliqué les méthodes de détection sur la première image puis nous avons lancé le Camshift pour le suivi et après deux secondes nous réappliques la même méthode pour l’image présente et nous relances le Camshift, comme sa nous pouvons surmonter le problème de la non détection d’un nouveau visage qui rentre dans la scène après la première détection (après la première image), et le suivi de plusieurs visages au même temps.
5.7. Conclusion
On peut conclure que les filtres de Haar et LBP donnent les même taux (détection et fausse détection positif) dans les deux types d’images (couleur et niveau de gris), mais la combinaison des trois (Haar+LBP+WLD) augmente le taux de détection et diminuer de taux de fausse détection positif. Sans prendre en compte le type de matériels ou logiciels utilisées nous avons un facteur de 3,77 de rapidité des LBP par rapport aux filtres de Haar. Donc les LBP sont nettement meilleurs que les filtres de Haar. Ce qui concerne le type d’image, si nous avons une image couleur alors nous pouvons utiliser l’information couleur de peau pour accélérer encore le processus de recherche, comme il a été montré dans les résultats (diminuer le temps d’exécution par un facteur de 2,4).
151
Conclusion générale
Le sujet de la reconnaissance et de détection de visage humain est très ancien, en raison de son importance pratique et théorique, il reste toujours un centre important de recherche. Cela, est motivé par la multiplicité et la variété des champs d’application (haute sécurité, télésurveillance, contrôle d’accès, etc.).
Les chercheurs ont montré que l’être humain utilise pour reconnaître un visage ces différentes caractéristiques qui varient entre la géométrie, la texture et les couleurs des différentes régions du visage : les yeux, la bouche, le nez, le franc, les joues et le montant. Grâce à cette remarque, plusieurs études ont été développées afin de savoir s’il était possible de modéliser d’une manière informatique ce comportement.
Tout d’abord, nous avons commencé par étudier les différentes techniques de détection pour ensuite choisir la méthode qui répond le mieux aux contraintes de robustesse, temps de traitement, indépendance d’environnement extérieur et fiabilité en plus de la possibilité de détecter plusieurs visages.
L’objectif principal de notre système est la détection et le suivi des visages dans une succession d’image. La première phase consiste à utiliser l’information couleur de peau pour minimisé l’espace de recherche dans l’image, ce qui permet au détecteur de scanner uniquement les régions susceptibles d’être des régions de peau. Cela a permis de réduire le temps de calcul et aussi dans certains cas les fausses détections. La seconde étape consiste à chercher le visage dans les zones détectées, pour cela nous avons utilisé les Filtres de Haar like, les LBP (Motifs binaires locaux), les WLD (Descripteur locale de Weber), entraînés par Adaboost, SVM (Machine à Vecteur de Support), et les réseaux de neurones.
Nous avons validé et analysé les performances de notre système sur des bases d’images international tel que : BAO, CALTECH et MIT-CMU. Cette étape consiste à évaluer le taux de détection, le nombre de fausse détection et le temps de traitement.
Pour les images niveau de gris nous avons obtenu un temps de calcul de 0,921 secondes en utilisant les filtres de Haar et 0,244 secondes en utilisant les LBP sur une seule image. Pour les images couleur (avec détection de peau) nous avons obtenu un temps de 0.383 secondes en utilisant les filtres de Haar et 0,101 secondes en utilisant les LBP. Pour réaliser le traitement en temps réel, nous avons appliqué les méthodes de détection sur la première image puis nous
152
avons lancé le Camshift pour le suivi et après deux secondes nous réappliques la même méthode pour l’image présente et nous relances le Camshift, comme sa nous pouvons surmonter le problème de la non détection d’un nouveau visage qui rentre dans la scène après la première détection (après la première image), et le suivi de plusieurs visages au même temps. Les résultats pour la détection de peau et la détection de visage dans les images couleur et les images niveau de gris présenté dans le dernier chapitre sont très prometteuse.
153
Bibliographie
[1] T. Sakai, M. Nagao, and T. Kanade, "Computer analysis and classification of photographs of human faces", in Proc. First USA—Japan Computer Conference, pp. 2-7.1972.
[2] M. C. Burl and P. Perona, "Recognition of planar object classes", in IEEE Proc. of Int. Conf. on Computer Vision and Pattern Recognition, pp 223 - 230, 1996.
[3] M.H. Yang, D. J. Kriegman, and N. Ahuja. "Detecting faces in images: A survey". IEEE Trans. on PAMI, pp 34–58, 2002.
[4] E. Hjelmas and B. K. Low."Face detection: A survey". Computer Vision and Image Understanding, pp 236–274, 2001.
[5] C.Kotropoulos et I. Pitas, "Rule-based Face Detection in Frontal View", Proc. Intl Conf. Acoustics, Speech, and Signal Processing, vol. 4, pp. 2537-2540, 1997.
[6] H.P. Graf, T. Chen, E. Petajan, et E. Cosatto, "Locating Faces and Facial Parts". Proc. First Intl Workshop Automatic Face and Gesture Recognition, pp. 41-46,1995.
[7] H.P. Graf, E. Cosatto, D. Gibbon, M. Kocheisen, et E. Petajan, "Multimodal System for Locating Heads and Faces", Proc. Second Intl Conf. Automatic Face and Gesture Recognition, pp. 88-93, 1996.
[8] D. Saxe and R. Foulds, "Toward Robust Skin Identification in Video Images", Proc. Second Intl Conf. Automatic Face and Gesture Recognition, pp. 379-384, 1996.
[9] K. Sandeep et A.N. Rajagopalan, "Human Face Detection in Cluttered Color Images Using Skin Color and Edge Information", ICVGIP, 2002.
[10] T. K. Leung, M.C Burl, et P. Perona, "Finding Faces in Cluttered Scenes Using Random Labeled Graph Matching", Proc. Fifth IEEE Int’l Conf. Computer Vision, pp 637-644, 1995. [11] K. Sobottka, et I. Pitas, "Face Localization and Feature Extraction Based on Shape and Color Information", Proc. IEEE Int’l Conf. Image Processing, pp 483-486, 1996.
[12] E. Sabert, et A. M. Tekalp, "Frontal-View Face Detection and Facial Feature Extraction using Color, Shape and Symmetry Based Cost Function", Pattern Recognition Letters, vol 17, no. 8, pp 669-680, 1998.
154
[13] Luhong Liang, Haizhou Ai et Guangyou Xu"Face Detection based on Template Matching and Neural Network Verification". Acta Electronica Sinica.2001
[14] J.Miao, B.Yin, K.Wang, L. Shen et X. Chen "A Hierarchical Multiscale and Multiangle System for Human Face Detection in a Complex Background Using Gravity-Center Template", Pattern Recognition, vol 32, no.7, pp1237 -1248, 1999.
[15] H. A. Rowley, S. Baluja, et T. Kanade, "Neural Network based Face Detection", IEEE Trans, Pattern Anal. Mach, Intell, , pp23-38, 20 January 1998.
[16] K Sung et T.Poggio "Example based Learning for View Based Human Face Detection", Technical Report All Memo 1521, Massaachusetts Inst of Technology Al Lab, 1994.
[17] V. N. Vapnik, “Statistical Learning Theory”, New York: Wiley,1998.
[18] E. Osuna, R. Freund, et F. Girosi "Training Support Vector Machines: An Application To Face Detection", Proc. IEEE Conf. Computer Vision and Pattern Recognition, pp 130-136, 1997.
[19] wikipedia http://fr.wikipedia.org/wiki/Support_vector_machine.
[20] Haizhou Ai, Lihang Ying et Guangyou Xu “A Subspace Approche to Face Detection with Support Vector Machines”, International Conference on Pattern Recognition, 2002.
[21] Viola. P, Jones. M, “Rapid object detection using a boosted cascade of simple features”, Proceedings of the 2001 IEEE Computer Society Conference, vol 1, pp 511-518, 2001
[22] Viola. P, Jones. M, “Robust Real-time Object Detection”, Second international workshop on statistical and computational theories of vision - modèleing, learning, computing, and sampling. Vancouver, Canada, July 13, 2001.
[23] Viola. P, Jones. M, “Robust real-time face detection”, International Journal of Computer Vision 57(2), vol 2, pp 747-747, July 2001.
[24] OUAFEK Redouane, MEGHALSI Mohamed Reda, “La détection des visages dans une image”, Mémoire de fin d’études, (E.S.I) Oued-Semar, Alger 2009.
[25] Andrea F, Michele N, Daniel R, Gabriele Sabatino, “2D and 3D face recognition: A survey”, Pattern Recognition Letters 28, pp 1885–1906, 2007.
[26] H. Schneiderman and T. Kanade, “A statistical modèle for 3D object detection applied to faces and cars”, in IEEE Conference on Computer Vision and Pattern Recognition, 2000.
155
[27] M.-H. Yang, N. Ahuja, and D. Kriegman, “Face detection using mixtures of linear subspaces”, in Proceedings Fourth IEEE International Conference on Automatic Face and Gesture Recognition, 2000.
[28] D. Roth, M.-H. Yang, and N. Ahuja, “A SNoW-based face detector”, in Advances in Neural Information Processing Systems 12 (NIPS 12), MIT Press, Cambridge, MA, 2000. [29] R. Feraud, O. Bernier, J.-E. Viallet, and M. Collobert, “A fast and accurate face detector for indexation of face images”, in Proceedings Fourth IEEE International Conference on Automatic Face and Gesture Recognition, 2000.
[30] A. J. Colmenarez and T. S. Huang, “Face detection with information-based maximum discrimination”, in IEEE Proc. of Int. Conf. on Computer Vision and Pattern Recognition, 6 1997.
[31] K.-K. Sung and T. Poggio, “Example-based learning for view-based human face detection”, IEEE Trans. Pattern Anal. Intelligence, pp 39–51, Mach 20, 1998.
[32] M. S. Lew and N. Huijsmans, “Information theory and face detection”, in Proc. of International Conference on Pattern Recognition, 1996.
[33] S.-H. Lin, S.-Y. Kung, and L.-J. Lin, “Face recognition/detection by probabilistic decision-based neural network”, IEEE Trans. Neural Networks, pp 114–132.1997.
[34] Q. Gu and S. Z. Li, “Combining feature optimization into neural network based face detection”, in Proceedings of the 15th International Conference on Pattern Recognition, Vol. II, 2000.
[35] J.C. Terrillon, M. N. Shirazi, H. Fukamachi, and S. Akamatsu. “Comparative performance of different skin chrominance modèles and chrominance spaces for the automatic detection of human faces in color images”. In Proc. IEEE Int'l Conf. on Face and Gesture Recognition, pp 54-61, 2000.
[36] H. Ouhaddi, P. Horain, K. Milkolajczyk. “Modélisation et suivi de la main“. Actes 4emes Journées d'études et d'échanges Compression et Représentation des Signaux Audiovisuels (CORESA'98), Lannion, France, pp. 109-114, 9-10 June 1998.
[37] J.S. Pierrard and T. Vetter. “Skin Detail Analysis for Face Recognition“. IEEE Conference on Computer Vision and Pattern Recognition. pp 1-8, June 17-22 2007.
156
[38] M. M. Fleck, D. A. Forsyth and C. Bregler. “Finding naked people“. European Conference on Computer Vision, Springer-Verlag, Berlin, Germany, pp. 592-602, 1996.
[39] S. Mitra and T. Acharya. “Gesture Recognition: A Survey”. IEEE Transactions on Systems, Man and Cybernetics, Part C: Applications and Reviews. Volume 37, Issue 3, pp 311- 324, May 2007.
[40] A. Ramamoorthy, N. Vaswani, S. Chaudhury, and S. Banerjee. “Recognition of dynamic hand gestures“. Pattern Recognition. Volume 36, Issue 9, pp 2069-2081, Septembre 2003. [41] A. Jacquin and A. Eleftheriadis, "Automatic location tracking of faces and facial features in video signal", Int. Work. On Automatic Face and Gesture Recognition, pp 142-147, Zurich, 1995.
[42] K. Aas, "Detection and recognition faces in video sequences", Norsk regnesentral, 1998. [43] J.S. Lee, Y.M. Kuo, P.C. Chung, and E.L. Chen. “Naked image detection based on adaptive and extensible skin color modèle“. Pattern Regnition. Volume 40, Issue 8, pp 2261- 2270, August 2007.
[44] H. Zheng, M. Daoudi, and B. Jedynak. “Blocking Adult Images Based on Statistical Skin Detection“. Electronic Letters on Computer Vision and Image Analysis. Volume 4, Number 2, pp 1-14, 2004.
[45] L. Sigal, S. Sclaro, and V. Athitsos. “Skin color-based video segmentation under time- varying illumination“. IEEE Transactions on Pattern Analysis and Machine Intelligence, pp 862-877, July 2004.
[46] Gu. Lifang and D. Bone. “Skin colour region detection in MPEG video sequences“. International Conference on Image Analysis and Processing, Venice, Italy. pp 898-903, September 27-29. 1999.
[47] A. Tremeau, C. Fernandez-Maloigne, and P. Bonton. “Image Numérique Couleur : de l'acquisition au traitement“. Dunod, 2004.
[48] D. S. Tauban and W. Marcellin. “JPEG2000: Image Compression Fundamentals, Standards and Practice“. Kluwer Academic Publishers, 2001.
[49] Y. I. Ohta, T. Kanade, and T. Sakai. “Color information for region segmentation“. Computer Graphics and Image Processing, Volume 13, Issue 3, pp 222–241, July 1980.
157
[50] P. Kakumanu, S. Makrogiannis, and N. Bourbakis. “A Survey of Skin-Color Modèleing and Detection Methods. Pattern Recognition“. Volume 40, Issue 3, pp 1106-1122, March 2007. [51] V. Vezhnevets, V. Sazonov, A. Andreeva, A survey on pixel-based skin color detection techniques, GRAPHICON03, pp. 85 – 92, 2003.
[52] Zhanwu Xu and Miaoliang Zhu. “Color-Based Skin Detection : Survey and Evaluation“. Twelfth International Multi-Media Modèleling Conference. pp 143-152, Janury 4-6 2006. [53] B.D. Zarit, B.J. Super, and F.K.H. Quek. “Comparison of five color modèles in skin pixel classification“. In Proceedings. International Workshop on Recognition, Analysis, and Tracking of Faces and Gestures in Real-Time Systems, pp 58 - 63, Corfu,Greece, September 1999.
[54] M. Soriano, B. Martinkauppi, S. Huovinen, and M. Laaksonen. “Skin detection in video under changing illumination conditions“. In Proc. Computer Vision and Pattern Recognition, vol. 1, pp. 839-842, 2000.
[55] R. Schumeyer, and K. Barner. “A color-based classifier for region identification in video“. In Visual Communications and Image Processing 1998, SPIE, vol. 3309, pp. 189-200, 1998. [56] L. Sigal, S. Sclaro, and V. Athitsos. “Estimation and prediction of evolving color distributions for skin segmentation under varying illumination“. In Proc. IEEE Conf. on Computer Vision and Pattern Recognition, vol. 2, pp. 152-159, 2000.
[57] F. Bérard, “Vision par ordinateur pour l'interaction homme-machine fortement couplée“, thèse de doctorat, Université Joseph Fourier, Grenoble, France, Janvier 2000.
[58] A. Wu, M. Shah, and N. da Vitoria Lobo. “A virtual 3d blackboard : 3d tracking using a single camera“. In Fourth IEEE International Conference on Automatic Face and Gesture Recognition (FG'00), March 2000.
[59] F. K. H. Quek, T. Mysliwiec, and M. Zhao. “Fingermouse : A freehand pointing interface“. Proceedings of the International Workshop on Automatic Face- and Gesture-Recognition, Zurich, Switzerland, pp. 372-377, June 1995.
[60] M.J. Jones and J. M. Rehg. “Statistical color modèles with application to skin detection“, International Journal of Computer Vision. Volume 46, Issue 1, pp 81-96, January 2002.
158
[61] G. Gomez, M. Sanchez, L.E. Sucar, “On selecting an appropriate colour space for skin detection“, Springer-Verlag : Lecture Notes in Artificial Intelligence, vol. 2313, pp. 70-79, 2002.
[62] S. Marcel, and S. Bengio, “Improving face verification using skin color information“, ICPR02, 2002.
[63] N. Friedman, D. Geiger, M. Goldszmidt, “Bayesian network classifiers“, Mach. Learn. Volume 29, pp 131-163, 1997.
[64] N. Sebe, T. Cohen, T.S. Huang, T. Gevers, “Skin detection, a Bayesian network approach“, ICPR04, 2004.
[65] H. Sahbi, N. Boujemaa, “Coarse to fine face detection based on skin color adaptation“, Workshop on Biometric Authentication, 2002, Lecture Notes in Computer Science, vol. 2359, pp. 112-120, 2002.
[66] M.J. Seow, D. Valaparla, V.K. Asari, “Neural network-based skin color modèle for face detection“, Proceedings of the 32nd Workshop on Applied Imagery Pattern Recognition, 2003. [67] J. Karlekar, U.B. Desai, “Finding faces in color images using wavelet transform“, International Conference on Image Analysis and Processing, 1999.
[68] S.L. Phung, D. Chai, A. Bouzerdoum, “A universal and robust human skin color modèle using neural networks“, IJCNN01, 2001.
[69] C. Chen, S.P. Chiang, “Detection of human faces in color images“, IEE Proc. Vision Image Signal Process. Vol 144, pp 384-388, 1997.
[70] T. Kohonen, "Self-Organized Formation of Topologically Correct Feature Maps", Biological Cybernetics, vol. 46, pp. 59-69, 1982.
[71] T. Kohonen, "Self-Organizing Maps", Berlin : Springer-Verlag, vol 30. 1995.
[72] M. Talibi Alaoui, R. Touahni et A. Sbihi, "Classification des Images Couleurs par association des Transformations Morphologiques aux Cartes de Kohnen", CARI pp.83-90, 2004.
[73] D. Brown, I. Craw, and J. Lewthwaite. "A som based approach to skin detection with application in real time systems". In Proc. of the British Machine Vision Conference, volume 2, pp. 491-500, 2001.
159
[74] R-L. Hsu, M. Abdel-Mottaleb and A.K. Jain. "Face detection in color images". IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol 24, pp. 696-706, May 2002. [75] M. Yang and N. Ahuja. "Detecting human faces in color images". International Conference on Image Processing (ICIP), Chicago, pp.127- 130, 1998.
[76] M. J. Jones and J. M. Rehg. "Statistical color modèles with application to skin detection". Technical Report Cambridge Research Laboratory, CRL 98/11, Compaq, 1998.
[77] M. Hunke and A. Waibel, "Face locating and tracking for humain computer interaction", IEEE Computer, pp. 1277-1281, November 1994.
[78] J. Yang, W. Lu, and A. Waibel, "Skin color modèleing and adaptation", in proceeding of ACCV'98, Vol.2, pp. 687-694, Hong Kong, 1998.
[79] J. Y. Lee and S. I. Yoo. "An elliptical boundary modèle for skin color detection". In Proc. International Conference on Imaging Science, Systems and Technology, Las Vegas, USA, June 2002.
[80] H. Zheng. "Modèles de maximum d'entropie pour la détection de la peau : application au filtrage de l'internet. Thèse d’état". Université de Sciences et Technologies de Lille, Lille, France, Novembre 2004.
[81] Abdullah-Al-Wadud, M. Oksam Chae. "Region-of-Interest Selection for Skin Detection Based Applications". International Conference on Convergence Information Technology. pp 1999-2004. 21-23 November 2007.
[82] J. Kovac, P. Peer, F. Solina, "2D Versus 3D Colour Space Face Detection", 4th EURASIP Conference on Video/Image Processing and Multimedia Communications, Croatia, pp. 449- 454, 2003.
[83] F. Gasparini, R. Schettini, "Skin Segmentation using Multiple Thresholding", SPIE proceedings, Vol. 6061-18, January 2006.
[84] C. C. Chiang, W. N. Tai, M. T. Yang, Y. T. Huang and C. J. Huang. "A novel method for detecting lips, eyes and faces in real time". Real-Time Imaging, 9, 2003.
[85] V. Govindaraju, D. B. Sher, R.K. Srihari et S.N. Srihari, "locating human faces in newspaper photographs", Proc. Conf. On Comp. Vision and Pattgern Recognition, pp. 549- 554, 1989.
160
[86] J. B. Waite and W.J. Welsh, "an application of active contour modèles to head boundary location", Proc. British Machine Vision Conf., pp. 407 - 412, Oxford, 1990.
[87] I. Craw, D. Tock et A. Bennett, "Finding face features", Proc. 2nd European Conference on computer Vision, pp. 92-96, 1992.
[88] T. F. Cootes, C. J. Taylor, D.H. Cooper and J. Graham, "Active shape modèles-their training and application", comp. Vision and Image Understanding, Vol. 61, No. 1, pp. 38-59, 1995.
[89] S. Roux and E. Petit. "Codeur H.263 améliore par la visiophonie mobile", 7eme journée d'échange : Compression et représentation des signaux audiovisuels (CORESA), Dijon, Novembre 2001.
[90] D. Chetverikov and A. Lerch, "Multiresolution Face Detection", Theoretical Foundations of Computer Vision, vol. 69, pp 131 - 140, 1993.
[91] K. C Yow and R. Cipolla, "Finding initial estimates of humain face location", Departement of Engineering, university of Cambridge, 1995.
[92] A. Lemieux and M. Parizeau, "Flexible multi-classiffer architecture for face recognition systems". Vision Interface, 2003.
[93] T. Horprasert, D. Harwood and L. Davis, "A robust background subtraction and shadow detection". In Proceedings of the ACCV, 2000.
[94]. J. Brand and J.S. Mason. "A comparative assessment of three approaches to pixel-level human skin-detection". In Proceedings. 15th International Conference on Pattern Recognition, vol. 1, Barcelona, Spain, pp. 1056-1059, September 2000.
[95]. S. Ahmad. "A usable real-time 3d hand tracker". Conference Record of the Asilomar Conference on Signals, Systems and Computers, pp. 1257-1261, 1994.
[96] B. Jedynak, H. Zheng, and M. Daoudi. "Skin Detection Using Pairwise Modèles". Image and Vision Computing. Volume 23, Issue 13, pp 1122-1130, 29 November 2005.
[97] Jie Chen, Xilin Chen, Optimization of a training set for more robust face dectection. Pattern Recognition, 2828-2840, 2009.
[98] Jianxin Wu, S. Charles Brubaker. Fast asymmetric learning for cascade face detection. IEEE Transactions on pattern analysis and machine intelligence, pp 369-382, 2008.
161
[99] R. Lienhart et J. Maydt, "An Extended Set of Haar-like Features for Rapid Object Detection", IEEE ICIP, 2002
[100] Li Xiaohua, Kin-Man Lam, Shen Lansun, and Zhou Jiliu. "Face detection using simplied gabor features and hierarchical regions in a cascade of classifiers. Pattern Recognition Letters, pp 717-728, 2008.
[101] Antonio Torralba and Pawan Sinha. "Detecting faces in impoverished images". Journal of Vision, 2002.
[102] Charles K Chui. "An Introduction to Wavelets". Academic Press, Boston, 2002.
[103] T. Ojala, Pietikainen, M., & Harwood, D., "A comparative study of texture measures with classification based on feature distributions," In Pattern Recognition, vol. 29(1), pp. 51– 59, 1996.
[104] T. Ojala, M. Pietikainen, and T. Maenpaa, "Multiresolution gray-scale and rotation invariant texture classification with local binary patterns," Pattern Analysis and Machine Intelligence, IEEE Transactions on, vol. 24, pp. 971-987, 2002.
[105] T.Ojala, M. Pietikäinen, and T. Mäenpää, "A Generalized Local Binary Pattern Operator for Multiresolution Gray Scale and Rotation Invariant Texture Classification," in Advances in Pattern Recognition - ICAPR 2001. vol. 2013: Springer Berlin Heidelberg, pp. 399-408, 2001. [106] Ahonen, T., Hadid, A., Pietikäinen, M. "Face description with local binary patterns: Application to face recognition". IEEE Trans. Pattern Anal. Mach. Intell. Vol 28(12), pp 2037– 2041. 2006.
[107] Ahonen, T., Matas, J., He, C., Pietikäinen, M. "Rotation invariant image description with local binary pattern histogram Fourier features". In: Scandinavian Conference on Image Analysis. Lecture Notes in Computer Science, vol. 5575, pp. 61–70. Springer, Berlin 2009. [108] A. Hadid, M. Pietikainen and T. Ahonen. "A Discriminative Feature Space for Detecting and Recognizing Faces". Proc of CVPR 2004.
[109] H. Jin, Q. Liu, H. Lu and X. Tong, “Face detection using improved LBP under Bayesian framework”, International Conference on Image and Graphics, Hong Kong, China. pp 306– 309, 2004.
162
[110] S. Liao, W. Fan, A. C. S. Chung, and D. Y. Yeung, “Facial expression recognition using advanced local binary patterns, tsallis entropies and global appearance features,” in Proc. IEEE Int. Conf. Image Processing (ICIP, pp. 665 – 668), 2006.
[111] L. Zhang, R. Chu, S. Xiang, and S. Z. Li, “Face detection based on Multi-Block LBP representation,” in Proc. Int. Conf. Biometrics (ICB), pp. 11-18,2007.
[112] S. Liao and S. Z. Li, “Learning multi-scale block local binary patterns for face recognition,” in Proc. Int. Conf. Biometrics (ICB), pp.828-837, 2007.
[113] M. Heikkilä, M. Pietikäinen, and C. Schmid. "Description of interest regions with local binary patterns". Pattern Recognition, pp 425–436, 2009.
[114] Jiri Trefny and Jiri Matas,” Extended Set of Local Binary Patterns for Rapid Object