Deformable Shape and Feature Correspondences by Kernel-Based Deformable Shape Model and Sparse Feature Correspondence Techniques

View Statistics Email Alert RSS Feed

Information

Details

Project title

Code/計畫編號

NSC93-2213-E019-010

Translated Name/計畫中文名

使用核心可變形形狀模型與稀疏特徵對映法於可變形形狀物體與特徵對映

Project Coordinator/計畫主持人

Chin-Chun Chang

Funding Organization/主管機關

National Science and Technology Council

Department/Unit

Department of Computer Science and Engineering

Website

https://www.grb.gov.tw/search/planDetail?id=1016090

Year

2004

Start date/計畫起

01-08-2004

Expected Completion/計畫迄

31-07-2005

Bugetid/研究經費

415千元

ResearchField/研究領域

資訊工程--硬體工程

"由於人體外形會因為活動產生不小的形狀變化，一個使用電腦視覺技術的人與電腦互動的系統必須能夠使用可變形形狀模型來偵測人體活動。但是，在建立個人化可變形形狀模型時，須提供訓練樣本與系統應該採取的相對反應，如此當系統偵測到類似活動時才知道應該採取的行動。另外，若是要偵測細部特徵，一般也要在訓練樣本標示特徵位置。不過，標示此類資訊是一件麻煩的工作。因此。本計劃擬提另出一種新的建立個人化可變形形狀模型的方式。這種方式是用有標示的訓練樣本所建立的的個人化模型，來提供或輔助標示用來建立另一個新的個人化模型的訓練樣本。為了達成此目的。本計畫必須探討兩個問題。第一個擬探討的是不同個體間形狀與形狀配對的問題。因為藉由建立已標示的個人訓練樣本與另一個人的未標示訓練樣本間的關係，未標示的訓練樣本所該標示的系統反應，就可以由已標示的對映出來，不再需要由指導者標示。本計畫擬以核心技巧，將標示與未標示的訓練樣本對映到核心特徵空間，並分別建立其模型，再應用稀疏的特徵對映演算法，建立訓練樣本對映關係。第二個擬探討的問題是不同個體間相似形狀裡特徵與特徵配對的問題。因為標示訓練樣本的細部特徵的工作，可以用對映出來的已標示樣本細部特徵的形狀與位置資訊作為輔助，更容易達成自動化標示特徵的工作。我們擬採用一個由細部到整體逐漸擴大配對範圍的配對方式。最後，我們將發展出使用核心技巧與稀疏的特徵對映技術來對可變形形狀與特徵建立對映關係的新方法。"

Keyword(s)

可變形形狀模型
核心技巧
特徵對映
電腦視覺

DSpace CRIS

Deformable Shape and Feature Correspondences by Kernel-Based Deformable Shape Model and Sparse Feature Correspondence Techniques

Details

Description