Từ kết quả trên, một số hướng phát triển tương lai của đề tài bao gồm:
• Hiện tại, phương pháp mean-cos sử dụng vector trung bình để biểu diễn face track chỉ có thể xấp xỉ tốt thành phần chính thứ nhất của face track. Việc tìm hiểu các cách thức để có thể xấp xỉ những thành phần chính khác (thứ hai, thứ ba, v.v…) với chi phí tính toán thấp có thể giúp nâng cao hơn nữa độ chính xác của thuật toán mà vẫn đảm bảo hiệu quả về mặt tốc độ.
• Nghiên cứu thử nghiệm các phương pháp biểu diễn khuôn mặt khác nhau. Việc sử dụng đặc trưng biểu diễn thích hợp có thể giúp nâng cao độ chính xác của hệ thống.
• Mở rộng đánh giá, so sánh với những phương pháp biểu diễn và so khớp face track khác (phương pháp dựa trên bao, phương pháp biểu diễn bằng xác suất, v.v…).
Tài liệu tham khảo Tiếng Anh
[1] G. Shakhnarovich, J. W. Fisher, and T. Darrell (2002) “Face recognition from long-term observations,” European Conference on Computer Vision (ECCV). [2] H. Cevikalp and B. Triggs (2010), “Face recognition based on image sets,”
IEEE Conf. on Computer Vision and Pattern Recognition (CVPR).
[3] M. Everingham, J. Sivic, and A. Zisserman (2006), ““Hello! My name is... Buffy” – automatic naming of characters in TV video,” British Machine Vision Conference (BMVC).
[4] A. Hadid, and M. Pietikäinen (2004), “From still image to videobased face recognition: An experimental analysis,” IEEE Intl. Conf. on Automatic Face and Gesture Recognition (FG).
[5] J. Sivic, M. Everingham, and A. Zisserman (2005), “Person spotting: Video shot retrieval for face sets,” ACM Intl. Conf. on Image and Video Retrieval (CIVR).
[6] W. Fan and D. Y. Yeung (2006), “Locally linear models on face appearance manifolds with application to dualsubspace based classification,” IEEE Conf. on Computer Vision and Pattern Recognition (CVPR).
[7] O. Yamaguchi, K. Fukui, and K. Maeda (1998), “Face recognition using temporal image sequence,” IEEE Intl. Conf. on Automatic Face and Gesture Recognition (FG).
[8] Kazuhiro Fukui and Osamu Yamaguchi (2003), “Face recognition using multi-viewpoint patterns for robot vision,” International Symposium of Robotics Research (ISRR).
[9] Thao Ngoc Nguyen, Thanh Duc Ngo, Duy-Dinh Le, Shin’ichi Satoh, Bac Hoai Le, and Duc Anh Duong (2010), “An efficient method for face retrieval
from large video datasets,” ACM Intl. Conf. on Image and Video Retrieval (CIVR).
[10] T. Ngo, D.-D. Le, S. Satoh and D. Duong (2008), “Robust face tracking finding in video using tracked points,” Proc. Intl. Conf. on Signal-Image Technology and Internet-Based Systems.
[11] A. F. Smeaton, P. Over, and W. Kraaij (2006), “Evaluation campaigns and trecvid,” ACM Intl. Conf. on Multimedia Information Retrieval (MIR).
[12] M. Everingham, L. Van Gool, C. K. I.Williams, J.Winn, and A. Zisserman (2010), “The pascal visual object classes (voc) challenge,” International Journal of Computer Vision (IJCV).
[13] P. Dreuw, P. Steingrube, H. Hanselmann, H. Ney (2009), “Surf-face: Face recognition under viewpoint consistency constraints”, British Machine Vision Conference (BMVC).
[14] A.S Mian, M.Bennamoun, R. Owen (2007), “An Efficient Multimodal 2D-3D Hybrid Approach to Automatic Face Recognition”, IEEE Trans. on Pattern Analysis and Machine Intelligence (PAMI).
[15] C. Rosenberger, L. Brun (2008), “Similarity-based matching for face authentication,” Intl. Conf. on Pattern Recognition (ICPR).
[16] C. Shan, S. Gong and P. W. McOwan (2009), “Facial expression recognition based on Local Binary Patterns: A comprehensive study,” Image and Vision Computing, Vol. 27, Issue 6, pp. 803-816
[17] M. Yang, L. Zhang (2010), “Gabor feature based sparse representation for face recognition with gabor occlusion dictionary,” European Conference on Computer Vision (ECCV).
[18] D. R. Kisku, H. Mehrotra, P. G. and J. K. Sing (2010), “Robust Multi-camera View Face Recognition”, IEEE Conf. on Computer Vision and Pattern Recognition (CVPR).
[19] Y. Su, S. Shan, X. Chen, W. Gao (2009), “Hierarchical Ensemble of Global and Local Classifiers for Face Recognition,” IEEE Trans. on Image Processing, Vol. 18, No. 8.
[20] T. Ojala, M. Pietikäinen, and T. Mäenpää (2002), “Multiresolution gray-scale and rotation invariant texture classification with local binary patterns,” IEEE Trans. on Pattern Analysis and Machine Intelligence (PAMI).
[21] T. Ojala, M. Pietikäinen, and D. Harwood (1994), “Performance evaluation of texture measures with classification based on Kullback discrimination of distributions”, Intl. Conf. on Pattern Recognition (ICPR).
[22] D. G. Lowe (2004), “Distinctive Image Features from Scale-Invariant Keypoints”, Intl. Journal of Computer Vision, Vol. 60, Issue. 2, pp. 91-110.
[23] Z. Lei and S. Liao and R. He and M. Pietikainen and S. Z. Li (2008), “Gabor volume based local binary pattern for face representation and recognition,” IEEE Intl. Conf. on Automatic Face and Gesture Recognition.
[24] J. Lu, K.N. Plataniotis and A.N. Venetsanopoulos (2003), “Face Recognition Using LDA-Based Algorithms,” IEEE Trans. On Neural Networks, Vol. 14, No. 1, pp. 195-200.
[25] Z. Wang, X. Ding and C. Fang (2008), “Pose adaptive LDA based face recognition,” Intl. Conf. on Pattern Recognition (ICPR).
[26] W. Yang, H. Yan, J. Wang and J. Yang (2008), “Face recognition using Complete Fuzzy LDA,” Intl. Conf. on Pattern Recognition (ICPR).
[27] M.A. Turk, A.P. Pentland (1991), “Face Recognition Using Eigenfaces,” IEEE Conf. on Computer Vision and Pattern Recognition (CVPR).
[28] A. Izmailov, A. Krzyzak (2009), “On Improving the Efficiency of Eigenface Using a Novel Facial Feature Localization,” Intl. Conf. on Image Analysis and Processing (ICIAP).
[29] O. Arandjelovic, G. Shakhnarovich, J. Fisher, R. Cipolla and T. Darrell (2005), “Face recognition with Image Sets Using Manifold Density
Divergence,” IEEE Conf. on Computer Vision and Pattern Recognition (CVPR).
[30] S. K. Zhou and R. Chellappa (2004), “Probabilistic Identity Characterization for Face Recognition,” IEEE Conf. on Computer Vision and Pattern Recognition (CVPR).
[31] P. A. Viola and M. J. Jones (2001), “Rapid object detection using a boosted cascade of simple features,” IEEE Conf. on Computer Vision and Pattern Recognition (CVPR).
[32] Donald Knuth (1997), “The Art of Computer Programming, ” Volume 1: Fundamental Algorithms, Third Edition. Addison-Wesley, ISBN 0-201- 89683-4. Section 1.2.11: Asymptotic Representations, pp. 107–123.
Tiếng Việt
[33] Thao Ngoc Nguyen (2010), “Một số kĩ thuật truy tìm nhân vật trong các kho dữ liệu video lớn,” luận văn Thạc sĩ chuyên ngành Khoa học Máy Tính, trường Đại học Tự Nhiên thành phố Hồ Chí Minh.
Phụ lục A: Chi tiết danh mục các công trình
Hội nghị xử lý ảnh (International Conference on Image Processing – ICIP) là hội nghị hạng 2 trong lĩnh vực Trí tuệ Nhân tạo và Học máy (xếp hạng của trường Đại học Quốc gia Singapo). Hội nghị này được tài trợ bởi Hiệp hội Xử lý Tín hiệu số
IEEE và được tổ chức hàng năm nhằm mục đích trao đổi những kết quả nghiên cứu mới nhất trong xử lý ảnh và video. Hội nghị năm nay (2011) là hội nghị lần thứ 18
được tổ chức tại Brussel (Bỉ) từ ngày 11-14 tháng 9 năm 2011. Thông tin về hội nghị có thể xem tại website.
Dựa trên kết quả nghiên cứu có được, chúng tôi đã gửi bài báo với nhan đề
“Fast Face Sequence Matching in Large-scale Video Databases” tới hội nghị và đã
được chấp nhận vào ngày 18/04/2011. Thông tin về bài báo này cũng như kết quả đánh giá từ hội nghị có thể xem chi tiết dưới đây: