ІНФОРМАЦІЙНА ТЕХНОЛОГІЯ ВИЯВЛЕННЯ ТА ВІДСТЕЖЕННЯ ОБЛИЧ У ЗАДАЧАХ ВІДЕОСПОСТЕРЕЖЕННЯ : ИНФОРМАЦИОННАЯ ТЕХНОЛОГИЯ ОБНАРУЖЕНИЯ И ОТСЛЕЖИВАНИЯ ЛИЦ В ЗАДАЧАХ ВИДЕОНАБЛЮДЕНИЯ

Краткое описание

Міністерство освіти і науки України
Вінницький національний технічний університет

На правах рукопису

МАСЛІЙ РОМАН ВАСИЛЬОВИЧ

УДК 004.93

ІНФОРМАЦІЙНА ТЕХНОЛОГІЯ ВИЯВЛЕННЯ ТА ВІДСТЕЖЕННЯ ОБЛИЧ У ЗАДАЧАХ ВІДЕОСПОСТЕРЕЖЕННЯ

Спеціальність 05.13.06 – інформаційні технології

Дисертація на здобуття наукового ступеня
кандидата технічних наук

Науковий керівник
Кулик Анатолій Ярославович,
доктор технічних наук, професор

Вінниця – 2013

ЗМІСТ

ПЕРЕЛІК УМОВНИХ ПОЗНАЧЕНЬ 4
ВСТУП 5
РОЗДІЛ 1 АНАЛІЗ СУЧАСНИХ МЕТОДІВ ВИЯВЛЕННЯ ТА ВІДСТЕЖЕННЯ ОБЛИЧ 12
1.1 Загальна характеристика задачі 12
1.2 Аналіз методів виявлення облич 15
1.3 Аналіз методів відстеження обличчя 26
1.4 Аналіз методів виявлення пікселів шкіри 34
1.5 Висновки. Вибір напрямку та задач досліджень 40
РОЗДІЛ 2 РОЗРОБКА МЕТОДІВ ВИЯВЛЕННЯ ТА ВІДСТЕЖЕННЯ ОБЛИЧ 41
2.1 Визначення основних термінів та критеріїв досліджень 41
2.2 Розробка методу виявлення облич у півтонових зображеннях 43
2.3 Розробка методу виявлення облич з нахилами від центральної вісі симетрії у півтонових зображеннях 55
2.4 Розробка методу сегментації кольорових зображень 65
2.5 Розробка методу класифікації зображень облич 73
2.6 Розробка методу відстеження обличчя у послідовності відеозображень 79
2.7 Висновки до розділу 88
РОЗДІЛ 3 РОЗРОБКА ІНФОРМАЦІЙНОЇ ТЕХНОЛОГІЇ ВИЯВЛЕННЯ ТА ВІДСТЕЖЕННЯ ОБЛИЧ 90
3.1 Схема організації інформаційних процесів та процедур інформаційної технології 90
3.2 Процедура виявлення облич у послідовності відеозображень 96
3.3 Процедура верифікації особи по зображенню її обличчя 103
3.4 Процедура відстеження обличчя у послідовності відеозображень 105
3.5 Висновки до розділу 107
РОЗДІЛ 4 АПРОБАЦІЯ РОЗРОБЛЕНОЇ ІНФОРМАЦІЙНОЇ ТЕХНОЛОГІЇ У СИСТЕМАХ ВІДЕОСПОСТЕРЕЖЕННЯ 108
4.1 Розробка програмного забезпечення для реалізації інформаційної технології 108
4.2 Дослідження інформаційної технології при обробленні послідовності відеозображень 115
4.3 Застосування інформаційної технології для пошуку у відеоархіві 120
4.4 Застосування інформаційної технології для здійснення інтелектуального ущільнення даних 123
4.5 Застосування інформаційної технології для відстеження людини у послідовності відеозображень 126
4.6 Висновки до розділу 129
ВИСНОВКИ 132
СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ 135
ДОДАТКИ 150
ДОДАТОК А Дослідження методів виявлення облич у зображеннях 151
ДОДАТОК Б Дослідження методу класифікації зображень облич 159
ДОДАТОК В Дослідження інформаційної технології при обробленні послідовності відеозображень 160
ДОДАТОК Г Дослідження адаптації інформаційної технології до умов відеоспостереженя 164
ДОДАТОК Д Документи про впровадження результатів дисертації 165

ПЕРЕЛІК УМОВНИХ ПОЗНАЧЕНЬ

ВДж – метод Віоли-Джонса
ЕЛБШ – еліптичний локальний бінарний шаблон
КО – координати обличчя
КСК – каскад сильних класифікаторів
КШ – колір шкіри
ЛБШ – локальний бінарний шаблон
МКШ – модель кольору шкіри
МХО – модифікована хаароподібна ознака
ПЛБШ – прямокутний локальний бінарний шаблон
РР – режим роботи
СК – сильний класифікатор
СЛБШ – симетричний локальний бінарний шаблон
CoBE – Cascade of Boosted Ensambles
FAR – False alarm rate
FDDB – Face Detection Data Set and Benchmark

ВСТУП

Актуальність теми
Сучасний етап розвитку комп'ютерних технологій, включаючи апаратне і програмне забезпечення, привів до активних досліджень в області інформаційних технологій та штучного інтелекту, в результаті яких розроблюються ефективні підходи до взаємодії людини з комп'ютером, зокрема системи автоматичного аналізу відеоінформації.
Швидке зростання потужності комп’ютерів та доступність високоякісних та недорогих відеокамер разом зі збільшенням необхідності автоматизованого відеоаналізу в зв’язку з великими обсягами відеоінформації, що отримуються з камер відеоспостереження, сформували значний інтерес до алгоритмів розпізнавання та відстеження об’єктів.
Вказані обставини потребують створення нових методів і інформаційних технологій, здатних здійснювати автоматичний аналіз відеозображень.
Внаслідок великого практичного значення завданням розпізнавання та відстеження об’єктів приділялась велика увага багатьох науковців. Зокрема, великий внесок у розвиток напрямку розпізнавання об’єктів внесли як вітчиз¬няні, так і закордонні учені, а саме М.І. Шлезінгер [1], Л.І. Тимченко [2], К.В. Муригін [3], П. Віола та М. Джонс [4], Г. Шнейдерман [5], у розвиток напрямку відстеження об’єктів: Ю.В. Ладижинський [6], Г. Брадскі [7], М. Ізард [8], Д. Команіцу [9], А. Блейк [10], Г. Грабнер [11] та інші.
В роботі представлена інформаційна технологія, що дозволяє вирішувати деякі задачі відеоспостереження пов’язані з аналізом обличчя людини у систе¬мах відеоспостереження, а саме: пошук у відеоархіві, інтелектуальне ущіль¬нення відеоінформації, відстеження людини по зображенню її обличчя.

Зв’язок роботи з науковими програмами, планами, темами
Дослідження, результати яких представлено в дисертації, проводилися протягом 2008-2012 рр., згідно планів кафедри автоматики та інформаційно-вимірювальної техніки Вінницького національного технічного університету та в рамках господарсько-договірних робіт: «Розробка програмного забезпечення для виявлення облич у комп’ютерних файлах» (№ДР 0112U004468), «Розробка програмного забезпечення для покращення якості цифрових зображень» (№ДР 0112U004424), «Розробка та впровадження програмного забезпечення для передавання інформації в інформаційно-вимірювальних системах» (№ДР 0112U004278), в яких здобувач був виконавцем.
Мета і задачі дослідження
Метою дисертаційного дослідження є підвищення вірогідності виявлення та відстеження облич у зображеннях при вирішенні задач відеоспостереження.
В результаті проведеного аналізу сформульовані основні завдання дослідження, які потрібно виконати для досягнення поставленої мети:
- здійснити аналіз сучасних методів виявлення та відстеження облич;
- розробити методи виявлення облич у півтонових зображеннях робаст¬них до складних умов освітлення та нахилів від центральної вісі симетрії;
- розробити метод сегментації кольорових зображень з метою пришви¬дшення виявлення облич;
- розробити метод відстеження облич у відеопослідовностях;
- розробити метод класифікації зображень облич.
- розробити нову інформаційну технологію (ІТ) виявлення та відсте-ження облич у відеопослідовностях та програмне забезпечення (ПЗ) що її реалізує .
Об’єкт дослідження – процеси виявлення та відстеження облич у системах відеоспостереження.
Предметом дослідження є методи, моделі та інформаційні технології виявлення та відстеження облич в задачах відеоспостереження.
Методи дослідження. Для вирішення поставлених задач з метою синтезу нових методів, моделей, інформаційної технології виявлення та відстеження облич, використовувалися такі методи: машинного навчання для етапу навчання в методах виявлення, імітаційного моделювання для ство¬рення методу відстеження, цифрового оброблення зображень з використан¬ням Image Processing Toolbox середовища Matlab та бібліотеки OpenCV для попереднього оброблення зображень, об’єктно-орієнтованого програмування в середовищі Microsoft Visual Studio Express 2010 для реалізації ІТ у вигляді ПЗ.
Наукова новизна одержаних результатів
Розроблено нову інформаційну технологію виявлення та відстеження облич, що дозволяє надати системі відеоспостереження адаптивності при її функціонуванні за умов змін освітлення, здійснювати економію ресурсів пам’яті для збереження відеоінформації за рахунок інтелектуального ущіль¬нення, здійснювати пошук у відеоархіві та відстеження людини на основі даних про обличчя.
Нова інформаційна технологія ґрунтується на таких наукових результа¬тах:
- вперше розроблено метод виявлення облич фронтального вигляду у півтонових зображеннях, який використовує модифіковані хаароподібні ознаки у простих класифікаторах, що дозволило збільшити вірогідність вияв¬лення облич у зображен¬нях зі складним освітленням;
- вперше розроблено метод виявлення облич фронтального вигляду з нахилами від центральної вісі симетрії в діапазоні ±56 градусів у півтонових зображеннях, який використовує прямокутні локальні бінарні шаблони у простих класифікаторах, що дозволило збільшити вірогідність виявлення облич;
- отримав подальший розвиток метод сегментації кольорових зображень на пікселі «шкіри» та «не шкіри» при застосуванні моделей кольору шкіри, на відміну від існуючих параметри функції фільтрації задані за умови підвищення імовірності відкидання пікселів «не шкіри», що дозволило підвищити швидкість обробки кольорових зображень та зменшити кількість хибних виявлень за умови фіксованої вірогідності виявлення облич при використанні розроблених методів;
- удосконалено метод відстеження обличчя у послідовності відео-зображень на основі методу Монте-Карло та колірного підходу до представ¬лення моделі спостереження, який відрізняється використанням методу вияв¬лення для початкового задавання місцеположення обличчя та оновлення положення обличчя під час відстеження, що дозволило підвищити вірогідність відстеження обличчя.
Практичне значення одержаних результатів
Практичне значення одержаних результатів полягає в тому, що на основі нових та удосконалення існуючих методів створена нова інформаційна технологія виявлення та відсте¬ження облич, яка дозволила підвищити вірогідність виявлення та відстеження в умовах складного освітлення та наявності оклюзій.
Розроблені та реалізовані методи виявлення та відстеження облич у ви¬гляді алгоритмів:
- оброблення півтонового зображення при виявленні облич фронтального вигляду;
- оброблення півтонового зображення при виявленні облич фронтального вигляду з нахилами від центральної вісі симетрії;
- оброблення кольорового зображення при виявленні облич із застосуванням етапу сегментації кольорового зображення на пікселі «шкіри» та «не шкіри»;
- оброблення послідовності відеозображень при відстеженні обличчя.
Запропонована інформаційна технологія може мати використання у системах відеоспостереження для вирішення задач пошуку у відеоархіві, інтелектуального ущільнення відеоінформації, відстеження людини по зображенню її обличчя, верифікації особи по зображенню її обличчя.
Розроблені методи можуть бути використані для створення інформаційних технологій, що пов’язані з безпекою руху, зокрема для виявлення та відстеження пішоходів.
Результати дисертаційних досліджень впроваджено у вигляді алгоритмів і програмних модулів у системах відеоспостереження: в приватному підприємстві «ТВА-сервіс» (підвищення ефективності пошуку у відеоархіві); в приватному підприємстві «Анклюз» (підвищення ефективності відстеження людини по зображенню її обличчя, акт від 03.06.2013 р.); у Вінницькій торгово-промисловій палаті (підвищення ефективності інтелектуального ущільнення да¬них, акт від 21.09.2012 р.).
Результати дисертаційних досліджень впроваджено в навчальний процес кафедри автоматики та інформаційно-вимірювальної техніки Вінницького національного технічного університету при викладенні дисципліни «Інженерна та комп’ютерна графіка» (акт від 23.05.2013 р.).
Особистий внесок здобувача
Основні положення та результати дисертаційної роботи отримані автором самостійно. У працях виконаних у співавторстві, особистий внесок здобувача полягає: [12, 13] – запропоновано модель кольору шкіри та підхід до виявлення облич при використанні цієї моделі; [14, 15] – запропоновано boosting-метод виявлення облич у півтоновому зображенні та досліджено оптимальні параметри методу; [16, 17] – проведено аналіз методів виявлення облич у зображеннях; [18] – запропоновано використовувати модель спостереження, що базується на колірній інформації про об’єкт у методі Монте-Карло; [19] – запропоновано метод розпізнавання облич при використанні вейвлет-перетворення Хаара; [20, 21] – запропоновано модель кольору шкіри та досліджено оптимальні параметри методу виявлення облич що використовує модель кольору шкіри; [22] – запропонований набір ознак у верифікаційному етапі виявлення облич; [23] – запропоновані ЛБШ ознаки у boosting-методі виявлення облич; [24] – здійснено огляд підходу, що використовує відстеження ядер; [25] – здійснено опис підходу, що використовує простір станів динамічної системи для відстеження об’єктів у відеопослідовностях; [26] – здійснено огляд динамічних підходів адаптації моделей кольору шкіри до умов освітленості; [27] – запропоновано метод відстеження пішоходів на основі методу Монте-Карло; [28] – запропоновано підхід до формування ознак зображення у просторі вейвлет-коефіцієнтів; [29] – запропоновано метод вертикальних та горизонтальних проекцій у просторі вейвлет-коефіцієнтів для розпізнавання облич; [30] – запропоновано підхід до класифікації векторів ознак у просторі вейвлет-коефіцієнтів; [31] – запропоновано метод виявлення облич, що дозволяє здійснювати виявлення облич у діапазоні нахилів обличчя ±56 градусів.
Апробація результатів дисертації
Основні положення дисертаційної роботи доповідалися та обговорювалися на Міжнародній конференції «Контроль і управління в складних системах» (Вінниця, 2005, 2007, 2010); Міжнародній науково-технічній конференції з автоматичного управління (Вінниця, 2006); Міжнародній конференції "Сучасні комп'ютерні системи та мережі: розробка та використання" (Львів, 2009, 2011); Міжнародній науково-практичній конференції «Інформаційні технології та комп'ютерна інженерія» (Вінниця, 2010); Міжнародній науково-технічній конференції «Сучасні проблеми радіоелектроніки, телекомунікацій та приладобудування (Вінниця, 2007, 2011); Міжнародній науково-практичній конференції “Научният потенциал на света” (м. Софія, Болгарія, 2010); Міжнародній науково-практичній конференції «Wyksztalcenie i nauka bez granic» (м. Пшемишель, Польша, 2011); Міжнародній науково-практичній конференції «Naukowa mysl informacyjnej powieki» (м. Пшемишель, Польша, 2012); Міжнародній науково-практичній конференції «Naukowa przestrzen Europy» (м. Пшемишель, Польша, 2012); XXXVІ, XXXVІІ, XXXVІІІ, XXXIX, XL, XLІ, XLІІ науково-технічних конфе¬ренціях професорсько-викладацького складу, співробітників та студентів Вінниць¬кого національного технічного університету з участю працівників науково-дослідницьких організацій та інженерно-технічних працівників підприємств м. Вінниці та області, м. Вінниця, 2007-2013.
Публікації
За результатами досліджень опубліковано 25 наукових праць, серед яких 8 статей у виданнях, що входять до переліку наукових фахових ви-дань України з технічних наук, з них 2 ([20,32]) – у виданні, яке входить до між¬народної наукометричної бази даних «Російський індекс наукового цитування («РІНЦ»), 4 роботи у закордонних виданнях, 5 робіт у матеріалах конференцій, 6 робіт у збірниках тез доповідей, 2 патенти України на корисну модель.
Структура і обсяг дисертації
Дисертаційна робота складається зі вступу, чотирьох розділів, висновків по роботі, списку використаних джерел, додатків. Основний зміст викладено на 130 сторінках друкованого тексту, містить 67 рисунків, 12 таблиць. Список використаних джерел налічує 119 найменувань. Загальний обсяг 170 сторінок.

Список литературы

ВИСНОВКИ

Задача автоматичного аналізу відеоконтенту є надзвичайно актуальною в умовах сьогодення, в зв’язку з постійним зростанням обсягів відеоінформа-ції, що отримуються з камер систем відеоспостереження. У дисертаційній роботі наведені результати теоретичних та експериментальних досліджень процесів виявлення та відстеження обличчя. Одержані результати дозволя-ють зробити наступні висновки:
1. Проведений аналіз літературних джерел показав, що існує велике ро-змаїття методів виявлення та відстеження облич у зображеннях але їх ефек-тивність залежить від багатьох чинників, таких як: умови освітлення, розді-льна здатність зображення, орієнтація обличчя відносно камери, для враху-вання яких є необхідність у створенні нових методів та ІТ виявлення та відс-теження облич.
2. Розроблено метод виявлення облич фронтального вигляду у півтоно-вих зображеннях, який використовує модифіковані хаароподібні ознаки у простих класифікаторах, що дозволило збільшити вірогідність виявлення об-лич на тестовому наборі зображень зі складним освітленням “Yale B” до 7 % при фіксованій кількості хибних виявлень.
3. Розроблено метод виявлення облич фронтального вигляду з нахи-лами від центральної вісі симетрії в діапазоні ±56 градусів у півтонових зо-браженнях, який використовує прямокутні локальні бінарні шаблони у прос-тих класифікаторах, що дозволило збільшити вірогідність виявлення облич на тестовому наборі зображень з неконтрольованими умовами положення обличчя «rotated test set» бази зображень «CMU / MIT» до 10% при фіксова-ній кількості хибних виявлень.
4. Отримав подальший розвиток метод сегментації кольорових зобра-жень на пікселі «шкіри» та «не шкіри» при застосуванні моделей кольору шкіри, на відміну від існуючих параметри функції фільтрації задані за умови підвищення імовірності відкидання пікселів «не шкіри», що дозволило під-вищити швидкість обробки кольорових зображень та зменшити кількість хи-бних виявлень за умови фіксованої вірогідності виявлення облич при вико-ристанні розроблених методів.
5. Розроблено метод класифікації зображень облич, що використовує підхід розбиття зображення обличчя на області з певними вагами з викорис-танням гістограм ЕЛБШ, що дозволило підвищити вірогідність класифікації зображень у режимі «один до багатьох» на 2-10% у порівнянні з відомими методами, та досягнути вірогідності класифікації зображень у режимі «один до одного» 92 % з FAR = 0,01 при використанні тестового набору бази зо-бражень ORL.
6. Удосконалено метод відстеження обличчя у послідовності відеозоб-ражень на основі методу Монте-Карло та колірного підходу до представ-лення моделі спостереження, який відрізняється використанням методу ви-явлення для початкового задавання місцеположення обличчя та оновлення положення обличчя під час відстеження, що дозволило підвищити вірогід-ність відстеження обличчя при складних умовах освітленості, змінах орієн-тації положення обличчя відносно камери та часткових оклюзіях.
7. Розроблено нову інформаційну технологію виявлення та відстеження облич, що використовує процедури виявлення облич, верифікації особи за зо¬браженням її обличчя та відстеження обличчя, що дозволяє надати системі відеоспостереження адаптивності при її функціонуванні за умов змін освіт-лення, здійснювати економію ресурсів пам’яті для збереження відеоінформа-ції за рахунок інтелектуального ущільнення, здійснювати пошук у відеоархіві та відстеження людини на основі даних про обличчя.
8. Розроблено ПЗ – IT FDT (Face Detection and Tracking), що реалізує розроблену інформаційну технологію виявлення та відстеження облич.
9. Представлені результати дослідження інформаційної технології в режимі виявлення та відстеження при використанні відеопослідовностей з оклюзіями облич та складними умовами освітлення.
10. Представлені результати дослідження ІТ в режимі виявлення та відстеження при використанні відеопослідовностей з оклюзіями облич та складними умовами освітлення. Відмічено стійкість ІТ при відстеженні обличчя у випадку оклюзій тривалістю до 2-4 секунд. Здійс¬нено дослідження оптимальної кількості зразків для надійного відстеження.
11. Проведені дослідження адаптації ІТ до умов відеоспостереження. Адаптація ІТ полягає у автоматичному виборі методу виявлення основуючись на значеннях наступних параметрах: тип зобра¬ження; рівень освітлення; розмір зображення; мінімальний розмір вікна по¬шуку.
12. Проведені експериментальні дослідження IT для вирішення задач ві-деоспостереження пов’язаних з пошуком у відеоархіві. При рішенні задачі вибору відеозображень, в яких обличчя перебуває в зоні інтересу більше за-даного періоду часу досягнуто вірогідності виявлення вище 75% при трива-лості перебування у зоні інтересу на протязі 30 секунд, вище 84% при трива-лості перебування у зоні інтересу на протязі 10 секунд.
13. Проведені експериментальні дослідження IT для вирішення задачі інтелектуального ущільнення відеоінформації. Використання IT дозволило отримати коефіцієнт ущільнення у межах 4-7 та збільшити вірогідність вияв-лення облич до 9% в порівнянні з методом Віоли-Джонса при обробленні по-слідовностей відеозображень отриманих з камер відеоспостереження.
14. Проведені експериментальні дослідження IT для вирішення задачі відстеження людини за зображенням її обличчя. На наборі послідовностей відеозображень отриманих з камер відеоспостереження середнє значення «середньоквадратичного відхилення» при використанні етапу оновлення зменшилося з 11,6 до 8,72 для часу обновлення 5 cекунд, і з 11,6 до 10,94 часу обновлення 10 cекунд.
15. Результати дисертаційних досліджень впроваджені у вигляді алго-ритмів та програмних модулів в приватному підприємстві «ТВА-сервіс», в приватному підприємстві «Анклюз», у Вінницькій торгово-промисловій па-лат для вирішення задач відеос¬постереження.

СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ

1. Шлезингер М. Десять лекций по статистическому и структурному распознаванию / М. Шлезингер, В. Главач // Киев: Наукова думка. – 2004. – С. 545.
2. Компактний опис моделей зображень для класифікації образів / Тимченко Л.І., Чепорнюк С.В., Кутаєв Ю.Ф., Герцій О.А. // Вісник ВПІ. – 1998. – №2. – С. 72-83.
3. Мурыгин К. В. Особенности реализации алгоритма AdaBoost для обнаружения объектов на изображениях / К.В. Мурыгин // Штучний інтелект. — 2009. — № 3. — С. 573-581.
4. Viola P. Robust real-time face detection / P.Viola, M.J. Jones // International journal of computer vision. – 2004. – Vol.57, № 2. – P. 137 –154 – ISSN 0920-5691.
5. Schneiderman H. Probabilistic Modeling of Local Appearance and Spatial Relationships for Object Recognition / H. Schneiderman, T. Kanade // Proceedings of IEEE: Conference on Computer Vision and Pattern Recognition. – 1998. – P. 45 – 51 – ISSN 1063-6919.
6. Ладиженський Ю. В. Відстежування об'єктів у відеопотоці на основі відстежування переміщення фрагментів об'єктів / Ю.В. Ладиженський, А.О. Середа / Наукові праці Донецького національного технічного університету. Серія: Обчислювальна техніка та автоматизація. – 2009. – Вип. – Т. 17. – С. 148-215.
7. Bradski G. Real time face and object tracking as a component of a perceptual user interface / G. Bradski // Proceedings of IEEE: Workshop on Applications of Computer Vision. – 1998. – P. 214 – 219 – ISBN 0-8186-8606-5.
8. Isard M. Condensation–conditional density propagation for visual tracking / M. Isard, A. Blake // International Journal of Computer Vision. – 1998. – Vol. 29, №1. – P. 5 – 28 – ISSN 0920-5691.
9. Comaniciu D. Kernel-based object tracking / D. Comaniciu, V. Ramesh, P. Meer // Transactions on Pattern Analysis and Machine Intelligence. – 2003. – Vol.25, №5. – P. 564–577 – ISSN 0162-8828.
10. Blake A. Active Contours / A. Blake, M. Isard. – London: Springer-Verlag, 1998. – P. 350 – ISSN 0920-5691.
11. Grabner H. Real-time tracking via on-line boosting / H. Grabner, M. Grabner, H. Bischof // Proceedings of British Machine Vision Conference. – 2006. – Vol.1. – P.47–56.
12. Маслій Р.В. Дослідження моделей кольору шкіри для виявлення облич на зображенні / Роман Маслій, Анжеліка Васаженко // Вісник Хмельницького національного університету. Серія "Технічні науки". – 2011. – №6. – С. 70-74.
13. Маслій Р.В. Сегментація кольорових зображень в задачах виявлення облич / Р.В. Маслій, А.С. Васаженко // Сучасні проблеми радіоелектроніки, телекомунікацій та приладобудування (СПРТП-2011)». Матеріали п’ятої міжнародної науково-технічної конференції. – Вінниця. – 2011. – С. 19-20. –ISBN 978-966-641-411-6.
14. Маслій Р.В. Boosting-метод виявлення облич на зображенні / Роман Маслій, Анатолій Кулик // Штучний інтелект. – 2011. – №1. – С. 76-82. – ISSN 1561-5359.
15. Патент України на корисну модель № 54760, МПК(2006) G06K 9/62 Спосіб виявлення облич людей на зображенні / Маслій Р.В., Кулик А.Я., Білошкурський С.С.; заявник і патентовласник Вінницький національний технічний університет. – № u201005393; Заявлено 05.05.2010; Опубл. 25.11.2010, Бюл. № 22/2010 – 12 с.
16. Маслій Р.В. Аналіз методів виявлення облич на зображеннях / Роман Маслій, Анатолій Кулик // Оптико-електронні інформаційно-енергетичні технології. – 2006. – №1. – С. 83-88. – ISSN 1681-7893.
17. Маслій Р.В. Аналіз методів виявлення облич на зображеннях / Роман Маслій, Анатолій Кулик // Контроль і управління в складних системах (КУСС-2005). Тези доповідей восьмої науково-технічної конференції, м. Вінниця, 24-27 жовтня 2005 року. – Вінниця: ВНТУ, 2005. – С. 89.
18. Відстеження об'єктів у відеопослідовностях на основі методу Монте-Карло / К.В. Барченко, А.С. Васаженко, А.С. Васюра [та ін.] // Вісник Хмельницького національного університету. Серія "Технічні науки". – 2012. – № 4. – С. 91-96. – ISSN 2226-9150.
19. Маслій Р.В. Використання вейвлет перетворення Хаара для розпізнавання облич / Роман Маслій, Анатолій Кулик // Вісник Хмельницького національного університету. Серія "Технічні науки". – 2007. – №3. – С. 126-130.
20. Маслій Р.В. Метод виявлення облич на кольоровому зображенні [Електронний ресурс] / Р.В.Маслій, А.Я.Кулик, С.С.Білошкурський // Наукові праці ВНТУ. – 2011. – №2. – Режим доступу: http://www.nbuv.gov.ua/e-journals/vntu/2011_2/2011-2.files/uk/11rvmoci_ua.pdf.
21. Маслій Р.В. Метод виявлення облич на кольоровому зображенні / Р.В. Маслій, А.Я. Кулик, С.С. Білошкурський // Контроль і управління в складних системах (КУСС-2010). Тези доповідей десятої міжнародної науково-технічної конференції. – 2010. – С. 144.
22. Masliy R.V. Design verification stage for boosting-based face detection method / Masliy R.V., Kulyk A.Y. // “Научният потенциал на света”. Материалы за 5-а международна научна практична конференция, Том 7. Физика. Съвременни технологии на информации. Здание и архитектура. София, 17-25 септември, – 2010. – С. 29-32. – ISBN 978-966-8736-05-6.
23. Masliy R. Face detection in grayscale images / R. Masliy, A. Kulyk // Сучасні комп’ютерні системи та мережі: розробка та використання: Матеріали 4-ї Міжнародної науково-технічної конференції ACSN-2009, 09.11-11.11. – Львів, 2009. – С. 170-172. – ISBN 978-966-345-190-9.
24. Сучасні підходи до відстеження об’єктів у відео / А.С. Васюра, Р.В. Маслій, К.В. Барченко [та ін.] // Naukowa Przestrzen Europy – 2012. – 2012. – Volume 34. – С._7-13. – ISBN 978-966-8736-05-6.
25. Маслий Р.В. Применение метода Монте-Карло для отслеживания объектов в видео последовательностях / Роман Маслий, Екатерина Барченко // Wyksztalcenie i nauka bez granic – 2011. – Volume 27. – С. 37-39. – ISBN 978-8736-05-6.
26. Адаптація моделей кольору шкіри до умов освітлення / Васюра А.С., Маслій Р.В., Васаженко А.С. [та ін.] // Naukowa mysl informacyjnej powieki – 2012. – 2012. – Volume 29. – C. 52-55. – ISBN 978-966-8736-05-6.
27. Маслій Р.В. Метод відстеження пішоходів у послідовності відеокадрів / Маслій Роман, Анастасія Кравець // Оптоелектронні інформаційні технології «Фотоніка ОДС-2012». Збірник тез доповідей шостої міжнародної науково-технічної конференції, м. Вінниця, 1-4 жовтня 2012 року. – Вінниця. – 2012. – С._56. – ISBN 978-966-2462-79-1.
28. Маслій Р.В. Формування вектору ознак зображення у просторі вейвлет коефіцієнтів / Роман Маслій, Анатолій Кулик // Сучасні проблеми радіоелектроніки, телекомунікацій та приладобудування (СПРТП-2007)». Матеріали третьої міжнародної науково-технічної конференції. – Вінниця. – 2007. – С. 100-101. – ISBN 978-966-641-220-4.
29. Маслій Р.В. Використання вейвлет-аналізу для розпізнавання облич / Роман Маслій, Анатолій Кулик // Матеріали XIII Міжнародної конференції з автоматичного управління (Автоматика-2006), 25.09-28.09 2006 р. – Вінниця. – 2007. – С. 428-431. – ISBN 978-966-641-210-5.
30. Маслій Р.В. Використання вейвлет-аналізу для розпізнавання облич / Роман Маслій, Анатолій Кулик // Тези доповідей восьмої науково-технічної конференції з автоматичного управління ( Автоматика - 2006 ), м. Вінниця, 25-28 вересня 2006 року. – Вінниця: ВНТУ, 2006. – С. 385. – ISBN 966-641-187-3.
31. Патент України на корисну модель № 53412, МПК(2006) G06K 9/62. Спосіб знаходження людських облич на зображенні / Маслій Р.В., Кулик А.Я.; заявник і патентовласник Вінницький національний технічний університет. – № u201002853; Заявлено 15.03.2010; Опубл. 11.10.2010, Бюл. № 19/2010 – 14 с.
32. Р.В.Маслій Використання локальних бінарних шаблонів для розпізнавання облич на напівтонових зображеннях [Електронний ресурс] / Р.В.Маслій // Наукові праці ВНТУ. – 2008. – №4. – Режим доступу: http://www.nbuv.gov.ua/e-journals/vntu/2008-4/2008-4.files/uk/08rvmgsi_uk.pdf.
33. Видеоаналитика [Електронний ресурс]. – Режим доступу:
http://ru.wikipedia.org/wiki/Видеоаналитика.
34. Видеоаналитика [Електронний ресурс]. – Режим доступу: http://synesis.ru/technology/videoanalitika.
35. Yang M. H. Detecting faces in images: A survey / M.H. Yang, D.J. Kriegman, N. Ahuja // Proceedings of IEEE: Pattern Analysis and Machine Intelligence. – 2002. – Vol. 24, №. 1. – P. 34–58 – ISSN 0162-8828.
36. Ahuja N. Detecting faces in images: A survey / N. Ahuja , D.J. Kriegman, M.H. Yang // Proceedings of IEEE: Pattern Analysis and Machine Intelligence. – 2002. – Vol. 24, №. 1. – P. 1 – ISSN 0162-8828.
37. Yang G. Human Face Detection in Complex Background / G. Yang, T. S. Huang // Pattern Recognition. – 1994. – Vol. 27, №1. – P. 53–63.
38. Leung T.K. Finding Faces in Cluttered Scenes Using Random Labeled Graph Matching / T.K. Leung, M.C. Burl, P. Perona // Proceedings of IEEE: International Conference on Computer Vision. – 1995. – P. 637–644 – ISBN 0-8186-7042-8.
39. McKenna S. Modelling Facial Colour and Identity with Gaussian Mixtures / S. McKenna, S. Gong, , Y. Raja // Pattern Recognition. – 1998. – Vol. 31, №12. – Р. 1883–1892.
40. Craw I. Finding Face Features / І. Craw, D. Tock, A. Bennett // Proceedings of Second European Conference on Computer Vision. – 1992. – P. 92–96 – ISBN 978-3-540-55426-4.
41. Lanitis A. An Automatic Face Identification System Using Flexible Appearance Models / A. Lanitis, C.J. Taylor, T.F. Cootes // Image and Vision Computing. – 1995. – Vol.13, №5. – Р. 393–401.
42. Turk M. Eigenfaces for Recognition / M. Turk, A. Pentland // Journal of Cognitive Neuroscience . 1991. – Vol.3, №1. – Р. 71–86 – ISSN 0898-9292.
43. Osuna E. Training Support Vector Machines: An Application to Face Detection / E. Osuna, R. Freund, F. Girosi // Proceedings of IEEE: Conference on Computer Vision and Pattern Recognition. – 1997. – P.130 –136 – ISSN 1063-6919.
44. Rowley H.A. Neural network-based face detection / H.A. Rowley, S. Baluja, T. Kanade // Proceedings Computer Vision and Pattern Recognition IEEE Computer Society Conference on. – 1996. – pp. 203-208. – ISSN 1063-6919.
45. Garcia C. Convolutional face finder: A neural architecture for fast and robust face detection / C. Garcia, M. Delakis // Proceedings of IEEE: Pattern Analysis and Machine Intelligence. – 2004. – Vol.26, № 11. – P. 1408 – 1423 – ISSN 0162-8828.
46. Nefian A. A hidden Markov model-based approach for face detection and recognition : Doctoral dissertation: School of Electrical and Computer Engineering / A. Nefian , M.H. Hayes III // Georgia Institute of Technology. – 1999. – P. 128.
47. Finding Faces in Photographs / A. Rajagopalan, K. Kumar, J. Karlekar, R. Manivasakan, M. Patil, U. Desai, P. Poonacha, S. Chaudhuri // Proceedings of IEEE: International Conference on Computer Vision. – 1998. – P. 640–645 – ISBN 81-7319-221-9.
48. Huang C. Vector boosting for rotation invariant multi-view face detection / C. Huang // Proceedings of IEEE: International Conference on Computer Vision. – 2005. – Vol.1. – P. 446 – 453 – ISSN 1550-5499.
49. Li S. Z. Floatboost learning and statistical face detection / S.Z. Li, Z.Q. Zhang // Proceedings of IEEE: Pattern Analysis and Machine Intelligence. – 2004. – Vol. 26, № 9. – P. 1112 – 1123 – ISSN 0162-8828.
50. Wu B. Fast rotation invariant multi-view face detection based on real adaboost / B. Wu // Proceedings of IEEE: Internationa Conference on Automatic Face and Gesture Recognition. – 2004. – P. 79-84 – ISBN 0-7695-2122-3.
51. Lienhart R. An extended set of haar-like features for rapid object detection / R. Lienhart, J. Maydt // Proceedings of IEEE: International Conference on Image Processing. – 2002. – Vol.1. – P. 900 – 903 – ISSN 1522-4880.
52. Zhang C. A survey of recent advances in face detection / C. Zhang, Z. Zhang // Microsoft Research. – 2010. – P. 17.
53. Yilmaz A. Object tracking: A survey / A.Yilmaz , O. Javed, M. Shah // ACM Computing Surveys. – 2006. – Vol.38, №. 4. – P.13.
54. Comaniciu D. Real-time tracking of non-rigid objects using mean shift / D. Comaniciu, V. Ramesh, P. Meer // Proceedings of IEEE: Computer Vision and Pattern Recognition. – 2000. – Vol. 2. – P. 142 –149 – ISSN 1063-6919.
55. Comaniciu D. Kernel-based object tracking / D. Comaniciu, V. Ramesh, P. Meer // Transactions on Pattern Analysis and Machine Intelligence. – 2003. – Vol.25, №5. – P.564–577 – ISSN 0162-8828.
56. MacCormick J. Probabilistic models and stochastic algorithms of visual tracking / J. MacCormick // Ph.D. Thesis: University of Oxford. – 2000 – ISBN 1852-3360-13.
57. Wu Y. Switching observation models for contour tracking in clutter / Y. Wu, G. Hua, T. Yu // Proceedings of IEEE: Conference on Computer Vision and Pattern Recognition. –2003. – Vol.1. – P. 295–302 – ISSN 1063-6919.
58. Particle filtering for geometric active contours with application to tracking moving and deforming objects / Y. Rathi, N. Vaswani, A. Tannenbaum, A. Yezzi // Proceedings of IEEE: Conference on Computer Vision and Pattern Recognition. – 2005. – Vol.2. – P. 2–9 – ISSN 1063-6919.
59. Huang K.S. Robust real-time detection, tracking, and pose estimation of faces in video streams / K.S. Huang, M.T. Trivedi// Proceedings of the International Conference on Pattern Recognition. – 2004. – Vol.3. – P. 965–968 – ISSN 1051-4651.
60. Yezzi A. Deformotion: deforming motion, shape average and the joint registration and approximation of structures in images / A. Yezzi, S. Soatto // Internaitonal Journal of Computer Vision. – 2003. – Vol.53, №2 – P. 153–167 – ISSN 0920-5691.
61. Jackson J. Tracking deformable moving objects under severe occlusions / J. Jackson, A. Yezzi, S. Soatto // Proceedings of IEEE: Decision and Control. – 2004 – P. 2990-2995 – ISSN 0191-2216.
62. Jebara T. Mixtures of eigen features for real-time structure from texture / T. Jebara, K. Russell, A. Pentland // Proceedings of IEEE: International Conference on Computer Vision. – 1998. – P. 128–135 – ISBN 81-7319-221-9.
63. Luo X. Multiple object tracking using elastic matching / X. Luo, S. Bhandarkar // Proceedings of IEEE: International Conference on Advanced Video and Signal based Surveillance. – 2005. – P. 123–128 – ISBN 0-7803-9385-6.
64. Zhao T. Segmentation and tracking of multiple humans in complex situations / T. Zhao, R. Nevatia, F. Lv // Proceedings of IEEE: Transactions On Pattern Analysis and Machine Intelligence. – 2004. – P. 1198 1211 – ISSN 0162-8828.
65. A boosted particle filter: multitarget detection and tracking / K. Okuma, A. Taleghni, N.D. Freitas, J.J. Little, D.G. Lowe // European Conference on Computer Vision. – 2004. – P.28–39 – ISBN 978-3-540-21984-2.
66. Li P. Visual contour tracking based on particle filters / P. Li, T. Zhang, A.E.C. Pece // Image and Vision Computing. –2003. – Vol.21, №1 – P. 111–123.
67. Chang C. Multiple object tracking with kernel particle filter / C. Chang, R. Ansari, A. Khokhar // Proceedings of IEEE: Conference on Computer Vision and Pattern Recognition. – 2005. – Vol.1. – P. 566–573 – ISSN 1063-6919.
68. MacCormick J. Partitioned sampling, articulated objects and interface-quality hand tracking / J. MacCormick, M. Isard // Europe Conference on Computer Vision. – 2000. – P. 3–19 – ISBN 978-3-540-67686-7.
69. Doucet A. Sequential Monte Carlo Methods in Practice / A. Doucet, N. Freitas, E. Gordon // Springer New York. – 2001. – P. 3–14 – ISBN 978-1-4419-2887-0.
70. Isard M. BraMBLe: A Bayesian multiple-blob tracker / M. Isard, J. MacCormick // International Conference on Computer Vision – 2001. – Vol. 2. – P. 34–41 – ISBN 0-7695-1143-0.
71. Avidan S. Ensemble tracking / S. Avidan // Proceedings of IEEE: Computer Vision and Pattern Recognition –2005. – Vol. 2. – P. 494–501 – ISSN 0162-8828.
72. Grabner H. Semi-supervised on-line boosting for robust tracking / H. Grabner, C. Leistner, H. Bischof // European Conference on Computer Vision. – 2008. – P. 234–247 – ISBN 978-3-540-88681-5.
73. Grabner H. Training sequential on-line boosting classifier for visual tracking / H. Grabner // Proceedings of IEEE: International Conference on Pattern Recognition. – 2008. – P. 1–4 – ISBN 978-1-4244-2174-9.
74. Kakumanu P. A survey of skin-color modeling and detection methods // Pattern recognition. – 2007. – Vol. 40. – №. 3. – P. 1106-1122.
75. Peer P. Human skin color clustering for face detection / P. Peer, J. Kovac, F. Solina // Proceedings of EUROCON: International Conference on Computer as a Tool. – 2003. – Vol. 2. – P. 144–148 – ISBN 0-7803-7763-5.
76. Active face and feature tracking / L. Jordao, M. Perrone, J. Costeira, J. Santos-Victor // Proceedings of the International Conference on Image Analysis and Processing. – 1999. – P. 572–577 – ISBN 0-7695-0040-4.
77. Ahlberg J. A system for face localization and facial feature extraction [Електронний ресурс]: [Technical Report LiTH-ISY-R-2172] / J. Ahlberg. – Linkoping University. – 1999. – Режим доступу: http://citeseerx.ist.psu.edu/
viewdoc/download?doi=10.1.1.43.7504&rep=rep1&type=pdf.
78. Comparative performance of different skin chrominance models and chrominance spaces for the automatic detection of human faces in color images / J.-C. Terrilon, M.N. Shirazi, H. Fukamachi, S. Akamatsu // Proceedings of the International Conference on Face and Gesture Recognition. – 2000. – P. 54–61 – ISBN 0-7695-0580-5.
79. Brand J. A comparative assessment of three approaches to pixel level human skin-detection / J.Brand, J.Mason // International Conference on Pattern Recognition. – 2000. – P. 1056–1059 – ISBN 0-7695-0750-6.
80. Gomez G. Automatic feature construction and a simple rule induction algorithm for skin detection / G. Gomez, E. Morales // Proceedings of ICML: Workshop on Machine Learning in Computer Vision. – 2002. – P. 31–38.
81. Zarit B.D. Comparison of five color models in skin pixel classification / B.D. Zarit, B.J. Super, F.K.H. Quek // International Conference on Computer Vision: Int’l Workshop on recognition, analysis and tracking of faces and gestures in Real-Time systems. – 1999. – P. 58–63 – ISBN 0-7695-0378-0.
82. Birchfield S. Elliptical head tracking using intensity gradients and color histograms / S. Birchfield // Conference on Computer Vision and Pattern Recognition. – 1998. – P. 232–237 – ISSN 1063-6919.
83. Chen Q. Face detection by fuzzy pattern matching / Q. Chen, H. Wu, M. Yachida // Proceedings of the Fifth International Conference on Computer Vision. – 1995. – P. 591–597.
84. Schumeyer R. A color-based classifier for region identification in video / R. Schumeyer, K. Barner // In Visual Communications and Image Processing. – 1998. – Vol. 3309. – P. 189–200.
85. Hsu R.-L. Face detection in color images / R.-L. Hsu, M. Abdel-Mottaleb, A.K. Jain // Proceedings of IEEE: Trans. Pattern Analysis and Machine Intelligence. – 2002. – Vol. 5. – P. 696–706 – ISSN 0162-8828.
86. Yang M.H. Gaussian Mixture model for human skin сolor and its application in image and video databases / M.H.Yang, N.Ahuja // Proceedings of SPIE: Conference on Storage and Retrieval for Image and Video Databases. – 1999. – Vol. 3656. – P. 458–466.
87. Jones M.J. Statistical color models with application to skin detection / M.J.Jones, J.M.Rehg // Conference on Computer Vision and Pattern Recognition. – 1999. – Vol. 1 – P. 81-96 – ISSN 1063-6919.
88. Lee J.Y. An elliptical boundary model for skin color detection / J.Y. Lee, J.Y. Yoo // Proceedings of the International Conference on Imaging Science, Systems, and Technology. – 2002. – P. 1-6.
89. Chen C. Detection of human faces in colour images / C.Chen, S.P.Chiang // Proceedings of IEEE: Vision Image Signal Process. – 1997. – Vol.144, №6 – P. 384–388 – ISSN 1350-2452.
90. Phung S.L. A universal and robust human skin color model using neural networks / S.L.Phung, D.Chai, A.Bouzerdoum // International Joint Conference on Neural Networks. – 2001. – Vol.4. – P. 2844–2849 – ISSN 1098-7576.
91. Seow M.J. Neural network-based skin сolor model for face detection / M.J.Seow, D.Valaparla, V.K.Asari // Proceedings of the Workshop on Applied Imagery Pattern Recognition. – 2003. – P. 141–145 – ISBN 0-7695-2029-4.
92. Jedynak B. Statistical models for skin detection / B.Jedynak, H.Zheng, M.Daoudi // Proceedings of IEEE: Workshop on Statistical Analysis in Computer Vision. – 2003. – Vol.8. – P.92 – ISSN 1063-6919.
93. Zheng H. From maximum entropy to Belief propagation: an application to skin detection / H.Zheng, M.Daoudi, B.Jedynak // Proceedings of British Machine Vision Conference. – 2004. – Vol.163. – ISBN 978-3-540-40498-9.
94. Friedman N. Bayesian network classifiers / N.Friedman, D.Geiger, M.Goldszmidt // Machine Learning. – 1997. – Vol.29, №2. – P. 131–163 – ISSN 0885-6125.
95. Skin detection: A Bayesian network approach / N.Sebe, T.Cohen, T.S.Huang, T.Gevers // International Conference on Pattern Recognition. – 2004. – Vol.2. – P. 903–906 – ISSN 1051-4651.
96. Georghiades A.S. From Few to Many: Illumination Cone Models for Face Recognition under Variable Lighting and Pose / A.S. Georghiades, P.N. Belhumeur, D.J. Kriegman // IEEE Trans. Pattern Anal. Mach. Intelligence. – Vol. 23. – №6. – pp. 643-660. – ISSN 1939-3539.
97. Vidit Jain FDDB: A Benchmark for Face Detection in Unconstrained Setting [Електронний ресурс]: [Technical Report UM-CS-2010-009] / Vidit Jain, Erik Learned-Miller. – Dept. of Computer Science, University of Massachusetts, Amherst. – 2010. – Режим доступу: http://vis-www.cs.umass.edu/fddb/fddb.pdf.
98. The FERET Database and Evalution Procedure for Face Recognition Algorithms / P. J. Phillips, H. Wechsler, J. Huang, P. Rauss // Image and Vision Computing Journal. - Vol. 16, № 5. – pp. 295-306. – 1998. – ISSN 0262-8856.
99. Samaria F.S. Parameterisation of a stochastic model for human face identification / F.S. Samaria, A.C. Harter // Applications of Computer Vision, 1994, Proceedings of the Second IEEE Workshop on. – 1994. – pp. 138-142.
100. Gorodnichy D.O. Video-based Framework for Face Recognition in Video / D.O. Gorodnichy // Proc. Second Canadian Conference on Computer and Robot Vision (CRV'05) – 2005. – pp. 330-338. – ISBN 0-7695-2319-6.
101. Computational imaging and vision. – Springer. – ISSN 1381-6446.
Vol. 40: Pietikäinen M. Computer vision using local binary patterns / M. Pietikäinen, A. Hadid, G. Zhao. – 2011. – P. 222. – ISBN 085-72974-81.
102. Волошин М. В. [Електронний ресурс]. Моделі опису об’єкта та достовірність ідентифікації в системах комп’ютерного зору / М.В. Волошин // Східно-Європейський журнал передових технологій. – 2010. – Т. 4. – №. 7 (46). – С. 56-63. – ISSN 1729-3774. – Режим доступу: http://journals.uran.ua /eejet/article/download/3015/2818.
103. Волошин М. В. [Електронний ресурс]. Особливості застосування методів Adaboost та ЛБШ до задач комп’ютерного зору / М.В. Волошин // Східно-Європейський журнал передових технологій. – 2012. – Т. 5. – №. 2 (59). – С. 18-22. – ISSN 1729-3774. – Режим доступу: http://journals.uran.ua /eejet/article/download/4138/3901.
104. Талбонен А. Н. Аннотирование изображений электронной коллекции исторических фотографий [Електронний ресурс] / А.Н. Талбонен, А.А. Рогов // Электронные библиотеки: перспективные методы и технологии, электронные коллекции: Труды XIV Всероссийской научной конференции RCDL. – 2012. – С. 381-389. – Режим доступу: http://ceur-ws.org/Vol-934/paper49.pdf.
105. Талбонен А. Н. Модели и методы поиска людей на фотографиях из исторического альбома / А.Н. Талбонен, А.А. Рогов // Ученые записки Петрозаводского государственного университета. – 2012. – С. 113-117. – ISSN 1998-1643.
106. Ahonen T. Face description with local binary patterns: Application to face recognition / T. Ahonen, A. Hadid, M. Pietikainen //Pattern Analysis and Machine Intelligence, IEEE Transactions on. – 2006. – Vol. 28. – №. 12. – С. 2037-2041 – ISSN 0162-8828.
107. Boosting local binary pattern (LBP)-based face recognition/ G. Zhang, X. Huang, S.Z. Li [et al.] // Advances in biometric person authentication. – Springer Berlin Heidelberg, 2005. – С. 179-186 – ISBN 978-3-540-24029-7.
108. Pentland A. View-based and modular eigenspaces for face recognition / A. Pentland, B. Moghaddam, T. Starner // Computer Vision and Pattern Recognition, 1994. Proceedings CVPR'94., IEEE: Computer Society Conference on. – 1994. – С. 84-91 – ISSN 1063-6919.
109. Face recognition: A literature survey / W. Zhao, R. Chellappa, A. Rosenfeld [et al.] // Acm Computing Surveys (CSUR). – 2003. – Vol. 35. – №. 4. – С. 399-458.
110. Mihaylova L. Particle algorithms for filtering in high dimensional state spaces: A case study in group object tracking / L. Mihaylova, A. Carmi // Acoustics, Speech and Signal Processing (ICASSP), 2011 IEEE International Conference on. – 2011. – P. 5932 – 5935. – ISSN 1520-6149.
111. An overview of sequential Monte Carlo methods for parameter estimation in general state-space models / N.Kantas, A.Doucet, S.S. Singh, J.M. Maciejowski //15th IFAC Symposium on System Identification. – 2009. – Vol. 15. – С. 774-785.
112. Doucet A. An introduction to sequential Monte Carlo methods [Електронний ресурс] / A. Doucet, N. De Freitas, N. Gordon //Sequential Monte Carlo methods in practice. – New York: Springer. – 2001 . – С. 3-14. – ISBN 978-0-387-95146-1. – Режим доступу: http://www.stats.ox.ac.uk/~doucet/doucet_ defreitas_gordon_smcbookintro.pdf
113. Doucet A. A tutorial on particle filtering and smoothing: Fifteen years later [Електронний ресурс] / A. Doucet, A. M. Johansen // Handbook of Nonlinear Filtering. – 2009. – Vol. 12. – С. 656-704. – ISBN 978-0-19-953290-2. – Режим доступу: http://www.stats.ox.ac.uk/~doucet/doucet_johansen_ tutorialPF2011.pdf
114. Ioannis Rekleitis A particle filter tutorial for mobile robot localization [Електронний ресурс]: [Technical Report TR-CIM-04-02] / Ioannis Rekleitis. – Center for Intelligent Machines, McGill University, Montreal, Quebec, Canada. – 2004. – Режим доступу: http://www.cim.mcgill.ca/~yiannis/particletutorial.pdf.
115. Nummiaro K. A Color-Based Particle Filter / K. Nummiaro, E. Koller-Meier, L. Van Gool // First International Workshop on Generative-Model-Based Vision, in conjunction with ECCV’02. – 2002. – P. 53-60.
116. Маслій Р.В. Відстеження облич у відеопослідовностях при застосуванні методу Монте-Карло [Електронний ресурс] / Р.В. Маслій // Вісник Черкаського технологічного університету. Серія "Технічні науки". – 2012. – №3. – С. 79-83. – ISSN 2306-4412. – Режим доступу: http://archive.nbuv.gov.ua/portal/natural/vchdtu/2012_3/articles/4-Radiotechnika /17_Maslij.pdf
117. Маслій Р.В. Використання CoBE-алгоритму для знаходження об’єктів на зображеннях / Р.В._Маслій // Тези доповідей першої наукової конференції пам’яті профессора Володимира Пожаренко «Вимірювання, контроль та діагностика в технічних системах (ВКДТС-2011) », м. Вінниця, 18-20 жовтня 2011 року. – Вінниця: ВНТУ, 2011. – С. 162.
118. Masliy R. Face detection in color video sequences / R. Masliy // Сучасні комп’ютерні системи та мережі: розробка та використання: Матеріали 5-ї Міжнародної науково-технічної конференції ACSN-2011, 29.09-1.10. – Львів, 2011. – С. 148-150. – ISBN 978-966-345-244-9.
119. Маслій Р.В. Метод виявлення облич на зображенні з використанням модифікованих Хаар-подібних ознак/ Р.В. Маслій // Інформаційні технології та комп’ютерна інженерія. Тези доповідей Міжнародної науково-практичної конференції м. Вінниця, 19-21 травня 2010 року. – Вінниця: ВНТУ, 2010. – С._164-165. – ISBN 978-966-641-356-0.