Модели распознаваемых объектов в системе компьютерного стереозрения реального времени тема диссертации и автореферата по ВАК РФ 05.13.11, кандидат физико-математических наук Матвеев, Иван Алексеевич

• Матвеев, Иван Алексеевич
• кандидат физико-математических наук
• 1999

Оглавление диссертации кандидат физико-математических наук Матвеев, Иван Алексеевич

Оглавление

ВВЕДЕНИЕ_5

Общая характеристика работы_5

Краткое содержание диссертации_9

ГЛАВА 1. СОСТОЯНИЕ И ПЕРСПЕКТИВЫ РАЗВИТИЯ СИСТЕМ ТРЕХМЕРНОГО МАШИННОГО ЗРЕНИЯ_14

1.1 Задачи систем машинного зрения_17

1.1.1 Распознавание изображений лиц_18

1.2 Геометрия сцен и регистрирующих установок_24

1.3 Системы признаков, в зрении нижнего уровня_25

1.4 Методы стереореконструкции_27

1.4.1 Алгоритмы, основанные на локальной корреляции участков изображений__28

1.4.2 Алгоритмы, основанные на совмещения точечных признаков

1.4.3 Алгоритмы, основанные на совмещении границ_34

1.4.4 Коррекция недостоверно распознанной диспаратности_39

ГЛАВА 2 - МЕТОД СТЕРЕОРЕКОНСТРУКЦИИ РЕАЛЬНОГО ВРЕМЕНИ__40

2.1 Постановка задачи__42

2.2 корреляционный алгоритм ___________________________45

2.2.1 Предобработка изображения_45

2.2.2 Базовый алгоритм стереопсиса_46

2.2.3 Корреляционный поиск соответственных точек_49

2.2.4 Корреляционная функция_53

2.2.5 Сверхразрешение_55

2.2.6 Обратный проход_56

2.2.7 Пирамидалъностъ_56

2.3 Коррекция недостоверной информации_59

2.3.1 Алгоритм коррекции недостоверной информации._60

Выводы к главе 2_._63

ГЛАВА 3 - ПОСТРОЕНИЕ МОДЕЛЕЙ И РАСПОЗНАВАНИЕ_64

3.1 Метод главных компонент_66

3.1.1 Разложение Карунена-Лоэва_68

3.1.2 Метод ГК в задаче распознавания_74

3.1.3 Уменьшение размерности пространства изображений_75

3.2 Частные признаки_79

3.2.1 Метод деформируемых шаблонов_79

3.2.2 Метод интегральных проекций_83

3.2.3 Вычисление характеристик по карте диспаратности_86

3.3 Комбинированные пространства признаков_89

Выводы к главе 3_;_91

ГЛАВА 4 - СИСТЕМА АВТОМАТИЧЕСКОГО РАСПОЗНАВАНИЯ ЧЕЛОВЕКА ПО ИЗОБРАЖЕНИЯМ ЛИЦА_92

4.1 Лабораторная модель системы_92

4.1.1 Структура системы распознавания личности_92

4.1.2 Состав системы_93

4.1.3 Сценарий работы системы__95

4.1.4 Роль стереореконструкции в общей работе системы_95

4.2 Результаты работы системы и отдельных алгоритмов_96

4.2.1 Стереореконструкция лица человека__97

4.2.2 Стереореконструкция по данным аэрофотосъемки_98

4.2.3 Иллюстрации к работе метода главных компонент_99

4.2.4 Распознавание по частным признакам_103

4.3 Вычислительные ресурсы_105

ВЫВОДЫ К ДИССЕРТАЦИИ_106

Введение диссертации (часть автореферата) на тему «Модели распознаваемых объектов в системе компьютерного стереозрения реального времени»

Введение

Общая характеристика работы

В работе рассматривается задача построения системы распознавания объектов определенного класса (например, человеческих лиц) по их фотографическим изображениям, работающая в реальном времени и обладающая достаточной устойчивостью к изменениям параметров регистрации изображений. Ключевым моментом является использование трехмерных моделей при распознавании объектов, что позволяет, как показано в работе, увеличить точность и устойчивость работы системы.

Актуальность темы. Развитие вычислительной техники и увеличение количества обрабатываемой информации (в том числе и видеоинформации) сделали весьма актуальным создание различных распознающих систем. Восприятие, построение моделей и распознавание изображений трехмерных сцен - одна из наиболее важных и интересных областей кибернетики. Одна из центральных проблем зрения - восприятие трехмерной структуры пространства. Из этой задачи можно условно выделить задачу реконструкции трехмерной поверхности по двумерным проекциям - изображениям и задачу построения трехмерной модели - взаимосвязанной совокупности признаков, служащей в дальнейшем для распознавания, ориентации в пространстве и иным целям, зависящим от общей задачи, решаемой системой. Очевидно, что нервная система человека и животных, обладающих зрением, успешно справляется со многими задачами зрительного восприятия. Поэтому изучение механизмов зрения, реализованных в природе, многое дало для построения искусственных зрительных систем. Широко известна, например, вычислительная теория человеческого зрения, разработанная Марром, Поджо и Гримсоном. Большинство систем трехмерного машинного зрения использует ее результаты.

В силу огромной сложности механизмов распознавания, реализованных в природе, невозможно прямое их изучение, и о том, как происходит восприятие трехмерной сцены или узнавание шаблона до сих пор имеются лишь косвенные данные. По этой причине, а также из-за большого разнообразия прикладных задач построение искусственных распознающих и разработка универсальных распознающих алгоритмов столкнулись с большими трудностями. Один из

возможных методов распознавания - выделение различных признаков в исходной информации (изображениях или трехмерных сценах) и построение моделей, в которых эти признаки являются параметрами. На данный момент рассмотрены признаки изображений самых разнообразных типов, однако большинство современных исследований по распознаванию изображений оперируют с признаками одинаковой природы. В данной работе делается попытка использовать для построения распознаваемой модели признаки различной природы.

Достаточно серьезной проблемой для машинного зрения в целом является большое количество исходных данных, обработка которых даже современными вычислительными системами может занять много времени. По этой причине системы реального времени (диалоговые или управляющие) не могут использовать многих привлекательных алгоритмов, а те алгоритмы, что используются, нуждаются в оптимизации. В данной работе представлен подход, позволяющий построить алгоритмы, работающие в реальном времени и обладающие значительными точностью и устойчивостью.

Цель и задачи исследования.

разработка и алгоритмическая реализация метода стереореконструкции по бинокулярной проекции, работающего в реальном времени;

разработка методов машинного зрения путем построения трехмерной модели видимой сцены и распознаваемого объекта, создание системы признаков трехмерного объекта, получаемых в реальном времени;

исследование способов и возможностей распознавания с использованием нескольких информационных пространств; экспериментальное исследование работоспособности предложенных методов и алгоритмов, установление возможности их практического применения.

Научная новизна данной работы заключается в том, что в результате проведенных автором исследований:

Разработана модель трехмерного машинного зрения и распознавания изображений. Построена система признаков трехмерных объектов и сцен и методов их выделения, оптимизированная по быстродействию. Изучены

способы и возможности распознавания с использованием нескольких информационных пространств.

Разработан алгоритм стереореконструкции по бинокулярной проекции, работающий в реальном времени. Алгоритм основывается на корреляции площадных и точечных признаков, использует иерархическое (пирамидальное) представление данных, производя последовательные доуточнения результатов своей работы. Алгоритм использует методы коррекции недостоверной информации, используя априорную модель обрабатываемого объекта.

Практическая ценность. Разработанные методы и алгоритмы могут быть применены в различных практических приложениях, в которых требуется регистрация, распознавание, классификация трехмерных объектов и сцен, восстановление формы трехмерных объектов. Система распознавания трехмерных объектов может быть применена при работе с базами данных, содержащими различные изображения, например с базами данных фотографий лиц. Программный комплекс может быть использован как составная часть систем ограничения доступа, основанных на распознавании лица посетителя или радужки глаза. Предложенный алгоритм стереореконструкции может быть использован для удаленного зондирования рельефа в авиационных и космических приложениях.

На защиту выносятся:

1. Методы реализации машинного зрения путем построения трехмерных моделей распознаваемого объекта, использующих признаки изображений различной природы.

2. Методы и алгоритмы выделения соответственных признаков на изображениях, устранения неоднозначностей восстановления рельефа, использования пирамидальных структур данных, образующие в целом алгоритм восстановления трехмерной структуры видимой сцены, работающий в реальном времени.

3. Программно-аппаратный комплекс распознавания лиц, реализующий вышеописанные методы.

Апробация.

Представленные в диссертационной работе методы, их алгоритмическая реализация и полученные результаты доложены на 23м Международном конгрессе по высокоскоростной фотографии и фотонике (International Congress

on High Speed Photography and Photonics - ICHSPP), проходившем в Москве 2025 сентября 1998 г., на 5-й Международной конференции по распознаванию изображений и обработке информации (Pattern Recognition and Information Processing- PRIP), проходившей в Минске 18-20 Мая 1999 г., а также на семинарах Вычислительного Центра РАН, Института Проблем Передачи Информации РАН.

Результаты работы опубликованы:

1. Ivan A. Matveev, Alexander В. Murynin, "3-D Surface Reconstruction in Automatic Recognition System" ,H Proceedings of SPIE, V.3516, 1998

2. Ivan A. Matveev, Alexander B. Murynin, "Automatic Stereoscopic System for Person Recognition", //Proceedings of SPIE, V.3516, 1998

3. Victor D. Kuznetsov, Ivan A. Matveev, Alexander B. Murynin, "Optimisation of Informative Components for 3D Object Recognition", //Proceedings of SPIE, V.3 516, 1998

4. A.B.Murynin, I.A.Matveev, Identification of Objects on the Basis of Stereo Images: Optimization of Algorithms for Reconstruction of a Surface, Journal of Computer and Systems Sciences International, Vol.37, No 2, 1998, pp. 149-155.

5. A.B.Murynin, V.D.Kuznetsov, I.A.Matveev, Identification of Objects on the Basis of Stereo Images: Optimization of Recognition Algorithms, Journal of Computer and Systems Sciences International, Vol.37, No 3, 1998

6. А.Б.Мурынин, О.А.Серебренников, В.В.Кулаков, С.А.Большаков, К.А.Маковкин, В.Я.Чучупал, И.А.Матвеев, М.Е.Скорик

"Автоматическая система распознавания личности по характеристикам изображения и голоса", Препринт ВЦ РАН, 1997

7. С.А.Зорин, И.А.Матвеев, А.Б.Мурынин, Р.В.Сеньков, В.И.Цурков "Восстановление 3-мерного рельефа лица в задаче автоматической идентификации личности", препринт ВЦ РАН, 1997

8. В.Д.Кузнецов, И.А.Матвеев, А.Б.Мурынин, В.И.Цурков "Эталон лица и выделение области сравнения при автоматической идентификации личности", препринт ВЦ РАН, 1997

9. И.А.Матвеев, В.Д.Кузнецов, А.Б.Мурынин, "Комбинированные векторы признаков стереоизображений для автоматической идентификации", препринт ВЦ РАН, 1998

Краткое содержание диссертации

Глава I представляет собой обзор состояния методов распознавания изображений и построения трехмерных моделей видимых объектов. Приведена парадигма системы компьютерного зрения, и рассмотрены ее элементы. Рассмотрены различные варианты постановок задач трехмерного зрения (геометрии сцен и требования). Описаны различные варианты восстановления трехмерной структуры сцены, а именно: стереопсис, восстановление по модуляциям яркости, восстановление по изменению вида изображений со временем, статистический метод. Описаны различные признаки изображений, применяемые при построении моделей распознаваемых объектов и методы их распознавания.

В Главе 2 рассмотрена задача построения метода восстановления трехмерной структуры сцены, работающего в реальном времени.

Парадигма компьютерного зрения включает в себя три этапа: сцену, зрение нижнего уровня, зрение верхнего уровня. Стереореконструкция относится к зрению нижнего уровня. Один из классов алгоритмов стереореконструкции дается вычислительной теорией человеческого стереоскопического зрения, разработанной Марром, Поджо и Гримсоном. Эта теория рассматривает стереопсис - восстановление трехмерной сцены по корреляциям признаков на двух изображениях (бинокулярной проекции). Если ограничиться случаем текстурированных объектов при отсутствии существенных затенений, то можно построить концепцию алгоритма, которая включает в себя следующие шаги:

1. первоначальное совмещение изображений по интегральным признакам,

2. поиск соответственных точек путем корреляции по большим окнам в областях с выраженной текстурой большого масштаба,

3. уменьшение размеров окна корреляции и повтор шага 2 вплоть до некоторого размера окна.

4. заполнение точек, в которых соответствие не было найдено, интерполяцией (какого-либо типа, согласно априорной модели сцены) из соседних точек, где соответствие было найдено.

Такой алгоритм достаточно универсален, надежен и устойчив, но вычислительно сложен (необходимо производить многократную свертку с различными масками). Поэтому более практичной является следующая интерпретация алгоритма. Число шагов (2) ограничено двумя-тремя и размер окон фиксирован. Такой подход называется пирамидальной обработкой и представлением данных. На верхнем уровне пирамиды ищутся соответственные точки для некоторого небольшого подмножества точек изображения. Затем значения диспаратности (разности координат соответственных точек) во всех остальных точках интерполируются по найденным. После этого на нижнем уровне пирамиды находятся диспаратности для всех оставшихся точек, но уже с учетом приблизительной ее оценки, полученной в результате интерполяции. Данный способ позволяет на порядок сократить вычисления при построении трехмерного рельефа исследуемого объекта, не уменьшая при этом надежности и устойчивости работы. Для контроля правильности установления соответствий используется обратное сканирование, иначе говоря, если корреляция соответственных точек невелика, и есть сомнение в правильности их нахождения, то для найденной соответственной точки в свою очередь производится поиск. Если полученная точка совпадает с исходной, то соответствие считается найденным правильно. В результате применения этого правила в части точек ненадежные соответствия забраковываются, и диспаратность считается нераспознанной. Для коррекции таких областей нераспознанной диспаратности применяется алгоритм локальной аппроксимации функцией определенного вида (например, квадратичной, в зависимости от предполагаемой модели поверхности) методом наименьших квадратов.

Также предложен статистический способ оценки рельефа. До сих пор априорная информация об объекте не использовалась, за исключением предположения о том, каким образом можно интерполировать его поверхность. Однако, если априори известен класс рассматриваемых объектов, можно, вычислив некоторые его признаки и предположив, что они коррелированны с другими, оценить последние. Такой подход особенно ценен, если прямое

вычисление оцениваемых признаков ресурсоемко. Предлагается использовать статистический подход для оценки рельефа объекта, то есть заменить им верхний уровень пирамидального алгоритма стереореконструкции.

Глава 3 посвящена рассмотрению методов зрения верхнего уровня и распознавания.

Распознавание объектов основывается на предварительном построении модели объекта или класса объектов и может быть рассмотрено как вычисление параметров этой модели для предъявленного объекта и последующее сравнение этих параметров с эталонными. Существующие методы построения моделей можно разделить на две группы: 1) методы, в которых модель строится на основании внешних экспертных знаний (знаний человека-разработчика о специфических свойствах распознаваемого образа) и 2) методы, автоматически генерирующие модель объекта по обучающей выборке (статистике).

К первой группе можно отнести методы оценки различных численных характеристик распознаваемых образов, например, координат, размеров, ориентации различных областей изображения. Рассмотрены методы интегральных проекций, деформируемых шаблонов, сравнения линий одинаковой яркости. Распознавание любого объекта предполагает наличие априорной информации или гипотезы о принадлежности его какому-нибудь классу. Если априори известно о том, что распознаваемые объекты принадлежат определенному классу, можно попытаться построить параметрическую модель объектов этого класса, в которой индивидуальные характеристики объектов являются параметрами. Одним из вариантов такого подхода является построение модели в виде деформируемого шаблона с заданной функцией "энергии", зависящей от деформаций. Задача представляется как поиск параметров такого шаблона, минимизирующих "энергию". Достаточно полезным является иерархическое конструирование шаблона, когда некоторые его части также представляют собой шаблоны. Таким образом, можно описать всю видимую сцену. Этот метод является способом выделения из большого количества входной информации некоторых признаков, используя экспертные априорные знания о структуре и свойствах распознаваемого объекта.

Преимуществом этой группы методов является то, что 1) получаемые модели объектов просты для понимания, и поэтому, как правило, можно, опираясь на данные о качестве выделения основных признаков, оценить

качество работы метода в делом. 2) легко строить иерархическую структуру выделяемых признаков и добавлять новые признаки. Недостатком является то, что выделение тех или иных признаков в качестве значимых зависит от разработчика, и поэтому чаще всего полученный набор признаков неоптимален в смысле распознавания.

Ко второй группе можно отнести методы факторного анализа, в частности, метод главных компонент. Если предобработка (иначе говоря, зрение нижнего уровня) устраняет вариации сигнала (возникающие из-за изменений условий регистрации, освещения и т.п.), то метод главных компонент можно приложить напрямую к предобработанным исходным изображениям. Достаточно представительное множество объектов служит основой для построения модели (ортонормированного базиса), в которой объекты заданного класса будут представлены наилучшим образом. Этот метод обладает рядом значительных преимуществ и недостатков. Преимущества: 1) такое представление -наилучшее в смысле распознавания. 2) представление исходных данных в виде главных компонент осуществляется сравнительно быстро (простым скалярным умножением на вектора ортонормированного базиса), а сравнение полученных представлений на порядки быстрее сравнения исходных данных. Ценно также то, что вычислительная сложность этих операций практически не зависит от емкости базы данных. Недостатком метода является то, что невозможно судить о том, насколько хорошо это представление кроме как по результатам экспериментов, поскольку метод строит свое представление не на основании внешних экспертных оценок.

Рассматривается способ, позволяющий комбинировать эти методы так, чтобы компенсировать недостатки каждого из них. Очевидно и многократно описано использование признаков, полученных методами первой группы (т.е. предложенных человеком-экспертом) в качестве входных данных для методов факторизации. Однако, такой способ применим только для распознавания объектов по их однородным признакам. Очевидно, что разнородные образы (то есть образы, принадлежащие к разным пространствам) имеют различные статистические характеристики. Метод главных компонент в качестве первых собственных векторов выделяет векторы, соответствующие максимальной дисперсии множества образов. Если в качестве векторов использовать векторы, составленные из разнородных образов, то первые главные компоненты будут

отражать структуру того из подпространств, в котором дисперсия множества образов больше. При этом информация о структуре других подпространств будет скрыта шумами первого подпространства. Более перспективным подход, при котором разнородные образы обрабатываются раздельно, то есть для них строятся различные пространства главных компонент. В таком случае возникает задача построения решающего правила, учитывающего информацию, полученную в разнородных пространствах. Предложено решающее правило, основанное на взвешенной сумме расстояний в различных пространствах, веса зависят от относительной информативности пространств.

В Главе 4 представлены программно-аппаратные комплексы, в которых задействованы алгоритмы и методы, описанные в данной работе. Все методы и алгоритмы были реализованы на языке С++ и вошли в состав программной части комплекса по идентификации личности "Цитадель".

Приведены некоторые результаты работы этих комплексов. Приведены результаты работы алгоритмов стереореконструкции на примере лица человека. Представлены результаты работы распознающих алгоритмов и на их основании показано, что введение трехмерной модели данных уменьшает число ошибок распознавания. В качестве иллюстраций представлены промежуточные результаты работы алгоритмов трехмерного зрения.

Заключение диссертации по теме «Математическое и программное обеспечение вычислительных машин, комплексов и компьютерных сетей», Матвеев, Иван Алексеевич

Выводы к диссертации

1. Построена система распознавания человека по изображениям лица, работающая в реальном времени и пригодная для эксплуатации в качестве пропускного пункта. Работа алгоритмов укладывается в ограничения по времени порядка 5 секунд (процессор Pentium-166), диктуемые спецификой предполагаемого применения системы. Система распознает лица, с применением стереоскопического зрения и параметров трехмерной структуры лица, что повышает ее надежность против взлома. Система использует несколько разнородных признаков для распознавания. Работа алгоритмов устойчива по отношению к вариациям условий регистрации изображений.

2. Разработаны методы выделения некоторых признаков лица. Признаки лица вычисляются с использованием в качестве первичных характеристик, как исходного изображения лица, так и его рельефа. Произведены опыты с распознаванием без использования признаков, вычисляемых по трехмерной модели лица, с использованием этих признаков и с использованием метода главных компонент.

3. Предложен, реализован алгоритмически и протестирован алгоритм стереореконструкции, оптимизированный по производительности и работающий в масштабе времени, близком к реальному. Алгоритм производит восстановление рельефа гладкой трехмерной поверхности, имеющей сложную форму, по слабоконтрастным изображениям.

4. Предложен, реализован алгоритмически и протестирован метод комбинации разнородных признаков в едином решающем правиле. Используются различные пространства, полученные методом главных компонент. Решающее правило строится с учетом относительной ценности (информативности) признаков пространств.

5. Предложен, реализован алгоритмически и протестирован метод оценки оптимальной размерности информационного пространства по критерию максимизации информативности представления обучающей статистики.

Список литературы диссертационного исследования кандидат физико-математических наук Матвеев, Иван Алексеевич, 1999 год

ЛИТЕРАТУРА

I Александров В.В., Горский Н.Д. Представление и обработка изображений. Рекурсивный подход. М.: Наука, 1985

Бейтс Р., Мак-Доннелл М. Восстановление и реконструкция изображений: пер. с англ. М.:Мир, 1989

о

Бутаков Е.А. и др. Обработка изображений на ЭВМ. М.:Радио и связь, 1987

4 Дидэ Э. и др. Методы анализа данных: Пер с фр. М.:Финансы и статистика, 1985

5 Дюран Б., Оден П. Кластерный анализ, М.:Статистика, 1977, 127 с.

6 Журавлев Г.А. и др. Алгоритмы построения цифровой модели рельефа, порождаемые аппаратом динамического программирования // Обработка видеоинформации и дистанционные исследования. Сб. науч. тр. Новосибирск, 1983, стр. 41-48

Зенкин A.A. Когнитивная компьютерная графика М.:Наука, 1991

8 Зинин A.M., Кирсанова JI.3. Криминалистическая фотопортретная экспертиза, М.Изд. МВД СССР, 1991

9 Зорин С.А., Матвеев И.А., Мурынин А.Б., Сеньков Р.В., Цурков В.И. Восстановление 3-мерного рельефа лица в задаче автоматической идентификации личности // Препринт ВЦ РАН, 1997

10 Ичас М. О природе живого: механизмы и смысл: пер. с англ. -М.:Мир, 1994

II Ким Дж.-0., Мьюллер Ч.У. Факторный анализ: статистические

методы и практические вопросы М.:Финансы и статистика, 1989

12

Кокс Д., Снелл Э. Прикладная статистика Принципы и примеры. Пер с англ. М. Мир, 1984

13 Кузнецов В.Д., Матвеев И.А., Мурынин А.Б. Идентификация объектов по стереоизображениям. Оптимизация информационного пространства // Москва, Препринт ВЦ РАН, 1997

14 Кузнецов В.Д., Матвеев И.А., Мурынин А.Б., Цурков В.И.

Эталон лица и выделение области сравнения при автоматической идентификации личности // Москва, Препринт ВЦ РАН, 1997

15 Марр Д. Зрение. Информационный подход к изучению представления и обработки зрительных образов. Пер с англ. М.:Радио и связь, 1987

16 Матвеев И.А., Кузнецов В.Д., Мурынин А.Б.,

Комбинированнные векторы признаков стереоизображений для

автоматической идентификации // Препринт ВЦ РАН, 1998

11

Матвеев И.А., Мурынин А.Б. "Идентификация объектов по стерео-изображениям. Оптимизация алгоритмов восстановления поверхности.", Москва, Известия РАН. Теория и системы управления,

1998, №3

18

Мурынин А.Б., Серебренников O.A., Кулаков В.В., Большаков С.А., Маковкин К.А., Чучупал В.Я., Матвеев И.А., Скорик М.Е.

Автоматическая система распознавания личности по характеристикам изображения и голоса // Препринт ВЦ РАН, 1997, 46 с.

19 Мурынин А.Б., Цурков В.И. Принципы оптимизации информативных признаков в задаче автоматического распознавания лица

человека компьютерной системой // Препринт ВЦ РАН, 1997, 36 с.

20

Олдендерфер М.С., Блэшфилд Р.К. Кластерный анализ

М.:Финансы и статистика, 1989

21

Опознавание и описание линий, Сборник Институт проблем

передачи информации АН СССР, М.:Мир, 1972

22

Патент РФ "Способ распознавания личности и система для его осуществления", приоритет от 8.9.1995

ло

Полевой Н.С. Криминалистическая кибернетика, М.:Изд. МГУ,

1982

24

Прэтт У. Цифровая обработка изображений. Пер с англ. М.:Мир,

1982

25 Роуз С. Устройство памяти. От молекул к сознанию: пер. с англ. М.:Мир, 1995

26 Ту Дж., Гонсалес Р. Принципы распознавания образов: Пер с англ М.:Мир, 1978

27 Хуанг Т.С. и др. Быстрые алгоритмы в цифровой обработке изображений. Пер с англ. М.:Радио и связь, 1984

28 Хьюбел Д. Глаз, мозг, зрение: Пер с англ. М.:Мир, 1990

29

Цифровая обработка сигналов и ее применения. // Сб. Статей под ред. Л.П.Ярославского. М.:Наука, 1981

30

Цыпкин Я.З. Информационный теория идентификации М.:Наука, Физматлит, 1995

Я 1

Яншин В.В. Анализ и обработка изображений: принципы и алгоритмы. М. Машиностроение, 1994

32

Ярославский Л.П. Введение в цифровую обработку изображений . М.:Сов. радио, 1979

33 ...

" Ackerman F. Digital image correlation: performance and potential application in photogrammetry // Photogrammetric record 11(64), October 1984, pp. 429-439

34 Akamatsu S., Sasaki Т., Fukamachi H., Masui N., Suenaga Y. An

accurate and robust face identification scheme. // Proc. Int. Conf. Pattern Recognition, V.2, pp. 217-220, The Hague, The Netherlands, 1992.

35

Ayache N. Faverjon B. Efficient registration of stereo image by matching graph descriptions of edge segments // Int.J. Computer vision, 1987, pp 107-131

36

Ayache N., Lustman F. Fast and reliable trinocular stereovision // Proc. Int. conference computer vision, June 8-11, 1987, pp. 422-427

37

Azarbayejani A., Pentland A.P. Real-time self-calibrating stereo tracking using 3D shape estimation from blob features // ICPR-96, Vienna, August 1996

38 Azarbayejani A., Pentland A.P. Recursive estimation of motion, structure, and focal length // IEEE PAMI-17, No.6, June 1995

39 Baker H.H., Binford T.O. Depth from edges intensity based stereo // Seventh Int. Joint Conf. On AI, August 1981, pp. 631-636

40 Ballard D.M., Brown C.M. Computer vision // Englewood Cliffs, NJ: Prentice-Hall, 1982

41 Barnard S.T. Stochastic stereo matching over scale, Int. J. of Computer vision, No.3 1989, pp. 17-32

42 Barnard S.T., Fischler M.A. Computational Stereo // Comput. Surveys, December 1982, V.14, N.4

43 Barnard S.T., Thomson W.B. Disparity analysis of images // IEEE PAMI-2, No.4, 1980, pp. 333-340

44 Baron R. J. Mechanisms of human facial recognition // Int. J. of Man Machine Studies, V.15, pp. 137-178, 1981

45 Beardsley P.A., Zisserman A., Murray D.W. Navigation using affine structure from motion // Proc. 3rd European Conf on Computer Vision, V.2, pp.85-96, 1994

46 Beymer D.J. Face recognition under varying pose // Massachusetts institute of technology, A.I. Memo No. 1461, December 1993

47 Bischel M. Strategies of Robust Object Recognition for the Automatic Identification of human faces. PhD thesis, ETH, Zurich, 1991

48 Boyer K.L. Kak A.C. Symbolic stereo from structural descriptions // Report TR-EE 86-12 Purdue Un. West Lafayette ID. 1986

49 Boyer K.L., Kak A.C. Structural stereopsis for 3-D vision. // IEEE PAMI-10, No.2, March 1988

50 Brindley G.S. Physiology of the retina and visual pathway // Physiological Society Monograph No.6, London:Edwin Arnold, 1970

51 Brunelli R., Poggio T. Face recognition: features versus templates // IEEE PAMI-15, No. 10, October 1993

52 Burger W., Bhanu B. Estimating 3D egomotion from perspective image sequences // IEEE PAMI-12:1040-1058, 1990

53 Burt P.J. Multiresolution techniques for image representation, analysis, and 'smart' transmission. // SPIE V.1199, Visual Communications and Image Processing IV, pp. 2-15, 1989

54 Canny J.E. A computational approach to edge detection // IEEE PAMI-8, No.6, January 1985, pp 679-698

55 Carlsson S., Weinshall D Dual computation of projective shape and camera positions from multiple images // Hebrew Univ. of Jerusalem, Institute of Computer Science, TR#96-6, 1996

56 Carr J.C. 3D shape reconstruction using volume intersection techniques // Cambridge Univ. Engineering Dpt. TR-300, September 1997

cn

Chen C.W., Huang C.-L. Human face recognition from a single front view // IEEE PAMI-6 No.4, pp. 571-593, 1992.

58 Cipolla R., Blake A. Surface shape from deformation of apparent contours // Proc. 3rd Int. Conf. On Computer Vision, pp. 616-623, 1990

59 Cohen I., Cohen L., Ayache N. Introducing deformable surfaces to segment 3D images and infer differential structure // INRIA Technical report, 1991

60 Craw I., Tock D., Bennett A. Finding Face Features, Tech. Rep, Univ. of Aberdeen, Dept. of Mathematical Sciences 1992

61 Craw I., Cameron P. Face recognition by computer. // Proc. British

Machine Vision Conference, pp. 367-370, 1991

62

Dalla Serra M., Brunelli R. On the use of Karhunen-Loeve expansion for face recognition. // Technical Report 92906-04,1.R.S.T., 1992

63

Darrell T., Moghaddam B., Pentland A.P. Active face tracking and pose estimation in an interactive room // CVPR, 1996

64 Darrell T., Pentland A.P. Cooperative robust estimation using layers of support// IEEE PAMI-17, No.5, May 1995

65 Deriche R. Using Canny's criteria to derive a recursively implemented optimal edge detector // Int. J. Computer vision, V.l, No.2, 1987

66 Dhond U.R., Aggarwal J.K. Structure from stereo - a review // IEEE SMC-19, No.6, November/December 1989

67 Ekman P., Friesen W.V. Facial action coding system // Consulting Psychologists Press, Palo alto, CA, 1977

68 Essa I.A., Pentland A.P. Coding, analysis, interpretation, and recognition of facial expressions // MIT Media laboratory TR-325, April 1995

69 Faugeras O.D. What can be seen in three dimensions with an uncalibrated stereo rig // Proc. 2nd European Conf. on Computer Vision, pp. 563-578, 1992

70 Fermuller C., Huang T.S. What is computed by structure from motion algorithms? // UMD Technical report CS-TR-3809, June 1997

71 Forstner W. Digital image matching techniques for standard photogrammetric applications // ACSM-ASPRS Annual conf., Washington D.C. 1986

Frisby J.P., Mayhew J.E.W. The role of spatial frequency tuned channels in vergence control 11 Vision Res. V.20, 1980, pp. 727-732

73

~ Fua P. A parallel stereo algorithm that produces dence depth maps and preserves image features // Int. J. of machine Vision and Applications, 1991

74 Fua P. Combining stereo and monocular information to compute dense depth maps that preserve depth discontinuities // Proc. of IJCAI Conf., Sydney, August 1991

75 •

Fua P., Hanson A.J. Objective functions for feature discrimination // Proc. of IJCAI Conf., Detroit, August 1989

76 Fua P., Leclerc Y.G. Object-Centered Surface Reconstruction: Combining Multi-Image Stereo and Shading // Int. J. of Computer Vision, 1995, V.16

77

Fuchs A., Haken H. Pattern recognition and associative memory as dynamical processes in synergetic system: Decompression of complex scenes,

simultaneous invariance with respect to translation, rotation, scaling. // Biological Cybernetics, 60:107-109, 1988

78 Garding J. Direct estimation of shape from texture I I IEEE PAMI-15, pp. 1202-1208, November 1993

79 Garding J. Shape from texture and contour by weak isotropy // J. of Artificial Intelligence, V.64, pp. 243-297, December 1993

80 Garding J. Shape from texture for smooth curved surfaces in perspective projection // J. of Mathematical Imaging and Vision, V.2, pp. 329352, December 1992

81 Garding J., Lindeberg T. Direct computation of shape cues using scale-adapted spatial derivative operators // Int. J. of Computer Vision, 1994

82 Garding J., Lindeberg T. Direct estimation of local surface shape in a fixating binocular vision system // Proc. 3rd European Conf. on Computer Vision, 1994

83 Gee A.H., CipoIIa R. Fast visual tracking by temporal consensus // Univ. of Cambridge Dept. of Engineering TR-207, February 1995

84 Gilbert J.M., Yang W. A real-time face recognition system using custom VLSI hardware // IEEE Workshop on Computer Architectures for Machine Perception, pp. 58-66, December 1993

85 Greenfeld J.S., Schenk A.F. Experiment with edge-based stereo matching // Photographic Engineering and Remote Sensing, V.55, No. 12, December 1989, pp. 1771-1777

86 Grimson W.E.L. A computer implementation of a theory of human stereovision // Phil. Trans. Royal Soc., London, V.B292, 1981, pp. 217-253

87 Grimson W.E.L. From Images to Surfaces: a Computational Study of

the Human Early Visual System // MIT Press MA. 1981

88 *

Grimson W.E.L. Computational experiments with a feature-based

stereo algorithm // IEEE PAMI-7, No.l, January 1985, pp. 17-34

89 Grimson W.E.L., Hildreth E.C. Comments on digital step edges from zero-crossings of second directional derivatives // IEEE PAMI-7, No.l, January 1985, pp. 121-126

90 Guy G., Medioni G. Inference of surfaces, 3D curves, and junctions from sparce, noisy, 3D data // IEEE PAMI-19, No. 11, November 1997

91 Hallinan P.W. A low-dimensional representation of human faces for arbitrary lightning conditions. // Proc. IEEE Conf. Computer Visison and Pattern Recognition, pp. 995-999, Seattle, WA, 1994

92 Hannah M.J. A system for digital stereo image matching // Photographic Engineering and emote Sensing, V.55, No. 12, December 1989, pp 1765-1770

93 Haralik R.M. Digital step edges from zero-crossings of second directional derivatives // IEEE PAMI-6, No.l, january 1984, pp. 58-68

94 Harmon L.D., Hunt W.F. Automatic recognition of human face profiles // Comput. Graphics Image Process. V.6, pp. 135-156 1977

95 Hartt K., Carlotto M. A Method for Shape-from-Shading using Multiple Images Acquired under Different Viewing and Lighting Conditions // IEEE PAMI, 1989

96 Helava U.V. Digital correlation in photogrammetric instruments // Photogrammetria, V.34, 1978, pp. 19-41

Q n

Hoff W, Ahiya N. Surface from stereo: Integrating feature matching, disparity estimation, and contour detection. // IEEE PAMI-11, No.2, February 1989

98 Horn B.K.P. Height and Gradient from Shading // Int. J. of Computer Vision, 1990, V.5, N.l

99 Horn B.K.P. Obtaining shape from shading information // The psychology of computer vision, P.H. Winston, ed. New-York: McGrow-Hill, 1975, pp.115-155

100 Horn B.K.P. Relative orientation // Int. J. on Computer Vision 4:5978, 1990

101 Horn B.K.P. Understanding image intensities // Artificial intelligence, No.8, 1977, pp. 201-203

102 Horn B.K.P. Non-correlation methods for stereo matching // Photographic Engineering and Remote Sensing, V.49, No.4, 1983, pp 535-536

103 Horn B.K.P., Schunck B.G. Determining optical flow // Artificial Intelligence, 17:185-203, 1981

104 Horowitz B., Pentland A.P. Recovery of non-rigid motion and structure // Proc. of CVPR-91, pp. 325-330, Hawaii, June 1991

105 Huang C.-L., Chen C.W. Human facial feature extraction for interpretation and recognition // Proc. Int. Conf. on Pattern Recognition, V.2, 1992

106 Ito M, Ishii A. Three view stereo analysis // IEEE PAMI-8, No.4, July

1986, pp. 524-532

1 01

Julesz B. Binocular depth perception in computer-generated patterns // Bell Systems Technical J., No.39, 1960, pp. 1125-1162

108 Julesz B. Foundations of cyclopean perception // Univ. of Chicago Press, 1971

109 Julesz B., Miller J.E. Independent spatial frequency tuned channel in binocular fusion and rivalry // Perception, Vol.4, 1975, pp. 125-143

110 Kanade T. Picture processing by computer complex and recognition of human faces. // Tech. report. Kyoto Univ., Dept. of Information Science, 1973

111 Kanade T., Okutomi M. A stereo matching algorithm with an adaptive window: theory and experiment // Image Understanding Workshop,

September 1990

112

Kaufman G.H., Breeding K.J. The automatic recognition of human faces from profile silhouettes // IEEE SMC-6, pp. 113-120, 1976

113 Kaya Y., Kobayashi K.. A basic study on human face recognition. // Frontiers of Pattern Recognition, pp. 265-289. Academic Press, New York, NY, 1972

114 Kim Y.C., Aggarwal J.K. Positioning 3-D objects using stereo images // IEEE J. of Robotics and Automation, V.3, No.4, August 1987, pp. 361-373

115 Kim N.H., Bovik A.C. A contour-based stereo matching algorithm using disparity continuity // Pattern Recognition, V.21, No.5, 1988, pp. 505514

116 Kirby M., Sirovich L. Application of Karhunen-Loeve procedure for the characterization of human faces. // IEEE PAMI-12, No.l, pp. 103-108, 1990

117

Koenderink J.J., Doom A.J. Affine structure from motion // J. Opt. Soc. Am. V.8, No.2, pp.377-385, 1991

118 Konen W., Schulze-Kruger E. ZN-Face: a system for access control using automated face regognition // Int. Workshop on Automatic Face- and Gesture-Recognition, 1995, Univ. of Zurich

119 Kurita T., Otsu N., Sato T. A face recognition method using higher order local autocorrelation and multivariate analysis. // Proc. Int. Conf. Pattern Recognition, V.2, pp. 213-216, The Hague, The Netherlands, 1992.

120 Kuznetsov V.D., Matveev I.A., Murynin A.B. Optimisation of Informative Components for 3D Object Recognition // Proc. of SPIE, V.3516, 1998

191

Lades M., Vorbruggen J.C., Buchmann J., Lange J., von Malsburg C., Wurz R.P., Konen W. Distorsion invariant object recognition in the dynamic link architecture // IEEE Trans on Computers, V.42, No.3, March 1993

122 Leclerc Y.G., Bobick A.F. The Direct Computation of Height from Shading//IEEE PAMI, 1991

123 Lee M.J., Lei W.-L. Region matching and depth finding for 3-D objects in stereo aerial photographs // Pattern recognition, V.23, No.l, 1990, pp 81-94

124 Lengagne R., Tarel J.P., Monga O. From 2D Images to 3D Face Geometry // Proc. IEEE 2nd Int. Conf. on Automatic Face and Gesture Recognition, October 1996, Killington, USA

125 Lindeberg T. Detecting salient blob-like image structures and their scales with a scale-space primal scetch: a method for focus-of-attention // Int. J.

of Computer Vision V.ll, No.3, pp. 283-318, 1993

1

Lindeberg T. Discrete devivative approximations with scale-space properties: a basis for low-level feature extration // J. of mathematical imaging and Vision, V.3, No.4, pp. 349-376, 1993

127 Lindeberg T. On scale selection for differential operatora // Proc. 8th Scandinavian Conf. on Image Analysis, Tromse, May 1993, pp. 857-866

1 OS

Lindeberg T., Garding J. Shape from texture from a multi-scale perspective // Proc. 4th Int. Conf. on Computer Vision, Berlin, May 1993, pp. 683-691

1 OQ

Lindeberg T., Garding J. Shape-adapted smoothing m estimation of 3D depth cues from affine distortions of local 2D brightness structure // Proc. 3rd European Conf. on Computer Vision, Stockholm, May 2-5, 1994

1 30

Lloyd S.A., Haddow E.R., Boyce J.R. A parallel binocular stereo algorithm utilising dynamic programming and relaxation labeling // Computer Vision, Graphics and image processing, V.39, 1987, pp. 202-225

131 Longuet-Higgins H.C. A computer algorithm for reconstructing a scene from two projections // Nature, 293:133-135, 1981

132

Luong Q.-T., Vieville T. Canonic representations for the geometries of multiple projective views // Proc. 3rd European Conf. on Computer Vision, pp. 589-599, May 1994

133 Manjunath B.S., Chelappa R., Shekhar C., von Malsburg C. A robust method for detecting image features with application to face recognition and motion correspondence // Proc. Int. Conf. On Patter Recognition, 1992

134 Marr D. Cooperative computation of stereo disparity // Science, V. 194, 1976, pp. 283-287

133 Marr D., Hildreth E. Theory of edge detection // Proc. Royal Soc., London, V.B207, 1979, pp. 301-328

136 Marr D., Poggio T. A computational theory of human stereovision // Proc. 1 Royal Soc., London, B204, 1979

137 Matveev I.A. 3-D surface reconstruction in automatic recognition system // Proc. Int. Conf. on Pattern Recognition and Information Processing,

pp. 279-283, Minsk, May 1999

1

Matveev I.A., Murynin A.B., Kuznetsov. V.D. Automatic Stereoscopic System For Person Recognition // Proc. of SPIE, V.3516, 1998

139 Mayhew J.E.W., Frisby J.P. Psychophysical and computational studies towards a theory of human stereopsis // Artificial Intelligence, No. 17, 1981, pp. 349-385

140 Medioni G., Nevatia R. Matching images using linear features // IEEE PAMI-6, No.6, 1984, pp. 675-685

141 Medioni G., Nevatia R. Segment-based stereo matching // Computer vision, graphics and image processing, V.31, 1985, pp. 2-18

142 Miles W.R. Movement in interpretations of the silhouette of a revolving fan // Am. J. Psychology No.43, 1931, pp. 392-404

143 Moghaddam B., Pentland A.P. An automatic system for model-based coding of faces // IEEE Data Compression Conf., Snowbird, Utah, March 1995

144 Moghaddam B., Pentland A.P. Face Recognition Using View-Based and Modular Eigenspaces // Automatic Systems for the Identification and Inspection of Humans, SPIE, V.2277, July 1994

145 Moghaddam B., Pentland A.P. Probabilistic visual learning for object detection // 5th Int. Conf. on Computer Vision, Cambridge Massuchusetts, June 1995

146 Mohan R., Medioni G., Nevatia R. Stereo error detection, correlation, and evaluation // IEEE PAMI-11, February 1989

1 A1

Moravec H.P. Towards automatic visual obstacle avoidance // Proc. 5th Joint Conf. on AI, 1977, p.584

148 Murynin A.B., Matveev I.A. 3-D surface reconstruction in automatic recognition system // Proc. of SPIE, V.3516, 1998

149 Murynin A.B., Matveev I.A. Identification of Objects on the Basis of Stereo Images: Optimization of Algorithms for Reconstruction of a Surface // J. of Computer and Systems Sciences International, Vol.37, No 2, 1998, pp. 149155.

150 Murynin A.B., Kuznetsov V.D., Matveev I.A. Identification of Objects on the Basis f Stereo Images: Optimization of Recognition Algorithms // J. of Computer and Systems Sciences International, Vol.37, No 3, 1998

151 Nagel H.-H. Representation of moving rigid objects based on visual observations // Computer, 14(8):29-39, August 1981

152 Nakamura O., Mathur S., Minami T. Identification of human faces based on isodensity maps // Pattern Recognition, V.24, No.3, pp. 263-272, 1991

153 Nakamura Y., Matsuura T., Sato K., Ohta Y. Occlusion Detectable Stereo - Occlusion Patterns in Camera Matrix // IEEE PAMI, 1996

154 Nalwa V.S., Binford T.O. On detecting edges // IEEE PAMI-8, No.6, November 1986, pp 699-714

155 Nasrabadi N.M., Liu Y., Chiang J.L. Stereo vision correspondence using a multichannel graph matching technique // Proc. IEEE Int. Conf. Robotics and Automation, V.3, Philadelphia, April 1988

156 Nastar C., Moghaddam B, Pentland A.P. Generalized image matching: statistical learning of physically-based deformations // 4th European Conf. on Computer Vision, Cambridge, UK, April 1996

1 57

Nevatia R., Babu K. Linear feature extraction and description // Computer Graphics image Processing V.13, 1980, pp. 257-269

158 Nishihara H.K. Practical real-time imaging stereo matcher // J. Optical Engineering, September/October 1984, V.23, N.5

159 Nishihara H.K., Poggio T. Stereo vision for robotics // Proc of ISPR-83 Conf., Bretton Woods, New Hampshire, 1983

160 Ohta Y., Kanade T. Stereo by intra-and-inter scanline scanline search using dynamic programming 11 IEEE PAMI-7, No.2, March 1985

161 Olsen S.I. Stereo correspondence by surface reconstruction // IEEE PAMI-12, No.3, March 1990

162 Optiz B.K. Advanced stereo correlation research // Phot Engineering and Remote Sensing, V.49, No.4, April 1983, pp. 533-544

Peitikainen M., Harwood D. Depth from three camera stereo // Proc. IEEE Conf. Pattern Recognition, Miami Beach, Florida, June 22-26, 1986, pp.2-8

164 Pentland A.P., Moghaddam B., Starner T. View-based and modular eigenspaces for face recognition. // Proc. IEEE Conf. Computer Vision and Pattern Recognition, pp. 84-91, Seattle, WA, 1994

165 Poelman C.J., Kanade T. A paraperspective factorization method for shape and motion recovery // IEEE PAMI, March 1997

166 Pollard S.B., Mayhew J.E.W., Frisby J.P. PMF: a stereo correspondence algorithm using a disparity gradient limit // Perception, V. 14, 1981, pp. 449-470

167 Press W.H., Flannery B.P., Teukolsky S.A., Wetterling W.T.

Numerical recipes // Cambridge University Press, Cambridge, 1986

168 Raju G.V., Binford T.O., Shekhar S. Stereo matching using Viterbi algorithm // Proc. DARPA Image Understanding Workshop, Los Angeles California, February 23-25 1987, pp. 766-776

169 Ramsay C.S., Sutherland K., Renshaw D., Denyer P.B. A comparison of vector quantization codebook generation algorithms applied to automatic face recognition. // Proc. British Machine Vision Conf., pp. 508-517. Springer Verlag, 1992

1 70

Rashbass C., Westheimer G. Disjunctive eye movements // J. Physiology, V. 159, 1961, pp.339-360

171

Rassbass C., Westheimer G. Independence of conjunctive and disjunctive eye movements // J. Physiology, V.159, 1961, pp. 361-364

172 Riggs L.A., Nichl E.W. Eye movements record during convergence and divergence. // J. Opt. Soc, Amer. V.50, 1960, pp. 913-920

173 Romdhani S., Face Recognition using Principal Components Analysis // MIT Media Lab., 1996

174 Rosenfeld A. Quadtrees and pyramids: hierarchical representation of images // CS-TR-1171 Computer Vision Lab. Univ. of Maryland, May 1982

Sakaguchi T., Nakamura O., Minami T. Personal Identification through Facial Image Using Isodensity Lines // Proc. of SPIE 1199:643-654,

1989

176 Sander P.T., Zucker S.W. Inferring surface trace and differential structure from 3D images // IEEE PAMI-12 No.9, pp. 833-854, September

1990

177

Sirovich L., Kirby M. Low-dimensional procedure for the characterization of human faces // J. of the Optical Society Am., V.4, No.3, pp. 519-524, March 1987

Spetsakis M.E., Aloimonos J. Optimal motion estimation // Proc. IEEE Workshop on Visual Motion, pp. 229-237, 1989

179 * * *

Stewart C.V., Dyer C.R. Local constraint integration in a connectionist model of stereovision // Proc CVPR'88

180 Szeliski R. Fast surface interpolation using hierarchical basis functions

// IEEE PAMI-12 N0.6, pp. 513-528, June 1990

181

Terzopoulos D. Image analysis using multigrid relaxation methods //

IEEE PAMI-8 No.2, pp. 129-139, March 1986

182

Terzopoulos D., Metaxas D. Dynamic 3D models with local and global deformations // Proc. of ICCV-90, pp. 606-615, Osaka, December 1990

Tomasi C., Kanade T. Shape and motion from image stream under orthography: a factorization approach // Int. J. of Computer Vision V.9, No.2, pp. 137-154, 1992

184 Tsai R.Y., Huang T.S. Uniqueness and estimation of three-dimensional motion parameters of rigid objects with curved surfaces // IEEE PAMI-6:13-27, 1984

185 Turk M., Pentland A.P. Eigenfaces for Recognition, J. of Cognitive Neuroscience, V.3, No.l, 1991

186 Ullman S. The interpretation of visual motion // Cambridge, Mass:MIT Press, 1979

187 Ullman S. Two dimensionality of the correspondence process in apparent motion//Perception, No.7, 1978, pp. 683-693

188 Vinther S., Cipolla R. Towards 3D object model acquizition and recognition using 3D affine invariants // 4th British machine Vision Conf., 1993

189 Wallach H., O'Connell D.N. The kinetic depth effect // J. Experimental Psychology, No.45, 1953, pp. 205-217

190 Weng J., Ahuja N., Huang T.S. Optimal motion and structure estimation // IEEE PAMI-15(9):864-884, September 1993

191 Williams R.M., Fender D.M. The synchrony of binocular saccadic eye movements // Vision Research, V. 17, 1969, pp.303-306

192 Wong K.H., Law H.H.M., Tsang P.W.M. A system for recognizing human faces // Proc. of International Conference on Acoustics, Speech, and Signal Processing, pp. 1638-1642, 1989

1 Q^

Yow K.C., Cipolla R. Feature-based human face detection // Univ. of Cambridge Dept. of Engineering TR-249, August 1996

194 Yuille A.L., Cohen D.S., Hallinan P.W. Feature extraction from faces using deformable templates // Proc. Of CVPR-89, San Diego, California

195 Zhang Z., Faugeras O.D. Tracking and motion estimation in a sequence of stereo images // Proc. 9th European Conf. on Artificial Intelligence, pp. 747-752, Stockholm, August 1990