基于SIFT描述符和词汇树的人脸与头部验证系统对比
1. 研究背景与目标
在人脸识别领域,不同的特征和方法被广泛应用。距离质心(DFC)可用于比较下脸部轮廓的对称程度;相关滤波器在热红外人脸图像识别任务中表现出适用性;最小平均相关能量(MACE)滤波器和最优折衷合成判别函数(OTSDF)在低分辨率图像的远距离人体识别中证明了其效率。
尺度不变特征变换(SIFT)算法在目标识别中应用广泛,可用于增强不同姿态下的面部表情识别,还在性别识别等领域有所应用。然而,SIFT算法生成大量特征,特征匹配的计算量巨大,限制了其在人脸识别中的应用。为此,有研究提出了判别方法来解决这一问题。
本文的目标是提出、比较和评估一个适用于可见光和热成像范围的面部和头部验证系统。通过应用SIFT算法,从每个图像中获取局部独特描述符,并构建词汇树对这些描述符进行分层组织,以便进行特定对象的搜索。
2. 人脸识别方法
2.1 提出的方法
该方法由四个阶段组成:
1. 人脸分割 :手动执行。
2. SIFT描述符计算 :从数据库中的每个面部获取局部独特描述符。
3. 词汇树构建 :使用k - means函数构建词汇树。
4. 匹配模块 :在词汇树中搜索测试描述符与数据库描述符之间的最佳对应关系。
其流程如下:
graph LR
A[人脸分割] --&