基于改进ORB特征的多姿态人脸识别
为了克服通过全局特征以及每位个体单个模板样本进行多姿态人脸识别的不足,提出基于改进的ORB局部特征以及每位个体多个模板样本的多姿态人脸识别方法。首先改进ORB算子的采样模式提高算子对人脸视角变化的鲁棒性,并采用每位个体的多个训练样本建立模板库,然后提取并匹配测试样本与模板样本的改进 ORB 特征。在特征提取阶段,为避免关键点数目变化的干扰,对全部样本提取一致数目的关键点;在特征匹配阶段,采用基于模型和基于方向的双重策略剔除误匹配点对,使用匹配点对数目与平均距离评价测试样本与每个模板样本的吻合程度。对 CAS-PEAL-R1和 XJTU数据库的实验结果表明,改进的 ORB特征具有更好的识别性能;与采用多个训练样本构建个体单个模板样本的方法相比,在训练样本数目相同的条件下,该方法能较好地避免姿态的干扰,具有更好的识别效果。与SIFT算子相比, ORB算子在特征提取与特征匹配2个阶段都具有明显的速度优势。
人脸识别、多姿态、多视图、ORB、特征匹配
TP391(计算技术、计算机技术)
国家自然科学基金61203369;福建省科技创新平台基金2013H2002;福建省产业计划开发项目25201071;泉州市技术研究与开发项目2011G74
2015-03-24(万方平台首次上网日期,不代表论文的发表时间)
共9页
287-295