复杂环境下基于聚类分析的人脸目标识别

摘要：

在现代社会,人脸目标识别技术在各大领域应用得越来越广泛;同时,社会治安环境和国际安全问题也愈发严峻,人脸目标识别面临着越来越严峻的挑战.在复杂环境下,检测目标和背景场景都是复杂且动态变化的,传统的人脸目标识别技术已无法满足日益增长的需求.对此,文中通过聚类分析方法对传统SIFT(Scale Invariant Feature Transform)算法进行优化改进,利用聚类分析的原理将对象特征点进行归类,使得聚类结果更加符合设定阈值,从而提高匹配效率.为了验证优化改进后算法的匹配效果,将改进后的算法和传统SIFT算法进行对比检测分析.结果表明,改进后的SIFT算法能够消除无关书籍的干扰,实现图像匹配点的完整连接.为了验证改进算法的有效性,基于几个常用库将其与常用算法进行对比分析,结果显示聚类SIFT算法在CASPEAL-R1,CFP,Multi-PIE方面都要优于其他算法,具有更好的应用效果和适用性.

关键词：聚类分析、SIFT算法、特征匹配

所属期刊栏目：47

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61401081

在线出版日期：2020-07-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：111-117