相对边缘方向幅值模式耦合SIFT的人脸识别算法

• 作者: 赖玲 郑笔耕 谭云兰
• 来源期刊: 计算机工程与设计
• 关键词: 人脸识别 相对边缘方向幅值模式 尺度不变特征变换 k-均值 不一致度量 共形预测
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 智能技术|Intelligent Technology
• 页码范围: 859-866
• 页数: 8页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.16208/j.issn1000-7024.2021.03.037

摘要

人脸识别易受到光照变化、遮挡等影响,降低了识别准确率,为此提出一种基于相对边缘方向幅值模式(relative patterns of oriented edge magnitudes,RPOEM)与尺度不变特征变换(scale-invariant feature transform,SIFT)的人脸识别算法.检测脸部的关键点,利用k-均值对这些特征点进行聚类;为消除光照变化的干扰,计算图像的相对梯度幅值,对其进行离散化分解与Gaussian滤波处理;采用局部二值模式编码生成RPOEM特征;引入加权因子,对RPOEM与SIFT特征进行加权组合;通过定义非一致度量来完成对人脸识别的共形预测.实验结果表明,与已有的人脸识别技术对比,所提算法具有更高的识别准确率,对多种复杂背景具有更强的鲁棒性.