×
A.维奈。；安库尔·辛格；尼基尔·阿南德；马扬·拉吉；阿尼科特·巴拉蒂；Murthy，K.N.B。；纳塔拉扬，S。

使用旋转、光照、缩放和表情不变的稠密特征和ENN进行人脸图像分类。 （英语） Zbl 07216032号

Manna，Santanu（编辑）等人，《数学建模和科学计算及其应用》。2018年7月19日至21日在印度印多尔举行的国际会议记录，ICMMSC 2018。新加坡：斯普林格。Springer程序。数学。Stat.308，405-425（2020年）。
摘要：人脸识别作为计算机视觉范式中的一个研究领域正在迅速发展，因为它在监控和商业领域提供了广泛的应用选择。本文利用一种新的识别技术，对各种稠密特征描述符（稠密SURF、稠密SIFT、稠密ORB）进行了相互比较，并与它们的经典对应项（SURF、SIFT和ORB）作了比较。该方法使用拉普拉斯高斯滤波器对图像进行增强。它在增强图像上应用各种稠密和经典的特征描述符，并输出一个特征向量。为了获得高性能，由于Fisher向量是一种特征补丁聚合方法，因此将该特征向量赋予Fisher矢量。最后，使用扩展最近邻分类器对传统的k最近分类器进行分类。实验在三个不同的数据集上进行——ORL、Faces94和Grimace。在仔细检查结果时，发现Dense SIFT和Dense ORB在各种性能指标中表现突出。Grimace为98.44，Faces94为98.15。
关于整个系列，请参见[Zbl 1444.00036号].

MSC公司：

68T45型 机器视觉和场景理解
94A08型 信息与通信理论中的图像处理（压缩、重建等）
68单位10 图像处理的计算方法

关键词：

尺度不变特征变换；加速稳健特征；定向快速和旋转BRIEF；扩展最近邻；高斯-拉普拉斯算子

软件：

冲浪
PDF格式BibTeX公司 XML格式引用
\textit{A.Vinay}等人，Springer Proc。数学。Stat.308，405--425（2020；Zbl 07216032）
全文： 内政部

参考文献：

[1] Lowe，D.G.：与比例不变关键点不同的图像特征。国际期刊计算。视觉。60, 91-110 (2004) ·doi:10.1023/B:VISI.0000029664.99615.94
[2] Bay，H.，Ess，A.，Tuytelaars，T.，Van Gool，L.：冲浪：加速了强大的功能。计算。视觉。图像理解。（CVIU）110（3），346-359（2008）·doi:10.1016/j.cviu.2007.09.014
[3] Rublee，E.、Rabaud，V.、Konolige，K.、Bradski，G.、ORB：SIFT或SURF的有效替代方案。加利福尼亚州门罗公园柳树车库
[4] Kriíaj，J.，Štruc，V.，Pavešić，N.：SIFT特征在不同光照下的人脸识别适应性，5月24-28日。2010年克罗地亚奥帕蒂亚MIPRO（2010）
[5] Dreuw，P.、Steingrube，P.，Hanselmann，H.、Ney，H.：SURF-Face：视点一致性约束下的人脸识别。人类语言技术与模式识别德国亚琛RWTH亚琛大学（2009）
[6] 维奈，A.，库马尔，加利福尼亚州，谢诺伊，G.R.，穆西，KNB。，Natarajan，S.：基于ORB-PCA的人脸识别特征提取技术。参加：第二届计算机视觉与互联网国际研讨会（2015年）·doi:10.1016/j.procs.2015.08.080
[7] Vinay，A.、Hebbar，D.、Shekhar，V.S.、Murthy，K.N.B.、Natarajan，S.：使用SIFT和SURF进行人脸识别的两种新颖的基于检测描述子的方法。参加：第四届国际生态友好计算和通信系统会议，ICECCS（2015）
[8] Panchal，P.M.、Panchal、S.R.、Shah，S.K.：SIFT和SURF的比较。国际J.Innov。Res.计算。Commun公司。工程1（2）（2013）
[9] Wang，J.G.，Li，J.，Lee，C.Y.，Yau，W.Y.：基于稠密SIFT和Gabor描述子的人脸表征及其在性别识别中的应用。摘自：2010年第11届控制自动化机器人与视觉国际会议，第1860-1864页。新加坡（2010年）
[10] Geng，C.，Jiang，X.：使用sift特征进行人脸识别。摘自：第16届IEEE图像处理国际会议（ICIP），第3313-3316页。IEEE（2009）
[11] Fisher，R.，Perkins，S.，Walker，A.，Wolfart，E.：拉普拉斯/高斯拉普拉斯。发表在图像处理学习资源（2004）上的Web文章
[12] Darkos，N.：高斯拉普拉斯（LoG）。利兹大学计算机学习单元（1996年）
[13] Simonyan，K.，Parkhi，O.M.，Vedaldi，A.，Zisserman，A.：Fisher Vector在野外的脸。牛津大学工程科学系视觉几何组发表的Web文章
[14] Fisher，R.，Perkins，S.，Walker，A.，Wolfart，E.：高斯平滑。发表在图像处理学习资源（2004）上的Web文章
[15] Kokkinos，I.、Bronstein，M.、Yuille，A.：图像和表面的稠密尺度不变描述符【研究报告】RR-7914，INRIA。（2012）
[16] Perronnin，F.，Sánchez，J.，Mensink，T.：改进fisher核用于大规模图像分类。In:ECCV会议记录（2010）·doi:10.1007/978-3642-15561-11
[17] Sanchez，J.、Perronnin，F.、Mensink，T.、Verbeek，J.：用fisher向量进行图像分类：理论和实践。国际期刊计算。视觉。105(3), 222-245 (2013). 施普林格·Zbl 1286.68447号 ·数字对象标识码：10.1007/s11263-013-0636-x
[18] Perronnin，F.，Sánchez，J.，Mensink，T.：改进大规模图像分类的Fisher核。收录：Danilidis，K.，Maragos，P.，Paragios，N.（编辑）ECCV 2010。LNCS，第6314卷，第143-156页。斯普林格，海德堡（2010）
[19] Tang，B.，He，H.：ENN：模式识别的扩展最近邻方法（研究前沿）。IEEE计算。智力。Mag.10（3），52-60（2015）·doi:10.1109/MCI.2015.2437512
[20] Du，G.，Su，F.，Cai，A.：使用SURF特征进行人脸识别。In:北京邮电大学信息与通信工程学院多媒体通信与模式识别实验室，北京100086，中国（2009）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。