基于紧致全姿态二值SIFT的人脸识别

姿态变化是人脸识别中的关键问题之一,全姿态二值SIFT(CPBS)提取等间隔采样姿态人脸图像的二值化SIFT特征,并用于任意姿态人脸识别,获得了良好的识别性能.但是,CPBS特征量很大,计算成本很高.提出了紧致全姿态二值SIFT(CCPBS)的人脸识别方法.选取间隔45°的人脸图像作为训练集,首先提取ASIFT特征进行融合.然后用基于稀疏表示的方法进行特征选择,有效地滤除相似或相同的特征,减少数据冗余.进一步对选择的特征进行二值化,即可得到CCPBS.人脸识别通过计算待识别人脸和CCPBS之间的汉明距离来完成.在CMU-PIE和FERET人脸库上实验结果表明,提出的算法无需人脸对齐和标记,即可以取得很高的正确识别率,明显优于其他算法.与CPBS相比,识别率仅降低很少的同时,特征量降低了22.11%和32.63%.更多还原