資源描述：
《基于聚類的SIFT人臉檢測算法-論文.pdf》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、第19卷第1期哈爾濱理工大學(xué)學(xué)報(bào)VoLl9No．12014年2月JOURNALOFHARBINUNIVERSITYOFSCIENCEANDTECHNOLOGYFeb．2014基于聚類的SIFT人臉檢測算法劉帥，林克正，孫旭東，程衛(wèi)月，李靜天(1．哈爾濱理工大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，黑龍江哈爾濱150080；2．海軍廣州91630部隊(duì)，廣東廣k't510000)摘要：為解決在人臉識(shí)別領(lǐng)域的特征提取問題，提出一種尺度不變特征轉(zhuǎn)換的SIFT算法與聚類分析相結(jié)合的算法．在對人臉特征分類時(shí)，通過選取最優(yōu)化的距離閥值，用聚類理論對生成的sI兀
2、’特征進(jìn)行聚類分析，從而得到若干特征類別．去除一些非主要特征類別，排除其他非目標(biāo)人臉主要特征的干擾．實(shí)驗(yàn)結(jié)果表明，改進(jìn)的sI丌算法比原始算法具有更好的特征匹配效果．關(guān)鍵詞：人臉識(shí)別；特征提取；SIFT算法；聚類分析中圖分類號：TP391．4文獻(xiàn)標(biāo)志碼：A文章編號：1007—2683(2014)01—0031—05Scale．invariantFeatureTransformBasedonClusteringinFaceRecognitionLIUShuai，LINKe．zheng，SUNXu—dong，CHENGWei—yue，L
3、IJing．tian(1．SchoolofComputerScienceandTechnology，HarbinUniversityofScienceandTechnology，Harbin150080，China2．9163GuangzhouNavyTmup，Guangzhou510000，China)Abstract：Forsolvingthefeatureproblemextractioninthefacerecognition，weproposedascale-invariantlea—turetransformalgor
4、ithmbasedonScale—InvariantFeatureTrans~rm(SIFT)algorithmandclusteringanalysis．Whileclassifingthefacialfeature，usingClustertheorytoanalysisthegeneratedScale—InvariantFeatureTransformfeaturestogetsomeofthefeaturescategorybyselectingtheoptimaldistancethreshold．Excludingt
5、heinterferenceofnon—targetthemainfeaturesofthefaceinordertoremovesomenon—essentialfeaturescategory．ExperimentalresultsshowthattheimprovedSIFTalgorithmisbetterthantheoriginalalgorithmonfeaturematching．Keywords：facerecognition；featureextraction；SIFTalgorithm；clusteringa
6、nalysis法¨，獨(dú)立成分分析(independentcomponentsanaly—0引言sis，ICA)算法，局部保持投影(1ocalitypreservingprojections，LPP)算法I4等．在實(shí)際的復(fù)雜環(huán)境特征提取是人臉識(shí)別中最為重要的一部分，它下，常使用的(scale—Invariantfeaturetransfo1Tn，siFT)要求提取的特征對于相同的人具有穩(wěn)定性，對于不算法具有一定的優(yōu)勢，它能夠克服外部環(huán)境在進(jìn)同人具有差異性．它的效率直接決定了識(shí)別的性能．行人臉識(shí)別時(shí)候產(chǎn)生的干擾．SIFT算子用來偵測與
7、在理想環(huán)境下，比較有影響力的特征提取方法有主描述影像中的局部性特征，它在空間尺度中尋找極成分分析(principalcomponentanalysis，PCA)算值點(diǎn)，并提取出其位置、尺度、旋轉(zhuǎn)不變量，能夠很好收稿日期：2012—10—31基金項(xiàng)目：國家自然科學(xué)基金(60873019)；黑龍江省教育廳科學(xué)技術(shù)研究項(xiàng)目(11551087)作者簡介：劉帥(1988一)，男，碩士研究生；程衛(wèi)月(1988一)，女，碩士研究生．通訊作者：林克正(1962一)，男，博士，教授，E—mail：link@hrbust．edu．a(chǎn)n．32哈爾濱理工
8、大學(xué)學(xué)報(bào)第l9卷地適應(yīng)圖像在進(jìn)行平移，旋轉(zhuǎn)，縮放等變化時(shí)的相似可以減少較大梯度幅值變化的影響，然后再對其進(jìn)匹配問題．然而，非主要特征數(shù)據(jù)的冗余也是該行重新歸一化．算法存在的一個(gè)問題．1．2SIFT特征點(diǎn)的匹配本文在SIFY算法的基礎(chǔ)之上，提出了一種
