研究目的
为应对遮挡情况下的人脸识别挑战,本研究提出一种新方法——动态图像到类别映射(DICW)。该方法考虑面部特征的固有排列顺序,通过寻找查询人脸序列与注册对象所有序列之间的最优对齐方式来计算图像到类别的距离。
研究成果
DICW方法通过考虑面部特征的自然顺序并采用动态规划进行最优序列对齐,有效解决了人脸识别中的遮挡问题。大量实验证实,该方法在各种遮挡场景下具有鲁棒性,并优于现有方法。
研究不足
该方法在面部被大面积遮挡的极端情况下性能可能受到影响。计算复杂度会随图像块数量和图库图像数量的增加而上升。
1:实验设计与方法选择:
DICW方法通过将人脸图像分割为图像块并形成有序序列来处理人脸识别中的遮挡问题,采用动态规划计算序列间的最优对齐。
2:样本选择与数据来源:
实验在包含多种遮挡类型的公开人脸数据库(FRGC、AR、TFWM和LFW)上进行。
3:实验设备与材料清单:
研究使用标准计算平台实现和测试DICW方法。
4:实验流程与操作步骤:
人脸图像经分割为图像块、形成序列后,应用DICW方法计算距离进行分类。
5:数据分析方法:
基于不同遮挡场景下的识别率评估性能,并与现有方法进行比较。
独家科研数据包,助您复现前沿成果,加速创新突破
获取完整内容