基于 ASURF 与经 VLAD 优化的 Cloud Forest 分类器的无约束人脸识别
计算机视觉与模式识别
2021-04-05 v1 机器学习
摘要
本文提出一种计算高效的多类人脸图像分类算法，其中图像受平移、旋转、尺度、颜色、光照和仿射畸变约束。所提方法分为五个主要模块：用于人脸检测的 Haar-Cascade、用于图像预处理以去除无用噪声的双边滤波（Bilateral Filter）、用于关键点检测与描述的仿射加速稳健特征（Affine Speeded-Up Robust Features, ASURF）、用于特征量化的局部聚合描述子向量（Vector of Locally Aggregated Descriptors, VLAD）以及用于图像分类的 Cloud Forest。该方法旨在提高人脸识别系统的准确率并减少耗时。在 FACES95、FACES96 和 ORL 三个人脸基准数据集上使用 Cloud Forest 算法作为分类器，取得了有前景的结果。相较于 Random Forest 分类器等其他集成技术，所提基于 Cloud Forest 算法的方法依据所用数据集的不同，将识别模型成功提升了 2–12%。
引用
@article{arxiv.2104.00842,
title = {Unconstrained Face Recognition using ASURF and Cloud-Forest Classifier optimized with VLAD},
author = {A Vinay and Aviral Joshi and Hardik Mahipal Surana and Harsh Garg and K N BalasubramanyaMurthy and S Natarajan},
journal= {arXiv preprint arXiv:2104.00842},
year = {2021}
}
备注
8 Pages, 3 Figures