Đặc trưng Dense Sift và thuật toán Local Naive Bayes Nearest Neighbor trong nhận dạng mặt người

Chỉ số đề mục

Lĩnh vực nghiên cứu

Khoa học máy tính

Dạng tài liệu

Tác giả

Châu Ngân Khánh, Đoàn Thanh Nghị⁽¹⁾

Nhan đề

Đặc trưng Dense Sift và thuật toán Local Naive Bayes Nearest Neighbor trong nhận dạng mặt người

Nhan đề tiếng anh

The Dense Sift feature and Local Naive Bayes Nearest Neighbor algorithms feature in human face identification

Nguồn trích

Khoa học (Đại học Trà Vinh)

Năm xuất bản

2017

Số

28

Trang

56-63

ISSN

1859-4816

Từ khóa

Đặc trưng Haar Like, Thuật toán AdaBoost, Mô hình phân bằng Cascade, Đặc trưng SIFT, Nhận dạng khuôn mặt, Thuật toán Local Naive Bayes Nearest Neighbor

Từ khóa tiếng anh

Tóm tắt

Công nghệ nhận dạng mặt người đã được ứng dụng rộng rãi trong đời sống. Chúng ta đã nhiều thuật toán được nghiên cứu để giải quyết bài toán này. Bài báo trình bày phương pháp mới, kết hợp Haar Like Feature - Cascade of Boosted Classifiers, Dense Scale-Invariant Feature Transform (DSIFT), thuật toán Local Naive Bayes Nearest Neighbor (LNBNN) để nhận dạng mặt người. Đầu tiên, rút trích ảnh khôn mặt bằng thuật toán AdaBoost với mô hình Cascade trên đặc trưng Hẩ Like, tính các DSIFT trên ảnh đã rút trích. Sau đó, sử dụng LNBNN để nhận dạng. Kết quả thử nghiệm trên các tập dữ liệu kiểm chuẩn cho thấy phương pháp này đạt kết quả tốt hơn các phương pháp khác, độ chính xác của LNBNN laf 99,74%.

Tóm tắt tiếng anh

Human face recognition technology has been widely used in life. We have many algorithms studied to solve this problem. The paper presents new methods, combining Haar Like Feature - Cascade of Boosted Classifiers, Dense Scale-Invariant Feature Transform (DSIFT), Nearest Neive Bayes algorithm (LNBNN) to identify human faces. First, extract face-to-face images using AdaBoost algorithm with Cascade model on the characteristic Like, calculate the DSIFT on extracted images. Then, use LNBNN to identify. Test results on calibration data sets show that this method achieves better results than other methods, the accuracy of LNBNN is 99.74%.

Kí hiệu kho

TTKHCNQG, CVv 384

File toàn văn

Xem toàn văn