...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Cybernetics, IEEE Transactions on >Largest Matching Areas for Illumination and Occlusion Robust Face Recognition
【24h】

Largest Matching Areas for Illumination and Occlusion Robust Face Recognition

机译：照明和遮挡的最大匹配区域鲁棒的人脸识别

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this paper, we introduce a novel approach to face recognition which simultaneously tackles three combined challenges: 1) uneven illumination; 2) partial occlusion; and 3) limited training data. The new approach performs lighting normalization, occlusion de-emphasis and finally face recognition, based on finding the largest matching area (LMA) at each point on the face, as opposed to traditional fixed-size local area-based approaches. Robustness is achieved with novel approaches for feature extraction, LMA-based face image comparison and unseen data modeling. On the extended YaleB and AR face databases for face identification, our method using only a single training image per person, outperforms other methods using a single training image, and matches or exceeds methods which require multiple training images. On the labeled faces in the wild face verification database, our method outperforms comparable unsupervised methods. We also show that the new method performs competitively even when the training images are corrupted.
机译：在本文中，我们介绍了一种新颖的人脸识别方法，可同时解决三个综合挑战：1）照明不均匀； 2）部分遮挡； 3）训练数据有限。与传统的基于固定大小的局部区域的方法相反，该新方法基于在面部每个点上找到最大的匹配区域（LMA），从而执行照明归一化，遮挡去加重和最终人脸识别。通过新颖的特征提取，基于LMA的面部图像比较和看不见的数据建模方法，实现了鲁棒性。在用于人脸识别的扩展YaleB和AR人脸数据库上，我们的方法每人仅使用一个训练图像，优于使用单个训练图像的其他方法，并且匹配或超过了需要多个训练图像的方法。在狂野面孔验证数据库中带标签的面孔上，我们的方法优于类似的无监督方法。我们还表明，即使训练图像遭到破坏，新方法也具有竞争力。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号