基于聚类的SIFT人脸检测算法  

Scale-invariant Feature Transform Based on Clustering in Face Recognition

作　　者：刘帅[1] 林克正[1] 孙旭东 程卫月[1] 李静天[1] 

机构地区：[1]哈尔滨理工大学计算机科学与技术学院 [2]海军广州91630部队

出　　处：《哈尔滨理工大学学报》2014年第1期31-35,共5页Journal of Harbin University of Science and Technology

基　　金：国家自然科学基金(60873019);黑龙江省教育厅科学技术研究项目(11551087)

摘　　要：为解决在人脸识别领域的特征提取问题,提出一种尺度不变特征转换的SIFT算法与聚类分析相结合的算法.在对人脸特征分类时,通过选取最优化的距离阀值,用聚类理论对生成的SIFT特征进行聚类分析,从而得到若干特征类别.去除一些非主要特征类别,排除其他非目标人脸主要特征的干扰.实验结果表明,改进的SIFT算法比原始算法具有更好的特征匹配效果.Abstract：For solving the feature problem extraction in the face recognition, we proposed a scale-invariant fea- ture transform algorithm based on Scale-Invariant Feature Transform （SIFT） algorithm and clustering analysis. While classifing the facial feature, using Cluster theory to analysis the generated Scale-Invariant Feature Transform features to get some of the features category by selecting the optimal distance threshold. Excluding the interference of non-target the main features of the face in order to remove some non - essential features category. Experimental results show that the improved SIFT algorithm is better than the original algorithm on feature matching,

关 键 词：人脸识别 特征提取 SIFT算法 聚类分析 

分 类 号：TP391.4[自动化与计算机技术—计算机应用技术]