基于梯度模板匹配的眉毛识别方法  

Eyebrow recognition based on gradient template matching

作　　者：李厚君[1,2] LI Houjun(School of Computer Science and Communication Engineering,Guangxi University of Science and Technology,Liuzhou 545006,China;Key Laboratory of Intelligent Computing and Distributed Information Processing of Guangxi Higher Education Institutions（Guangxi University of Science and Technology）,Liuzhou 545006,China)

机构地区：[1]广西科技大学计算机科学与通信工程学院,广西柳州545006 [2]智能计算与分布式信息处理广西高校重点实验室(广西科技大学),广西柳州545006

出　　处：《广西科技大学学报》2018年第3期62-70,共9页Journal of Guangxi University of Science and Technology

基　　金：2016年度广西高校中青年教师基础能力提升项目(KY2016LX172);广西自然科学基金基目(2016GXNSFBA380081)资助

摘　　要：针对基于快速傅里叶变换的眉毛识别方法 (FFTER)识别速度较慢的问题,设计了一种新的基于梯度模板匹配的眉毛识别方法 (GTMER).该方法识别速度更快,更能够适合于实时应用.首先,利用图像梯度特征,快速匹配出纯眉毛模板的最相似区域;然后,通过小范围内的精准调整,得到一个准确的匹配位置;最后,利用傅里叶频谱距离,将待处理眉毛图像识别出来.实验表明:GTMER的识别速度最高比FFTER提升约38%,同时在BJUTED眉毛数据库上的识别正确率也达到98.12%.Aimed at slow running speed for fast Fourier transform eyebrow recognition method（FFTER）,we present gradient template matching eyebrow recognition method（GTMER）,a real-time method in matching-recognizing framework. It firstly uses image gradients to match the most similar sub regions of templates very fast,and then obtains the adjustment matching position in a small area of the most similar sub region,finally recognizes the input eyebrow image with a Fourier spectrum distance. Experimental results show that GTMER runs about 38% faster than FFTER and achieves the accuracy of 98.12% on the BJUTED eyebrow database.

关 键 词：眉毛识别 模板匹配 图像梯度 傅里叶频谱距离 生物特征识别 

分 类 号：TP317.4[自动化与计算机技术—计算机软件与理论]