傅　敏， 刘本永

(1.贵州大学 计算机科学与技术学院，贵州 贵阳 550025;2.贵州大学 大数据与信息工程学院，贵州 贵阳 550025;3.贵州大学 智能信息处理研究所,贵州 贵阳 550025)



基于改进Kaze特征匹配的低分辨人脸识别算法

傅敏1， 刘本永2,3*

(1.贵州大学 计算机科学与技术学院，贵州 贵阳 550025;2.贵州大学 大数据与信息工程学院，贵州 贵阳 550025;3.贵州大学 智能信息处理研究所,贵州 贵阳 550025)

针对普通算法难以提取低分辨人脸图像特征以实现人脸识别问题，探讨一种基于改进Kaze特征匹配的识别算法。首先，通过改进P-M扩散滤波中阈值和扩散函数来保留低分辨图像的边缘和细节，并利用加性算子分裂算法构造非线性尺度空间；其次，通过寻找不同尺度归一化后的 Hessian 矩阵局部极大值点来检测特征点，并使用 M-SURF构造特征描述向量；最后，利用欧式距离进行特征向量的匹配实现识别分类。实验结果表明，与基于SIFT、SURF和普通Kaze特征匹配的算法相比，所探讨算法正确识别率更高，同时对噪声图像也有更好的鲁棒性。

低分辨人脸识别; P-M扩散滤波;Kaze特征

随着监控摄像头的广泛应用，人脸识别系统的市场需求也在逐渐扩大，从应用于银行和超市等场所的小范围单摄像头识别，到覆盖于机场和街道等场所的大范围多摄像头闭路电视识别，人脸识别应用无处不在。在这些情形中，由于被监控的人群距离监控摄像头一般较远,导致被检测到的人脸区域分辨率较低,因此现实的人脸识别系统首先需要解决低分辨人脸图像带来的检测与识别性能下降的问题。……