SIFT- und SURF-Deskriptoren für die Gesichtserkennung mittels Wavelet-Transformation

Die automatische Gesichtserkennung ist ein wichtiger Forschungsbereich in der Computer Vision, der darauf abzielt, menschliche Gesichter ohne menschliches Eingreifen zu erkennen. Bedeutende Entwicklungen auf diesem Gebiet haben gezeigt, dass die automatisierten Techniken bei vielen Anwendungen der Gesichtserkennung besser abschneiden als der Mensch. Das Hauptproblem bei der Gesichtserkennung besteht darin, einen Satz von Merkmalen zu finden, um ein Gesicht zu identifizieren. Es wurden viele Algorithmen zur Merkmalsextraktion vorgeschlagen, die hauptsächlich drei Aspekte umfassen: geometrische, gesichtsbezogene und statistische Merkmale. In diesem Buch werden die konventionellen SIFT- und SURF-Leistungen bei der Gesichtserkennung getestet. Sie bieten eine hohe Leistung. Diese Leistung kann jedoch weiter verbessert werden, indem die Eingabe in einen anderen Bereich als den der Echtzeit transformiert wird. Daher wenden wir die diskrete Wavelet-Transformation (DWT) oder die Gabor-Wavelet-Transformation (GWT) auf die eingegebenen Gesichtsbilder an, die uns dichtere und klarere Bilder im Vergleich zu den herkömmlichen SIFT- oder SURF-Bildern liefern. Simulationen zeigen, dass die vorgeschlagenen Ansätze auf der Grundlage von DWT oder GWT unter Verwendung von SIFT oder SURF im Vergleich zu den herkömmlichen Algorithmen eine sehr hohe Leistung erbringen.

Autorentext

Musa M. Ameen erhielt 2013 den B.Sc.-Abschluss in Computertechnik von der Ishik-Universität, Irak, und 2016 den M.Sc.-Abschluss in Computertechnik von der Mevlana-Universität, Türkei. Derzeit arbeitet er als Dozent an der Ishik-Universität, Irak. Seine aktuellen Forschungsinteressen sind Biometrie, Computer Vision und Signalverarbeitung.