Modèles Améliorés des Magnitudes de Bords Orientés pour la Reconnaissance Faciale et l'Alignement d'Images

Un bon descripteur de caractéristiques doit être discriminant, robuste et économiquement peu coûteux en termes de temps et de besoin de stockage. Dans le domaine de la reconnaissance faciale, ces propriétés permettent au système de fournir rapidement de hauts résultats de reconnaissance à l'utilisateur final. Motivé par le descripteur de caractéristiques récent appelé Modèles de Magnitudes de Bords Orientés (POEM), qui équilibre ces trois préoccupations, cet article vise à améliorer sa performance par rapport à tous ces critères. À cet effet, nous optimisons d'abord les paramètres de POEM puis appliquons la technique de réduction de dimensionnalité par analyse en composantes principales blanchies pour obtenir un descripteur plus compact, robuste et discriminant. Pour la reconnaissance faciale, l'efficacité de notre algorithme est prouvée par des résultats solides obtenus sur des ensembles de données contraints (Technologie de Reconnaissance Faciale, FERET) et non contraints (Visages Étiquetés dans la Nature, LFW) en plus de la faible complexité. Impressionnant, notre algorithme est environ 30 fois plus rapide que ceux basés sur des filtres de Gabor. De plus, en proposant une technique supplémentaire qui rend notre descripteur robuste à la rotation, nous validons son efficacité pour la tâche d'alignement d'images.