基于区域的地标的特征提取,使用SIFT,SURF和ORB特征描述符来识别2D/3D面部图像中的单胞胎双胞胎
相关实验视频
Updated: Sep 11, 2025
09:26
Quantification of Orofacial Phenotypes in Xenopus
Published on: November 6, 2014
9.8K
Gangothri Sanil1, Krishna Prakasha K2, Srikanth Prabhu3
1Information Communication Technology, Manipal Institute of Technology (MIT), Manipal Academy of Higher Education, Manipal, 576104, India.
F1000Research
|August 11, 2025
概括
这项研究使用SIFT,SURF和ORB算法增强了同卵双胞胎的面部识别. 2D图像达到88%的准确性,超过3D图像,提高了法医识别的可靠性.
科学领域:
- 计算机视觉和图像处理
- 法医科学 法医科学 法医科学
- 生物识别信息 生物识别信息
背景情况:
- 面部识别对于识别图像中的个人至关重要,在法医学中有应用.
- 在面部识别技术中,区分单胞胎双胞胎是一个重大挑战.
研究的目的:
- 评估尺度不变特征转换 (SIFT),加快强大特征 (SURF) 和定向快速和旋转简要 (ORB) 算法的有效性,用于识别单胞胎双胞胎.
- 用这些算法和各种分类器比较2D和3D面部识别的性能.
主要方法:
- 使用了通过MediaPipe框架从468个点提取的特定区域的面部地标.
- 雇佣的SIFT,SURF和ORB是定量相似度指标的特征描述符.
- 应用支持向量机 (SVM),极端梯度提升 (XGBoost),光梯度提升机 (LGBM) 和最近的中心点 (NC) 分类器.
- 在ND Twins和3D TEC数据集上验证了算法.
主要成果:
- 与所有分类器的3D图像相比,2D面部图像显示出更高的识别精度.
- 2D图像的最大准确度为88% (SVM),83% (LGBM),83% (XGBoost) 和79% (NC). 图像的最大准确度为88% (SVM),83% (LGBM),83% (XGBoost) 和79% (NC). 图像的最大准确度为88% (SVM),83% (LGBM),83% (XGBoost),和79% (NC). 图像的最大准确度为88% (SVM),83% (LGBM),83% (XGBoost),和79% (NC).
- 3D面部图像的准确度较低,从74% (SVM) 到70% (NC) 不等.
结论:
- 结合多个算法的混合特征提取方法被证明是对单胞胎双胞胎识别最有效的.
- 该研究强调了2D面部识别系统在涉及双胞胎的法医应用中可靠性的提高.
- 2D面部图像的最大精度为88%,3D面部图像的最高精度为74%,显示出显著的进步.
