Resumen

La transformada Curvelet puede describir la señal en múltiples escalas y direcciones. Con el fin de mejorar el rendimiento del algoritmo de reconocimiento facial 3D, hemos propuesto un algoritmo basado en la fusión de características antropométricas y Curvelet para el reconocimiento facial 3D (Reconocimiento facial por fusión antropométrica y Curvelet, ACFFR). En primer lugar, las regiones de los ojos, la nariz y la boca se extraen a partir de las características antropométricas y de curvatura del rostro humano. En segundo lugar, se extraen las características de energía Curvelet de las regiones de rasgos faciales en diferentes escalas y direcciones mediante la transformada Curvelet. Por último, se utiliza la distancia euclídea como similitud entre la plantilla y los objetivos. Para verificar el rendimiento, el algoritmo propuesto se compara con Anthroface3D y Curveletface3D en la base de datos Texas 3D FR. Los resultados experimentales han demostrado que el algoritmo propuesto funciona bien, con una tasa de error igual de 1,75 y una precisión del 97,0%. El algoritmo que proponemos en este artículo es más robusto a los cambios de expresión y de luz que Anthroface3D y Curveletface3D.

• Materias:Biotecnología Nanotecnología Redes de sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology Nanotechnology Sensor networks Sensor system Sensor technology
• Palabras claves:algoritmo, algoritmo de reconocimiento facial 3d, reconocimiento facial antropométrico por fusión curvelet, base de datos 3d fr, reconocimiento facial 3d, rasgos energéticos curvelet, tasa de error igual, regiones de rasgos faciales, regiones de rasgos bucales, anthroface3d
• Keywords:algorithm, 3d face recognition algorithm, anthropometric curvelet fusion face recognition, 3d fr database, 3d face recognition, curvelet energy features, equal error rate, facial feature regions, mouth feature regions, anthroface3d