Comparative analysis of key point search methods for face recognition.
Keywords:
key points of the face, contour model, image recognitionAbstract
This article analyzes image matching methods based on key points such as SIFT, SURF, FAST/FREAK, BRISK, KAZE and ORB. Their advantages and disadvantages, as well as their effectiveness in various conditions, including image processing, are considered. Experiments show that algorithms successfully cope with blurring and affine transformations. The choice of method is critically important for achieving high results in computer vision tasks, which emphasizes the need to take into account the results obtained when choosing algorithms for real-world applications.
References
Семенова, А. П. Область применения алгоритма распознавания эмоций в информационных технологиях / А. П. Семенова, А. С. Миненко, Т. В. Ванжа // Цифровой регион: опыт, компетенции, проекты: сборник статей Международной научно-практической онференции (г. Брянск, 30 ноября 2018 г.) [Электронный ресурс]. – Брянск: Брян. гос. инженерно-технол. ун-т., 2018. – С. 443-446.
Миненко, А. С. Анализ эмоционального состояния человека по фотографическим изображениям / А. С. Миненко, А. П. Семенова // Информатика, управляющие системы, математическое и компьютерное моделирование (ИУСМКМ – 2019). Материалы X Международной научно-технической конференции в рамках V Международного Научного форума Донецкой Народной Республики «Инновационные перспективы Донбасса». – Донецк: ДонНТУ, 2019. – С. 123-126.
Левкина, А. В. Область применения систем распознавания эмоций / А. В. Левкина, Е. В. Радевич, А. П. Семёнова // Донбасс будущего глазами молодых ученых: сб. материалов науч.-техн. конф. для студ., асп. и мол. уч. – Донецк: ДонНТУ, 2024. – С. 158-162.
Семёнова, А. П. Анализ мимических выражений для задачи распознавания эмоций / А. П. Семёнова, В. Н. Павлыш // Проблемы искус-ственного интеллекта, 2020. - № 4 (19). - С. 69-79.
Миненко, А. С. Формальная модель эмоций / А. С. Миненко, А. П. Семенова // Проблемы искусственного интеллекта, 2018. - №3(10). - С. 84-93.
Семенова, А. П. Математическая модель эмоций // Международная научно-техническая конференция молодых ученых БГТУ им. В.Г. Шухова. Материалы национальной конференции с международным участием. – Белгород, 2019. – С. 4584-4587.
Семёнова, А. П. Поиск ключевых точек лица для задачи распознавания эмоций/ А. П. Семёнова, В. Н. Павлыш // Информатика и кибернетика, 2021. - № 1-2 (23-24). - С. 59-64.
Rosten, E. Machine learning for high-speed corner detection / E. Rosten, T. Drummond // Computer Vision – ECCV 2006. – РР. 430-443.
Lowe, D.G. Distinctive Image Features from Scale-Invariant Keypoints / D.G. Lowe // International Journal of Computer Vision, 2004. –№ 60. – РР. 91-110.
Bay, H. SURF: speeded up robust features / H. Bay, T. Tinne, V.G. Luc // Computer Vision and Image Understanding, 2008. – № 3(110). – РР. 346-359.
Alcantarilla, P. F. KAZE Features / P. F. Alcantarilla, A. Bartoli, A. J. Davison // Computer Vision – ECCV 2012. – РР. 214-227.
Leutenegger, S. BRISK: binary robust invariant scalable keypoints / S. Leutenegger, M. Chli, R. Y. Siegwart // The IEEE International Conference on Computer Vision (ICCV). – November 2011, Barcelona, Spain. – РР. 2548-2555.
Rublee, E. ORB: an efficient alternative to SIFT or SURF / E. Rublee [et al.] // The IEEE International Conference on Computer Vision (ICCV). – November 2011, Barcelona, Spain. – РР. 2564-2571.
Brown, M. Invariant features from interest point groups / M. Brown, D. Lowe // In: British Machine Vision Conf., BMVC, Cardiff, UK (2002).
