FERET 人脸识别技术测试的简单介绍

1993年,美国国防部高级研究项目署(Advanced Research Projects Agency)和美国陆军研究实验(Army Research Laboratory)成立了Feret(Face Recognition Technology)项目组,建立了FERET人脸数据库,用于评价人脸识别算法的性能。
   
    被测试的算法分为两种:
    (1)半自动算法。这种算法需要人工指出图象中人的两眼中心的坐标;
    (2)全自动算法。这种算法能够自动定位图象中的人脸,然后进行识别。
   
    测试时,人脸图象分为两个集合:
    (1)已知身份的人的图象组成库藏集;(gallery)或目标集(target)。
    (2)输入给算法的未知身份的人的图象组成探测集;(probe)或查询集(query)。
   
    对于人脸鉴别,查询集合中的图象分为四种:
   
    (1)FB图象,图象与目标集合中的图象是在同日、同光照条件下拍摄。
    (2)FC图象:图象与目标集合中的图象是在同日、不同光照的条件下拍摄。
    (3)复像I(duplicate;I);:图象与目标集合中的图象是在不同日、不同照相机的条件下拍摄。
    (4)复像II(duplicate;II):图象与目标集合中的图象是在一年以后、不同照相机的条件下拍摄。
   
    测试时,被测试的算法作为服务器运行,测试统计程序作为客户运行,客户首先向服务器传输库藏集合,然后,逐幅向服务器传输查询图象,服务器接收到查询图象后,将结果返回客户。
   
    到1997年底为止,参加测试的算法中,对FB图象的识别率很高,库藏1196人中首选率(输出的侯选图象集合中,排在第一幅的图象与查询图象为同一人的概率)达96%;对fc图象的识别率也比较高,库藏1196人中首选率达;81%;对两个复像的识别率低,对复像;I,库藏1196人中首选率为60%,对复像II,库藏;864人中首选率为;51%。
   
    测试发现的主要问题:识别算法对光照变化敏感;查询图象和目标图象相隔一年半后,识别算法的性能下降;识别算法对人脸位置变化敏感:人脸偏转角度大于15度后,性能下降;识别算法对相机敏感。
  • 0
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值