基于兴趣点定位的局部方向模式人脸识别方法

来源：计算机应用杂志2017年第8期北京时间：

作者：罗元, 李慧敏, 张毅

单位：1. 重庆邮电大学 光电工程学院, 重庆 400065;2. 重庆邮电大学 信息无障碍与服务机器人工程技术研究中心, 重庆 400065

摘要：为了解决局部方向模式（LDP）在人脸特征提取过程中采用固定的平均分块方式，不能自适应突出不同样本特征的这一问题，提出一种基于兴趣点定位的改进LDP人脸特征提取方法。兴趣点所在位置特征信息丰富，其根据不同图像自动分布，可以突出不同图像的不同特点。首先定位人脸图像的加速鲁棒特征（SURF）特征点，并通过K-means聚类算法优化兴趣点的数量，确定兴趣点位置；之后以每个兴趣点作为中心建立LDP特征提取窗口，计算其4方向LDP编码，得出图像的特征向量；最后，采用支持向量机（SVM）对人脸进行识别分类。使用该改进算法分别在FERET和Yale数据库中进行实验，并与原始LDP、4方向的LDP方法（4-LDP）、融合PCA与LDP的特征提取算法（PCA-LDP）进行了比较，实验结果表明，所提出的特征提取方法在保证系统实时性的同时，可以有效提高人脸识别的准确率与稳定性。

关键词：局部方向模式,加速鲁棒特征,K均值聚类,人脸识别,兴趣点

基金资助：重庆市教委科学技术研究项目（KJ130512）；重庆市科学技术委员会项目（CSCT2015jcyjBX0066）。