罗 元，李慧敏，张 毅

(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)

(*通信作者电子邮箱li.huimin666@163.com)

基于兴趣点定位的局部方向模式人脸识别方法

罗 元1，李慧敏1*，张 毅2

(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)

(*通信作者电子邮箱li.huimin666@163.com)

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。

局部方向模式；加速鲁棒特征；K均值聚类；人脸识别；兴趣点

0 引言

作为模式识别领域最重要的研究方向之一，人脸识别技术正逐步应用于人们的日常生活中。随着人脸考勤、人脸门禁等应用的普及，人脸识别开始迈向新的领域[1]。……