顼 聪,朱 毅,陶永鹏

(大连外国语大学软件学院,辽宁 大连 116044)

人脸识别,是基于人的脸部特征信息进行身份识别的一种生物识别技术. 在安防、金融、交通、电子商务等诸多领域有着广泛的应用,引起了国内外学者的关注,学者们提出了各种算法. 最为常用的是局部二值模式(LBP)[1],该算法主要通过像素之间的比较来进行二值编码表示人脸特征. 其优点是算法简单,计算速度快,但是面对噪声干扰鲁棒性差,识别率不稳定.

之后涌现出很多改进方法[2-6],Jabid等[7]于2010年提出的局部方向模式算法(LDP),该算法主要利用Kirsch算子进行卷积运算,通过方向响应值去表示人脸的特征信息,抗噪声能力有所提高,但识别率不高. 2015年李照奎等[8]在LDP基础上提出差值局部方向模式(DLDP),该算法引出了差值空间的新思路,将信息提取由强度空间转向梯度空间,注重了人脸特征细节信息的提取,提高了识别率,但该算法计算量偏大. 王晓华等[9]于2016年提出梯度中心对称局部方向模式(GCS-LDP),该算法在梯度空间的基础上引入了中心对称的思想,进一步改进了提取方式,然而识别率并没有显著提高. 2018年Khadiri[10]提出3值模式(LDTP),该算法通过设定指定阈值来对算子使用环境进行分类,其计算简单但易受阈值波动影响,抗噪声鲁棒性差.

针对上述问题,借鉴DLDP算子,并对LBP算子和LDP算子进行改进,本文提出一种面向方向选择的差值局部方向模式人脸识别算法DSDLDP. 其主要思想是利用Kirsch掩模的卷积运算,从梯度空间中选……