叶学义，钱丁炜，应娜，王涛

（杭州电子科技大学模式识别与信息安全实验室，浙江 杭州 310018）

1 引言

人脸识别因其广泛的应用领域、非侵入式且便利的采集方式[1]，一直是被深入研究但又亟待突破的研究热点。实际应用中广泛存在的，诸如光照、遮挡、姿态、表情等因素，依然是造成识别性能剧烈变化的主要原因，这些因素严重影响了人脸特征提取和表征的稳定性。因此，寻求解决该问题的关键在于如何稳定、有效地提取并表征人脸特征，提高人脸识别算法的稳健性。其中，有效性是描述特征提取效果好坏的重要指标之一，体现了提取的特征信息对于分类的作用大小，最直观的表现为识别率的高低。

人脸特征提取的研究主要分为全局特征提取和局部特征[2]提取两大类。全局特征提取着眼于人脸图像的整体属性，虽然具有较高的计算效率，但忽视了人脸细节的刻画，对局部边缘特征提取不充分。典型的方法有主成分分析（principal component analysis，PCA）[3]、线性判别分析（linear discriminant analysis，LDA）[4]等；局部特征提取专注于刻画人脸的局部或者微纹理结构，对原始图像进行特定模式编码，获得对应的特征图，对于光照、表情、姿态等干扰的稳健性较好。经典方法有局部二值模式（local binary pattern，LBP）[5]、局部方向模式（local directional pattern，LDP）[6]等。这类方法识别速度非常快，能在速度与精度上取得一个有效平衡，得到了广泛的研究。Ojala等[5]提出了局部特征提取经典的LBP方法，该方法侧重于利用中心像素与邻域像素的灰度值差异，很好地刻画了图像纹理。……