霍春宝，杨 闯，佟智波，杨红喆，王丹丹

（1.辽宁工业大学 电气工程学院，辽宁 锦州 121001；2.锦州石化公司 矿区事业部，辽宁 锦州 121001；3.国网锦州供电公司 电力调度控制中心，辽宁 锦州 121001；4.上海应用技术大学 计算机科学与信息工程学院，上海 200235）

0 引言

人脸识别技术与其他生物特征识别技术相比，具有不易伪造、不易窃取、不会遗忘、不会侵犯，易分辨等优势[1]，因而人脸识别技术在各个领域中被广泛采用，如银行、医院、机场等.近些年来，随着智能技术的快速发展，人脸识别技术开始与其他技术结合，实现更强大功能，例如，与活体检测相结合实现刷脸支付，与汽车的主控制系统相结合实现刷脸车启动，为用户提供全新智能体验.

人脸识别系统[2]可以分为：检测与定位，对图像中是否存在人脸进行判断并标记；图像预处理，对图像因外界因素影响导致的变化进行校正；特征提取，从高维图像中提取可以很好表征人脸特征的低维度特征向量；匹配识别，通过某种分类策略判断待识别人脸所属类别.

本文依据光学字符识别（Optical Character Recognition，OCR）技术中特征提取算法所具有的优势，将传统SIFT 人脸识别算法与LTP 算法结合，并进行改进，不仅增加特征对旋转、光照、噪声干扰等影响因素的鲁棒性，还降低了计算的复杂度.

1 人脸的关键点定位

通过对OCR 技术的结构特征研究分析，发现此类特征都是在字符关键点基础上得到，常见的字符关键特征点包括拐点、交叉点、端点、局部曲率最大的点等.结构……