基于兴趣点定位的局部方向模式人脸识别方法

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

所属期刊栏目：37

分类号：TP391.41(计算技术、计算机技术)

资助基金：the Chongqing Municipal Education Commission Science and Technology Research ProjectKJ130512;the Chongqing Science and Technology Commission Project CSCT2015jcyjBX0066.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

在线出版日期：2017-09-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：2248-2252