分享资料个
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。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
全部0条评论
快来发表一下你的评论吧 !
