用于无约束鲁棒人脸检索的局部方向关系模式

人脸识别仍然是一个需求极大的研究领域。在无约束环境中以及在姿态、光照、表情等多种变化存在的情况下，该问题变得更具挑战性。局部描述符被广泛用于此任务。大多数现有的局部描述符仅考虑少数直接局部邻居，无法利用更广泛的局部信息使描述符更具判别力。基于更广泛局部信息的描述符主要因维度增加而受影响。在本文中，通过以高效方式编码方向邻居之间的关系解决了这一问题。中心像素与编码方向邻居之间的关系被进一步利用以形成所提出的局部方向关系模式（LDRP）。该描述符本质上是均匀光照不变的。多尺度机制也被采用以进一步提升描述符的判别能力。所提出的描述符在人脸数据库上的图像检索框架下进行了评估。使用极具挑战性的数据库如 PaSC、LFW、PubFig、ESSEX、FERET、AT&T 和 FaceScrub 来测试 LDRP 描述符的判别能力和鲁棒性。结果还与最近的最先进人脸描述符如 LBP、LTP、LDP、LDN、LVP、DCP、LDGP 和 LGHP 进行了比较。与现有人脸描述符相比，使用所提出的描述符在极具吸引力的人脸数据库上观察到了非常有前景的性能。所提出的 LDRP 描述符在大规模 FaceScrub 人脸数据集上也优于预训练的 ImageNet CNN 模型。此外，它在许多场景中也优于基于深度学习的 DLib 人脸描述符。