近日，由上海洪剑智能科技有限公司人脸识别实验室提出的基于三角形算子的局部纹理特征描述方法，取得突破性成果，并在第三十届中国控制会议上发表题为“ZhaoYue,Su Jianbo,Li Yi,Local Texture-Feature Description with Triangle Patterns”的署名文章。

纹理是由于物体表面的物理属性不同而造成的，对于不同的物理表面会产生不同的纹理图像，因而纹理作为图像的一个非常重要的属性，在计算机视觉和图像处理中占有举足轻重的作用。图像的纹理可以分解成众多的纹理基元，也称局部模式。这些纹理基元的排列是有一定规律的，并且是反复出现的，最小的基元也就是图像的像素点，纹理特征描述就是这些在图像中反复出现的局部模式和他们的排列规则，反应了宏观意义上的灰度变化的一些规律。

利用局部纹理基元的特征描述方法，广泛的应用于模式识别领域。人脸识别作为模式识别理论的最有价值的应用之一，受到越来越多的研究者的青睐。基于纹理描述特征的人脸识别方法主要有：Gabor小波局部纹理特征的方法，利用局部二值模式（LBP）的方法。其中，Gabor小波局部纹理特征是通过不同尺度和方向滤波器的设计来反映图像空间局部方面的特征，表现出了非常强的纹理描述能力，而且被认为是一种符合人眼生物学原理的局部描述特征，但是它的特征维数十分庞大且计算复杂，与之相比，局部二值模式以其特征维数较小，训练样本数目要求少，算法简单计算速度快等优点而受到广泛的关注，原始的LBP算子固定分析图像中的3x3的窗口，以窗口的中点的灰度值为阈值对窗口内的其他像素作二值化处理，然后根据像素不同位置进行加权求和得到该窗口的LBP值，随后研究者们又研究出统一模式的LBP算子，多尺度LBP算子等多种相应的改进方法，但是，无论是原始的LBP算子，还是其各种改进方法都存在一定的局限性，他们都是将一个圆上的几个像素点与中心像素点进行比较，将这种比较的结果构成基本模式，所以这些构成基本模式的像素点都必须满足中心对称条件，从而忽略了那些位置上不对称的像素点之间的信息。

基于以上原因，上海洪剑智能科技有限公司人脸识别实验室提出了一种新的局部纹理特征提取方法，该方法以三角形为基本模式，通过多尺度模式的结合最大限度的提取了图像中像素点之间的局部特征信息，并成功的应用于人脸识别，与局部二值模式相比，本方法不仅仅局限于提取对称相邻像素点的信息，所以可以更灵活的将各种位置关系的像素点之间的信息表达出来，从而取得更好的识别效果。

该成果已经进入实用化测试阶段，为向产品级发展做好准备。