專利名稱：一種光照人臉識別方法
技術(shù)領(lǐng)域：
本發(fā)明涉及計算機模式識別技術(shù)領(lǐng)域，具體地說，是一種人臉識別方法。
背景技術(shù)：
目前，在個人身份認證識別技術(shù)中，人臉識別是一種比較有效的手段。人臉與其他生物特征識別技術(shù)相比，優(yōu)勢在于自然性和不易被待測個體察覺。所謂自然性，是指該識別方式同人類(甚至其他生物)進行個體識別時所利用的生物特征相同，都是選取人臉作為特征進行身份認證。另外，該識別方法不令人反感，并且因為不容易引起人的注意而不容易被欺騙。其缺點是:當前的人臉識別算法對圖像采集要求非常嚴格，對光照、姿態(tài)、表情等因素進行了限定，基本都是采用固定環(huán)境下(如固定光照、不能有表情、正視鏡頭等)采集的圖像進行識別，這就使得系統(tǒng)的實用性大大降低。在這些干擾因素中，又以光照變化最為突出，特別是在戶外人臉識別中，光照變化帶來的干擾會導致同一人臉在不同光照下的圖像相似度比不同人臉在相同光照下的圖像相似度還要低[1]。若訓練樣本又唯一 [2][3]，那么光照條件的不穩(wěn)定性使得識別任務會變得更加艱巨。為了消除光照變化對人臉識別的影響，科研人員做出了大量的工作，提出了許多有效的方法[4]。其中，主動三維人臉[5]、主動近紅外人臉Μ和熱紅外人臉因為不是在可見光譜內(nèi)獲得的人臉圖像，因而能夠非常好地解決光照干擾。但是它們需要額外的采集設備，并且需要測試者近距離的配合使用，所以在實際人臉識別系統(tǒng)中的使用受到限制。因此大多數(shù)的研究還是集中在利用可見光譜內(nèi)的人臉圖像領(lǐng)域。以主成分分析PCA(Eigenface)[8]和線性判別分析LDA(Fisherface)[9]為代表的線性子空間方法被用來對包含不同光照條件下人臉圖像的樣本集進行訓練，以得到涵蓋所有光照條件的子空間特征。但是如果訓練集或者測試集中存在劇烈的光照差異，那么此類方法的效果將大打折扣。Georghiades—和Basritl1]提出了將2D人臉映射為3D人臉模型的方法來消除光照影響，雖然實驗數(shù)據(jù)表明此方法能夠得到非常出眾的識別效果，但是它的計算復雜度問題阻礙了其用于實際系統(tǒng)。局部二值模式LBP(L0CalBinaryPattern) [12_18]是一種非常簡單有效的紋理分析和人臉識別方法，它只考慮了局部區(qū)域像素值之間的大小關(guān)系，而放棄了容易受光照影響的對比度關(guān)系，所以它能夠消除光照變化帶來的非線性干擾。然而，局部二值模式LBP由于放棄對比度信息也會造成紋理信息的丟失，影響人臉識別的效果。自商圖像(QuotientImage) [19][2°]和Total-Variance自商圖像[21]通過圖像自除并進行權(quán)重高斯濾波平滑操作后，可以較好地克服光照影響，但是這種方法是在假設沒有陰影并且圖像對齊的情況下才有效，因此缺乏運用到實際系統(tǒng)的條件。Zhangt22]利用小波去噪技術(shù)提出了一種具有光照不變性的人臉結(jié)構(gòu)表示方法，但是此方法需要指定一個經(jīng)驗域值參數(shù)，其普適性受到影響。

發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問題是針對當前人臉識別技術(shù)在光照變化情形下的困境提供一套人臉識別框架。所提方法有效緩解了復雜光照變化下人臉識別面臨的主要問題，從而提聞識別性能。本發(fā)明解決上述技術(shù)問題的技術(shù)方案是:一種光照人臉識別方法，包括步驟:對人臉圖像進行光照歸一化預處理；利用粗粒度區(qū)化法將預處理后的人臉圖像對比度連續(xù)值域區(qū)間進行劃分，選擇拐點T1, T2,…V1作為動態(tài)閾值點將對比度值域區(qū)間[minC，maxC]進行非線性劃分為N層，提取每一層中包含了光照變化信息的人臉特征；計算模糊隸屬函數(shù)保存每層特征隸屬于各類的卡方距離，根據(jù)公式:
權(quán)利要求
1.一種光照人臉識別方法，其特征在于:包括步驟:對人臉圖像進行光照歸一化預處理；利用粗粒度區(qū)化法將預處理后的人臉圖像對比度連續(xù)值域區(qū)間進行劃分，選擇拐點T1, T2,…Tp1作為動態(tài)閾值點將對比度值域區(qū)間[minC，maxC]進行非線性劃分為N層，提取每一層中包含了光照變化信息的人臉特征；計算模糊隸屬函數(shù)保存每層特征隸屬于各類的卡方距離，根據(jù)公式:
2.根據(jù)權(quán)利要求1所述的識別方法，其特征在于，所述光照歸一化預處理為:將人臉圖像轉(zhuǎn)換到對數(shù)域，利用差分高斯濾波器對人臉圖像進行平滑操作，然后進行全局對比度均衡化和直方圖均衡化。
3.根據(jù)權(quán)利要求1所述的識別方法，其特征在于，根據(jù)每個分層的人臉特征，按照LMCP編碼，得到N組不同紋理信息的人臉分塊特征，依次對所有位于同一層的人臉分塊特征級聯(lián)得到一張完整的人臉特征。
4.根據(jù)權(quán)利要求1所述的識別方法，其特征在于，所述粗粒度區(qū)化法具體為:針對某一人臉分塊Rj,求取該分塊內(nèi)所有局部區(qū)域(以g。為中心像素點，R為半徑，P個鄰居點的區(qū)域)內(nèi)像素值對比度的最大值maxC和最小值minC，根據(jù)公式:
5.根據(jù)權(quán)利要求1所述的識別方法，其特征在于，計算模糊隸屬函數(shù)保存每層特征隸屬于各類的卡方距離的方法包括:根據(jù)公式:
6.根據(jù)權(quán)利要求1所述的識別方法，其特征在于，通過信息熵計算獲取融合權(quán)重，具體為，根據(jù)公式:
全文摘要
本發(fā)明請求保護一種光照人臉識別方法，涉及計算機模式識別領(lǐng)域。將光照變化對人臉識別造成的影響從預處理﹑特征提取﹑分類器的設計三方面進行了改進，有效降低了光照變化對人臉識別性能的影響。本發(fā)明利用粗粒度區(qū)化算法，結(jié)合光照變化信息將連續(xù)對比度值域區(qū)間非線性劃分成若干離散的子區(qū)間，并提取局部非線性多層對比度特征LNMCP作為人臉特征，有效彌補了局部二值模式LBP和LMCP的缺陷；并引入了模糊隸屬函數(shù)存儲被測試本屬于各類的概率，最后通過信息熵計算各層權(quán)重，精確的融合各層分類子結(jié)果。本發(fā)明有效提高了人臉識別率。
文檔編號G06K9/62GK103208012SQ20131016699
公開日2013年7月17日 申請日期2013年5月8日 優(yōu)先權(quán)日2013年5月8日
發(fā)明者周麗芳, 李偉生 申請人:重慶郵電大學