一種光照人臉識(shí)別方法技術(shù)

本發(fā)明專(zhuān)利技術(shù)請(qǐng)求保護(hù)一種光照人臉識(shí)別方法，涉及計(jì)算機(jī)模式識(shí)別領(lǐng)域。將光照變化對(duì)人臉識(shí)別造成的影響從預(yù)處理﹑特征提取﹑分類(lèi)器的設(shè)計(jì)三方面進(jìn)行了改進(jìn)，有效降低了光照變化對(duì)人臉識(shí)別性能的影響。本發(fā)明專(zhuān)利技術(shù)利用粗粒度區(qū)化算法，結(jié)合光照變化信息將連續(xù)對(duì)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(duì)比度特征LNMCP作為人臉特征，有效彌補(bǔ)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(chǔ)被測(cè)試本屬于各類(lèi)的概率，最后通過(guò)信息熵計(jì)算各層權(quán)重，精確的融合各層分類(lèi)子結(jié)果。本發(fā)明專(zhuān)利技術(shù)有效提高了人臉識(shí)別率。

【技術(shù)實(shí)現(xiàn)步驟摘要】
一種光照人臉識(shí)別方法
本專(zhuān)利技術(shù)涉及計(jì)算機(jī)模式識(shí)別
，具體地說(shuō)，是一種人臉識(shí)別方法。
技術(shù)介紹
目前，在個(gè)人身份認(rèn)證識(shí)別技術(shù)中，人臉識(shí)別是一種比較有效的手段。人臉與其他生物特征識(shí)別技術(shù)相比，優(yōu)勢(shì)在于自然性和不易被待測(cè)個(gè)體察覺(jué)。所謂自然性，是指該識(shí)別方式同人類(lèi)（甚至其他生物）進(jìn)行個(gè)體識(shí)別時(shí)所利用的生物特征相同，都是選取人臉作為特征進(jìn)行身份認(rèn)證。另外，該識(shí)別方法不令人反感，并且因?yàn)椴蝗菀滓鹑说淖⒁舛蝗菀妆黄垓_。其缺點(diǎn)是：當(dāng)前的人臉識(shí)別算法對(duì)圖像采集要求非常嚴(yán)格，對(duì)光照、姿態(tài)、表情等因素進(jìn)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(jìn)行識(shí)別，這就使得系統(tǒng)的實(shí)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(hù)外人臉識(shí)別中，光照變化帶來(lái)的干擾會(huì)導(dǎo)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(xùn)練樣本又唯一[2][3]，那么光照條件的不穩(wěn)定性使得識(shí)別任務(wù)會(huì)變得更加艱巨。為了消除光照變化對(duì)人臉識(shí)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(dòng)三維人臉[5]、主動(dòng)近紅外人臉[6]和熱紅外人臉[7]因?yàn)椴皇窃诳梢?jiàn)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(shè)備，并且需要測(cè)試者近距離的配合使用，所以在實(shí)際人臉識(shí)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(jiàn)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(lái)對(duì)包含不同光照條件下人臉圖像的樣本集進(jìn)行訓(xùn)練，以得到涵蓋所有光照條件的子空間特征。但是如果訓(xùn)練集或者測(cè)試集中存在劇烈的光照差異，那么此類(lèi)方法的效果將大打折扣。Georghiades[10]和Basri[11]提出了將2D人臉映射為3D人臉模型的方法來(lái)消除光照影響，雖然實(shí)驗(yàn)數(shù)據(jù)表明此方法能夠得到非常出眾的識(shí)別效果，但是它的計(jì)算復(fù)雜度問(wèn)題阻礙了其用于實(shí)際系統(tǒng)。局部二值模式LBP(LocalBinaryPattern)[12-18]是一種非常簡(jiǎn)單有效的紋理分析和人臉識(shí)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(duì)比度關(guān)系，所以它能夠消除光照變化帶來(lái)的非線性干擾。然而，局部二值模式LBP由于放棄對(duì)比度信息也會(huì)造成紋理信息的丟失，影響人臉識(shí)別的效果。自商圖像(QuotientImage)[19][20]和Total-Variance自商圖像[21]通過(guò)圖像自除并進(jìn)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(shè)沒(méi)有陰影并且圖像對(duì)齊的情況下才有效，因此缺乏運(yùn)用到實(shí)際系統(tǒng)的條件。Zhang[22]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(gè)經(jīng)驗(yàn)域值參數(shù)，其普適性受到影響。
技術(shù)實(shí)現(xiàn)思路
本專(zhuān)利技術(shù)所要解決的技術(shù)問(wèn)題是針對(duì)當(dāng)前人臉識(shí)別技術(shù)在光照變化情形下的困境提供一套人臉識(shí)別框架。所提方法有效緩解了復(fù)雜光照變化下人臉識(shí)別面臨的主要問(wèn)題，從而提高識(shí)別性能。本專(zhuān)利技術(shù)解決上述技術(shù)問(wèn)題的技術(shù)方案是：一種光照人臉識(shí)別方法，包括步驟：對(duì)人臉圖像進(jìn)行光照歸一化預(yù)處理；利用粗粒度區(qū)化法將預(yù)處理后的人臉圖像對(duì)比度連續(xù)值域區(qū)間進(jìn)行劃分，選擇拐點(diǎn)T1,T2,…TN-1作為動(dòng)態(tài)閾值點(diǎn)將對(duì)比度值域區(qū)間[minC,maxC]進(jìn)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(jì)算模糊隸屬函數(shù)保存每層特征隸屬于各類(lèi)的卡方距離，根據(jù)公式：將各層人臉特征按權(quán)重進(jìn)行了融合，當(dāng)t取最大值得到的K即為識(shí)別結(jié)果，其中，表示第N層人臉特征模糊隸屬于第t類(lèi)的程度，WNt表示第N層特征模糊隸屬于第t類(lèi)時(shí)的融合權(quán)重。為了將光照變化對(duì)圖片的影響控制在一定范圍內(nèi)，所有圖像必須進(jìn)行歸一化操作，否則當(dāng)光照變化較為劇烈時(shí)，對(duì)比度值分層算法會(huì)受到光照的強(qiáng)烈干擾。故先將人臉圖像轉(zhuǎn)換到對(duì)數(shù)域，并利用差分高斯濾波器對(duì)光照不均勻的人臉圖像進(jìn)行平滑操作，然后進(jìn)行全局對(duì)比度均衡化和直方圖均衡化，以增強(qiáng)整個(gè)人臉圖像的對(duì)比度；局部非線性多層對(duì)比度分布LNMCP作為人臉識(shí)別特征:針對(duì)某一人臉圖像分塊Rj，根據(jù)局部二值模式LBP算子求取該分塊內(nèi)所有局部區(qū)域內(nèi)像素值對(duì)比度的最大值maxC和最小值minC，根據(jù)公式：將該局部區(qū)域的對(duì)比度值線性等距離分層。利用上述結(jié)果，再通過(guò)粗粒度區(qū)化算法求取結(jié)合光照變化情況的動(dòng)態(tài)閾值點(diǎn)。這些新生成的動(dòng)態(tài)劃分點(diǎn)可實(shí)現(xiàn)對(duì)比度值域區(qū)間的非線性劃分，從而提取包含光照動(dòng)態(tài)變化信息的N層人臉特征。最后，為了充分利用N層特征在不同光照情形下的識(shí)別優(yōu)勢(shì)，以上N層特征被單獨(dú)用于分類(lèi)，并根據(jù)公式：利用模糊隸屬函數(shù)保存每層特征隸屬于各類(lèi)的卡方距離。本專(zhuān)利技術(shù)對(duì)人臉?lè)謮K進(jìn)行粗粒度劃分，可以合理、有效地劃分對(duì)比度連續(xù)值域區(qū)間，其自適應(yīng)性能夠真實(shí)地反映出對(duì)比度值隨光照變化在該區(qū)間的動(dòng)態(tài)分布情況。通過(guò)局部非線性多層對(duì)比度分布提取的LNMCP人臉特征結(jié)合了光照動(dòng)態(tài)變化信息，為了充分利用上述特征在不同光照情形下的識(shí)別優(yōu)勢(shì)，各分層特征被單獨(dú)用于分類(lèi)，并引入模糊隸屬函數(shù)存儲(chǔ)各層的分類(lèi)結(jié)果,從而為最后的判定提供更多依據(jù)；信息熵的引入；為了更加精確地計(jì)算出多層特征之間的距離對(duì)全局特征距離的貢獻(xiàn)率，通過(guò)計(jì)算所得的各層權(quán)重對(duì)不同層的分類(lèi)結(jié)果進(jìn)行了加權(quán)融合。從而估計(jì)出不同層次圖像之間的距離對(duì)全局距離的貢獻(xiàn)率，相對(duì)于無(wú)權(quán)重或固定權(quán)重，更適應(yīng)于光照變化環(huán)境下的人臉識(shí)別。附圖說(shuō)明圖1是本專(zhuān)利技術(shù)的工作流程圖；圖2是兩個(gè)人在不同光照變化下的原始輸入人臉圖像；圖3是對(duì)應(yīng)圖2預(yù)處理后的圖像；圖4是LBP局部二值模式特征值的獲取過(guò)程；圖5是LMCP特征值的獲取過(guò)程。具體實(shí)施方式采用如下方法實(shí)施對(duì)人臉圖像的處理。步驟一、光照歸一化預(yù)處理，該工作將光照變化對(duì)人臉圖像的影響控制在一定范圍之內(nèi)，確保對(duì)比度值不被過(guò)度干擾；步驟二、局部非線性多層對(duì)比度分布LNMCP（LocalNonlinearMulti-layerContrastPattern)作為人臉識(shí)別特征，鑒于LMCP（LocalMulti-layerContrastPattern）線性均等分層算法只能限定光照輕微變化下的對(duì)比度層次值的漂移，本專(zhuān)利技術(shù)利用粗粒度區(qū)化算法，結(jié)合光照變化信息將連續(xù)對(duì)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(duì)比度特征LNMCP作為人臉特征，有效彌補(bǔ)了局部二值模式LBP和線性均等分層LMCP的缺陷；步驟三、模糊融合識(shí)別框架，上述各組特征被分別單獨(dú)用于識(shí)別，并引入了模糊隸屬函數(shù)存儲(chǔ)被測(cè)試本屬于各類(lèi)的概率，最后通過(guò)信息熵計(jì)算各層權(quán)重，精確的融合各層分類(lèi)本文檔來(lái)自技高網(wǎng)...

【技術(shù)保護(hù)點(diǎn)】
一種光照人臉識(shí)別方法，其特征在于：包括步驟：對(duì)人臉圖像進(jìn)行光照歸一化預(yù)處理；利用粗粒度區(qū)化法將預(yù)處理后的人臉圖像對(duì)比度連續(xù)值域區(qū)間進(jìn)行劃分，選擇拐點(diǎn)T1,T2,…TN?1作為動(dòng)態(tài)閾值點(diǎn)將對(duì)比度值域區(qū)間[minC,maxC]進(jìn)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(jì)算模糊隸屬函數(shù)保存每層特征隸屬于各類(lèi)的卡方距離，根據(jù)公式：K-argmaxcΣn=1NW1tχ1t+···WNtχNtN將各層人臉特征按權(quán)重進(jìn)行了融合，當(dāng)t取最大值得到的K即為識(shí)別結(jié)果，其中，表示第N層人臉特征模糊隸屬于第c類(lèi)的程度，WNt表示第N層特征模糊隸屬于第t類(lèi)時(shí)的融合權(quán)重。FDA00003160985000012.jpg

【技術(shù)特征摘要】
1.一種光照人臉識(shí)別方法，其特征在于，包括步驟：(1)對(duì)人臉圖像進(jìn)行光照歸一化預(yù)處理：將人臉圖像轉(zhuǎn)換到對(duì)數(shù)域，利用差分高斯濾波器對(duì)人臉圖像進(jìn)行平滑操作，然后進(jìn)行全局對(duì)比度均衡化和直方圖均衡化；(2)局部非線性多層對(duì)比度分布作為人臉識(shí)別特征:利用粗粒度區(qū)化法將預(yù)處理后的人臉圖像對(duì)比度連續(xù)值域區(qū)間進(jìn)行劃分，選擇拐點(diǎn)T1,T2,…TN-1作為動(dòng)態(tài)閾值點(diǎn)將對(duì)比度值域區(qū)間[minC,maxC]進(jìn)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；所述粗粒度區(qū)化法具體為：針對(duì)某一人臉?lè)謮KRj，求取該分塊內(nèi)所有局部區(qū)域內(nèi)像素值對(duì)比度的最大值maxC和最小值minC，根據(jù)公式：將該局部區(qū)域的對(duì)比度值線性等距離分層，其中，L表示線性分層的數(shù)量,l表示人臉?lè)謮KRj內(nèi)各局部區(qū)域的鄰居點(diǎn)gp對(duì)應(yīng)的對(duì)比度層次；所述局部區(qū)域是指以gc為中心像素點(diǎn)、R為半徑、P個(gè)鄰居點(diǎn)的區(qū)域；設(shè)sl為某一對(duì)比度層次l上包含的記錄條目數(shù),s為所有對(duì)比度層上的記錄條目總數(shù)，即sl≤s,Σsl＝s；另又設(shè)φ(t)為sl與s兩者的比值,即φ(t)對(duì)在區(qū)間[minC,maxC]上的各等距離子區(qū)間X∈[Xm,Xm+...

【專(zhuān)利技術(shù)屬性】
技術(shù)研發(fā)人員：周麗芳，李偉生，
申請(qǐng)(專(zhuān)利權(quán))人：重慶郵電大學(xué)，
類(lèi)型：發(fā)明
國(guó)別省市：