[發明專利]基于形態學商圖像的多光照人臉識別方法

有效

• 申請號: 200810102315.1
• 申請日: 2008-03-20
• 公開（公告）號: CN101539992A
• 公開（公告）日: 2009-09-23
• 發明（設計）人: 田捷;張瑤瑤;楊鑫
• 申請（專利權）人: 中國科學院自動化研究所
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62
• 代理公司: 中科專利商標代理有限責任公司
• 代理人: 周國城

技術領域

本發明涉及生物特征識別技術領域，特別涉及到利用形態學來處理不同光照條件下的人臉圖像。

背景技術

由于人臉識別符合人們在生活中進行身份識別的習慣，而且人臉具有一定的穩定性和可靠性，人臉圖像獲取方便，設備成本低廉，人臉識別技術在現代社會中已經成為了一種重要的身份識別的手段。銀行，海關，公安，家用安全設備等安全系統中都大量使用了人臉識別技術。另外，由于人臉圖像的采集具有非接觸的優點，使得其在視頻監控中獲得了廣泛的應用。

然而，雖然隨著科技的進步，人臉識別系統的性能在理想的環境下已經取得了很高的準備率，但是，各種外界因素對人臉識別系統的性能影響很大，尤其是光照條件的影響，使得不同個體的人臉圖像的類間差別大于類內差別，從而導致了錯誤的識別個體的身份。因此，如果快速有效的解決多光照條件下的人臉識別問題，是目前人臉識別研究中的一個重點。

Georghiades等人在1998年提出了光照錐的算法，他們認為同一個個體從同一個視角，在不同光照條件下的形成的所有圖像在空間中張成了一個錐形，即光照錐。只要對注冊的所有個體的光照錐進行建模，那么就可以通過計算一幅給定的任意光照條件下的圖像到各個光照錐之間的距離來決定給定圖像中個體的身份。球面諧波的表示方法是由Basri和Jacobs提出來的，他們證明了一個凸的朗博表面在任意光照下的圖像可以用九個諧波圖像張成的線性子空間來近似。這些方法研究了同一人臉在不同光照條件下形成的圖像的本質屬性，但是不適合應用到實時的人臉識別中去，因為它們需要大量的訓練圖像來訓練得到模型參數，而在實際應用中，往往只有一幅注冊圖像，無法得到滿足需要的訓練圖像。

Shashua等人于2001年提出了商圖像的概念，能夠利用訓練集合中的3幅的在特定光照條件下的人臉圖像，合成任意輸入的人臉在各種光照條件下的圖像，但是該方法對圖像的配準要求很高。自商圖像的方法采用的是加權的高斯濾波器來對圖像進行濾波，再將結果與原始圖像相除，這種方法的缺點是會產生過補償的區域。T.Chen等人提出了基于總變分的商圖像方法，通過解決一個總變分問題來估計人臉圖像中的光照，再求商得到與光照無關的信息。此方法最大的缺點是計算的時間復雜度很高，不適合應用到實時的人臉識別系統中去。

綜合以上分析研究發現，目前國際上已有的人臉識別算法還未能真正快速有效的解決光照不均勻的問題。它們在識別準確率，處理的時間效率等方面還有改善的余地，因此研究開發新的處理多光照條件下的人臉識別算法在應用和學術上都有十分重要的意義。

發明內容

本發明的目的是公開一種基于形態學商圖像的多光照人臉識別方法，針對影響人臉識別系統性能的外界光照問題，提出了基于形態學商圖像的人臉識別算法，能夠實時有效的對輸入的多光照的人臉圖像進行識別分類。

為達到上述目的，本發明的技術解決方案是：

一種基于形態學商圖像的多光照人臉識別方法，其包括步驟：

(1)對原始的各種光照下的人臉圖像進行預處理；

(2)采用動態模板的形態學閉運算方法，對預處理后的圖像進行光照估計；

(3)將(1)步中預處理后的人臉圖像與(2)步中估計的光照圖像相除，得到的商圖像即為與光照條件無關的人臉特征圖像；

(4)對人臉進行最近鄰分類。

所述的方法，其所述步驟(1)的預處理方法，是求出原始圖像中每個點的形態學梯度：

g(x，y)＝(f(x，y)_b)-(f(x，y)！b)

其中，f(x，y)為原始圖像上橫坐標為x，縱坐標為y的點的灰度值，b為形態學模板，g(x，y)為計算得到的圖像中坐標為(x，y)的點的形態學梯度的值；其中b為長寬相等的矩形模板，邊長為人臉圖像中眼球的直徑；設定一個閾值δ，其取值范圍為[6，10]；找出所有形態學梯度小于δ的點，并將在該點處以b為模板的灰度膨脹的值賦于該點。

所述的方法，其所述步驟(2)中的模板，為三種尺度大小的模板，通過計算各個點的局部特征值來決定所選取模板的大小。

所述的方法，其所述三種尺度大小的模板，都是長寬相等的矩形，其三種尺度的模板各自的邊長長度呈等差數列，差值為2個象素單位，其中最小模板的邊長長度為人臉圖像中眼球的直徑，其單位為象素數。

所述的方法，其所述步驟(2)中采用動態模板，是通過對圖像中各個點的局部特征值設定兩個閾值α和β(α＜β)，來決定在該點采用的模板尺度的大小。參數α的取值大小為0.6，參數β的取值大小為2.1。其方法為：