[發(fā)明專利]一種聯(lián)合單尺度Retinex算法和歸一化結(jié)構(gòu)描述子的光照人臉識別方法

在審

• 申請?zhí)枺?/td>: 201310413168.0
• 申請日: 2013-09-11
• 公開（公告）號: CN103500339A
• 公開（公告）日: 2014-01-08
• 發(fā)明（設(shè)計）人: 毋立芳;周鵬;許曉;曹航明;侯亞希
• 申請（專利權(quán)）人: 北京工業(yè)大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京思海天達知識產(chǎn)權(quán)代理有限公司 11203
• 代理人: 劉萍

技術(shù)領(lǐng)域

本發(fā)明涉及光照人臉識別技術(shù)，具體涉及一種聯(lián)合單尺度Retinex算法和歸一化結(jié)構(gòu)描述子的光照人臉識別方法的研究及實現(xiàn)。

背景技術(shù)

隨著美國911恐怖襲擊事件以及網(wǎng)絡(luò)CSDN用戶信息遭泄露事件的發(fā)生，生物特征識別技術(shù)受到大家關(guān)注，而人臉生物特征的識別認證技術(shù)一直是生物特征識別領(lǐng)域研究的熱點，人臉識別在可控的情況下可以獲得很好的識別性能，但在實際應(yīng)用中，人臉識別往往受到很多因素影響，當人臉姿態(tài)發(fā)生變化，表情發(fā)生變化，外界光照發(fā)生變化，人臉存在遮擋（戴圍巾，墨鏡）等情況時，人臉識別的性能將會下降很多，這就制約了人臉識別在實際中的應(yīng)用。其中人臉光照變化給人臉識別帶來的影響是使得同一個人的兩幅人臉的類內(nèi)差異大于不同人之間的兩幅人臉的類間差異，進而造成識別錯誤。

因此很多研究學者致力于光照人臉識別方法的研究，光照人臉識別方法主要分為三大類，一類是光照歸一化的方法，這類方法的主要思想是將光照人臉歸一化到正常光照人臉，代表性的方法包括：直方圖均衡，對數(shù)變換以及伽馬校正，但這類方法由于沒有考慮光照人臉的光照條件，因此很難獲得滿意的效果，第二類方法是基于模型的方法，這類方法的基本思想是利用Lambertian表面的假設(shè)去構(gòu)建不同光照條件下的圖像模型，代表性的方法主要有Basri和Jacobs提出的球諧函數(shù)法，Georghiades等人提出的光照錐的方法，Lee等人提出的線性子空間的方法，這類方法雖然可以獲得較好的效果，但也有明顯的不足，就是需要很多的訓練樣本，因此這類方法很難滿足實際應(yīng)用的要求。第三類為提取光照不敏感特征的方法，代表性的方法有局部二值模式（LBP），離散余弦變換（DCT），自熵圖像法（SQI），Chen等人提出的對數(shù)全變分模型（LTV），Wang等人提出的Weber-face，Hou等人提出的relative?gradients(RG)，Zhang等人提出的Gradient-faces，Jobson等人基于Retinex理論提出的單尺度Retinex算法和多尺度Retinex算法。本發(fā)明針對單尺度Retinex算法進行研究分析發(fā)現(xiàn)，當光照變化劇烈時，單尺度Retinex算法的處理結(jié)果存在陰影，進一步分析處理結(jié)果的統(tǒng)計直方圖，發(fā)現(xiàn)該結(jié)果的統(tǒng)計直方圖與正常光照人臉處理結(jié)果的統(tǒng)計直方圖有很大差異，因此基于單尺度Retinex算法的光照人臉識別方法性能不是很好，因此本發(fā)明針對單尺度Retinex算法進行改進，在單尺度Retinex算法基礎(chǔ)上提取歸一化結(jié)構(gòu)描述子改善單尺度Retinex算法的性能，提出聯(lián)合單尺度Retinex算法和歸一化結(jié)構(gòu)描述子的光照人臉識別方法。

發(fā)明內(nèi)容

本發(fā)明提供一種聯(lián)合單尺度Retinex算法和歸一化結(jié)構(gòu)描述子的光照人臉識別方法，該方法可以實現(xiàn)任意光照條件下的人臉進行識別。

由于現(xiàn)有的光照人臉識別方法有各自的缺陷，特別是單尺度Retinex算法，本發(fā)明單尺度Retinex算法進行改進，在單尺度Retinex算法基礎(chǔ)上提取歸一化結(jié)構(gòu)描述子改善單尺度Retinex算法的性能，提出聯(lián)合單尺度Retinex算法和歸一化結(jié)構(gòu)描述子的光照人臉識別方法。本發(fā)明經(jīng)實驗分析得出單尺度Retinex算法對于光照變化較大的人臉，處理結(jié)果存在陰影，而且處理后人臉的統(tǒng)計直方圖與光照正常人臉的統(tǒng)計直方圖存在很大差異，因此本發(fā)明對單尺度Retinex算法處理結(jié)果進一步進行均勻濾波以消除噪聲，然后提取歸一化結(jié)構(gòu)描述子。最后利用歸一化結(jié)構(gòu)描述子得到去光照的人臉圖像，處理結(jié)果的統(tǒng)計直方圖與光照正常人臉的統(tǒng)計直方圖差異明顯減小。本發(fā)明提出的方法計算復(fù)雜度低，同時對于光照變化大的情況，識別性能要優(yōu)于單尺度Retinex的方法，因此，本發(fā)明具有一定的應(yīng)用價值和意義。

為了實現(xiàn)上述問題，本發(fā)明提供了一種聯(lián)合單尺度Retinex算法和歸一化結(jié)構(gòu)描述子的光照人臉識別方法，該方法具體包括：

A、注冊階段，對于每個人的光照正常人臉（光照條件如Yale?face?database?B中“A+000E+00”的人臉圖像），首先利用單尺度Retinex算法進行處理，提取反射分量，之后對處理結(jié)果進行均勻濾波，消除噪聲，然后提取歸一化結(jié)構(gòu)描述子，最后利用歸一化結(jié)構(gòu)描述子生成去光照的人臉圖像，并將去光照的人臉圖像存入數(shù)據(jù)庫中。