[發明專利]自適應的人臉識別光照處理方法

有效

• 申請號: 201510349830.X
• 申請日: 2015-06-23
• 公開（公告）號: CN105046202B
• 公開（公告）日: 2019-04-16
• 發明（設計）人: 李千目;陳晗婧
• 申請（專利權）人: 南京理工大學
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 南京理工大學專利中心 32203
• 代理人: 朱顯國

1.一種自適應的人臉識別光照處理方法，其特征在于步驟如下：

第一步，訓練Haar特征分類器處理含人臉的圖像，實現人臉定位，將人臉部分裁剪出來；

第二步，建立光照子空間，針對三種可能的光照情況，組織經過高斯模糊處理的樣本集合，對樣本集合進行訓練得到若干個弱分類器級聯而成的強分類器；

第三步，將經過第一步處理的人臉圖像放入到分類器中，得到人臉的光照復雜程度；

第四步，根據第三步得到的人臉的光照復雜程度，若為光照影響嚴重，則選擇梯度臉進行光照處理，若為少量光照影響，則選擇光照預處理鏈進行光照處理，若為幾乎無光照影響，則選擇直方圖均衡化進行光照處理；

建立光照子空間并進行光照復雜度判斷的具體步驟如下：

2.1建立樣本集，該集合包含多個各種光照下的人臉圖像，根據判定標準將樣本圖像的光照情況進行分類：①幾乎無光照影響，即人臉受光均勻；②少量光照影響，即少量偏光，人臉輪廓及邊緣可見；③嚴重光照影響，即人臉陰影遮擋范圍大，過度曝光；

2.2對樣本集圖片進行高斯模糊：

其中，x,y分別代表坐標點的位置，σ表示平滑的程度，使用高斯模糊平滑人臉圖像，隱藏其面部五官特征，僅得到臉部明暗對比的圖像；

2.3采用基于Haar特征的Adaboost方法對經過高斯模糊的樣本集進行訓練，得到諸多弱分類器，將多個弱分類器連接起來，得到一個強分類器；具體方法如下：

2.3.1初始化權重：

其中f為光照圖像特征，θ為閾值，p為不等號的方向，x為一個檢測子窗口；

其中，w_t,i為第t個分類器第i個特征的權重，q_t,i是歸一化后的權重；

2.3.2對于每一類多個角度的光照圖像特征f，訓練一個弱分類器h，計算所有圖像的加權錯誤率ε_f，

ε_f＝∑_iq_i|h(x_i,f,p,θ)-y_i|

選取具有最小錯誤率ε_f的弱分類器h_i，并調整樣本的權重

其中e_i＝0表示x_i被正確分類，反之則為錯誤分類；

其中ε_t為第t個分類器的加權錯誤率，為調整因子；

2.3.3將2.3.2中得到的弱分類器級聯成三組強分類器

其中

2.根據權利要求1所述的自適應的人臉識別光照處理方法，其特征在于：第三步將經過處理的人臉圖像放入第二步組成的強分類器中，若第一層分類器得到的結果為1，則圖像屬于光照影響嚴重；若第一層分類器得到的結果為0，則進入到下一層判斷，若此時分類器得到的結果為1，則圖像屬于光照影響適中；否則判斷其為幾乎沒有光照影響。

3.根據權利要求1所述的自適應的人臉識別光照處理方法，其特征在于所述第四步的具體方法如下：

(1)當分類為正常光照，即高斯模糊后的圖像矩陣暗像素占5％～30％，則選擇直方圖均衡化對圖片進行處理；

(2)當分類為略微光照影響，即高斯模糊后的圖像矩陣暗像素占30％～70％，則選擇光照預處理鏈對圖片進行處理；

(3)當分類為嚴重光照影響，即高斯模糊后的圖像矩陣暗像素占70％～100％，則選擇梯度臉對圖片進行處理。