[發(fā)明專利]一種復雜光照場景下的人臉識別方法

有效

• 申請?zhí)枺?/td>: 201710335575.2
• 申請日: 2017-05-12
• 公開（公告）號: CN107194335B
• 公開（公告）日: 2020-09-25
• 發(fā)明（設計）人: 程勇;焦良葆;曹雪虹;路紅;陳瑞
• 申請（專利權）人: 南京工程學院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 江蘇圣典律師事務所 32237
• 代理人: 鄧麗

本發(fā)明實施例公開了一種復雜光照場景下的人臉識別方法，涉及圖像處理技術領域，能夠提高復雜光照人臉識別的光照魯棒性。本發(fā)明包括：加載第一至第N光照不變量算法，并通過所加載的光照不變量算法提取原始圖像對應的第一至第N光照不變量。其中，N為大于且等于2的整數；對所提取的光照不變量進行線性鑒別分析，得到對應各光照不變量算法的代數特征。根據得到的代數特征，通過特征級融合算法，獲取所述原始圖像的組合代數特征。通過分類器組對所述得到的代數特征和所述組合代數特征進行類別判定，得到所述原始圖像的最終識別結果。本發(fā)明適用于復雜光照場景下的人臉識別。

技術領域

本發(fā)明涉及圖像處理技術領域，尤其涉及一種復雜光照場景下的人臉識別方法。

背景技術

復雜光照場景下的人臉識別，一直都是業(yè)內一項需要不斷研究、優(yōu)化的問題，基于圖像處理和基于機器學習的識別方案，是當前常用的提高復雜光照人臉識別光照魯棒性的兩個途徑。

由于受到硬件計算效率效率的限制(比如移動終端上的CPU和圖像處理器的性能限制)，因此需要盡量采用較少數量的樣本作為訓練集。目前常用的算法包括了MSR(Multi-Scale Retinex,多尺度視網膜模型)、GF(Gradientfaces,梯度臉)和INPS(IlluminationNormalization By a Series of Processing,光照歸一化處理鏈算法)，其中，MSR算法直接提取物體的光照不變量；GF和INPS算法間接提取光照不變量的局部變化趨勢，GF對應光照反射率的局部變化方向特征，INPS算法對應光照反射率局部變化強度特征。盡管通過MSR、GF和INPS在理論上都能對應處理目標物體的光照不變特征，但這些光照不變特征僅在光照緩慢變化時才具有真正的光照不變性。

而在實際應用中，由于復雜的照明情況，MSR、GF和INPS等理論上可行的算法在光照魯棒人臉識別應用中都存在一定的不足，導致了復雜光照人臉識別的光照魯棒性難以進一步提高。

發(fā)明內容

本發(fā)明的實施例提供一種復雜光照場景下的人臉識別方法，能夠提高復雜光照人臉識別的光照魯棒性。

為達到上述目的，本發(fā)明的實施例采用如下技術方案：

加載第一至第N光照不變量算法，并通過所加載的光照不變量算法提取原始圖像對應的第一至第N光照不變量。其中，N為大于且等于2的整數；

對所提取的光照不變量進行線性鑒別分析，得到對應各光照不變量算法的代數特征。

根據得到的代數特征，通過特征級融合算法，獲取所述原始圖像的組合代數特征。

通過分類器組對所述得到的代數特征和所述組合代數特征進行類別判定，得到所述原始圖像的最終識別結果。

本發(fā)明實施例提供的復雜光照場景下的人臉識別方法，設計并改進了特征級融合和決策級融合算法框架。從基于線性鑒別分析的特征級融合和基于分類器決策級融合(決策級類別投票融合機制)的兩個角度，提出了一種多光照不變量融合的方法和機制，以發(fā)揮各光照不變量在消除光照變化影響人臉識別性能方面各自的優(yōu)勢，提高復雜光照人臉識別的光照魯棒性。

附圖說明

為了更清楚地說明本發(fā)明實施例中的技術方案，下面將對實施例中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領域普通技術人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據這些附圖,

圖1為本發(fā)明實施例提供的方法流程示意圖；

圖2為本發(fā)明實施例提供的一種算法框架的實例的示意圖；

圖3為本發(fā)明實施例提供的一種決策級融合框架的實例的示意圖；

圖4為本發(fā)明實施例提供的一種非控光照人臉圖像的實例的示意圖。