[發(fā)明專利]一種多特征融合的人臉圖像光照識別方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201811451656.X
• 申請日: 2018-11-30
• 公開（公告）號: CN109583375B
• 公開（公告）日: 2021-04-06
• 發(fā)明（設(shè)計）人: 賴劍煌;吳卓亮;歐陽柳;謝曉華
• 申請（專利權(quán)）人: 中山大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 廣州市華學(xué)知識產(chǎn)權(quán)代理有限公司 44245
• 代理人: 劉巧霞

本發(fā)明公開了一種多特征融合的人臉圖像光照識別方法，包括步驟：對每一張不同光照情形下的人臉圖像，提取圖像的協(xié)方差矩陣，計算圖像的區(qū)域差別特征，二者融合作為圖像的統(tǒng)計特征；基于神經(jīng)網(wǎng)絡(luò)方法提取人臉圖像的深度特征；將所述統(tǒng)計特征和深度特征進(jìn)行融合，得到融合后特征；對融合后特征進(jìn)行分類，以實(shí)現(xiàn)人臉圖像的光照識別。本發(fā)明還公開了一種多特征融合的人臉圖像光照識別系統(tǒng)。本發(fā)明能夠?qū)崿F(xiàn)對不同光照條件下人臉圖像的區(qū)分，且準(zhǔn)確率高、識別速度快、未來技術(shù)更新容易。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像識別研究領(lǐng)域，特別涉及一種多特征融合的人臉圖像光照識別方法及系統(tǒng)。

背景技術(shù)

隨著電子技術(shù)的發(fā)展，圖像的獲取越來越便利，而圖像作為信息的載體，相對于文本和聲音更加形象直觀。在智能安防領(lǐng)域，人臉識別技術(shù)已經(jīng)引起了廣泛的關(guān)注并且具有廣闊的應(yīng)用前景，但是在人臉圖像的采集過程中，存在著人臉光照等影響因素，這些因素會降低人臉識別的準(zhǔn)確率，因此如何從海量的人臉圖像中將不同光照情形下的人臉圖像準(zhǔn)確區(qū)分開，從而在不同需求場景下可選擇適合該場景的光照情形的圖像是很有研究意義的。

傳統(tǒng)的方法一般是提取一些人臉的光照特征描述子用來進(jìn)行光照識別，但是隨著人工智能的不斷發(fā)展，深度人臉特征的引入也能很大程度上提高分類器的分類準(zhǔn)確率。

人臉圖像光照識別的工作流程一般包括：特征提取、對提取的特征進(jìn)行分類，從而完成人臉圖像光照的識別工作。

1.特征提取：

人臉光照相關(guān)特征提取是對于一張輸入的人臉圖像，提取出圖像可能含有光照信息的特征描述子的過程?，F(xiàn)有的特征提取的方法包括傳統(tǒng)特征描述子提取方法和深度學(xué)習(xí)特征提取方法。其中，傳統(tǒng)特征描述子常包括協(xié)方差矩陣、左右反差、上下反差、圖像亮度、圖像對比度等統(tǒng)計特征描述子；傳統(tǒng)深度學(xué)習(xí)特征提取通常是用softmax作為代價函數(shù)，抽取神經(jīng)網(wǎng)絡(luò)中的某一層作為特征。

然而，對于非深度學(xué)習(xí)的算法，提取出的統(tǒng)計特征不準(zhǔn)確。一幅圖像的左右反差、上下反差不能夠在細(xì)節(jié)上反映出兩幅圖像之間的差別；圖像的平均亮度、圖像對比度雖然是屬于圖像光照的信息，但也不能具體地反映出人臉圖像的光照特性；圖像的協(xié)方差矩陣雖然將人臉的更細(xì)節(jié)的特征表示出來，但是利用這些特征也無法將人臉圖像光照特性準(zhǔn)確表達(dá)。這些特征的提取會導(dǎo)致后續(xù)的識別結(jié)果不夠準(zhǔn)確。

此外，深度學(xué)習(xí)的算法常利用softmax作為代價函數(shù)，利用多種類圖像訓(xùn)練好深度神經(jīng)網(wǎng)絡(luò)后，測試圖片時只需抽取神經(jīng)網(wǎng)絡(luò)中的某一層作為特征用做后續(xù)分類。

2.分類方法：

分類，是指將不同光照情況的人臉圖像按照種類、等級或性質(zhì)進(jìn)行區(qū)分?，F(xiàn)有的分類方法包括：決策樹方法、貝葉斯方法和人工神經(jīng)網(wǎng)絡(luò)方法等。

樸素貝葉斯方法是一種最簡單的機(jī)器學(xué)習(xí)算法，分類速度快、易于理解，但是模型準(zhǔn)確率一般較低，容易有欠擬合現(xiàn)象的發(fā)生。決策樹方法的算法準(zhǔn)確率無法達(dá)到對于光照區(qū)分度的需求?，F(xiàn)有的分類方法存在著分類不準(zhǔn)確、耗時長、運(yùn)算復(fù)雜等問題。

深度學(xué)習(xí)的方法準(zhǔn)確率較高，但模型較復(fù)雜，且依賴于前期訓(xùn)練的模型魯棒性。再加入新的光照標(biāo)簽時，需定期重新訓(xùn)練模型以達(dá)到更好的模型魯棒性。

為此，克服上述缺陷，研究一種準(zhǔn)確率高、識別速度快的人臉圖像光照識別方法及系統(tǒng)具有重要價值。

發(fā)明內(nèi)容

本發(fā)明的目的在于克服現(xiàn)有技術(shù)的缺點(diǎn)與不足，提供一種多特征融合的人臉圖像光照識別方法及系統(tǒng)，能夠?qū)崿F(xiàn)對不同光照條件下人臉圖像的區(qū)分，且準(zhǔn)確率高、識別速度快、未來技術(shù)更新容易。

本發(fā)明的目的通過以下的技術(shù)方案實(shí)現(xiàn)：一種多特征融合的人臉圖像光照識別方法，包括步驟：

對每一張不同光照情形下的人臉圖像，提取圖像的協(xié)方差矩陣，計算圖像的區(qū)域差別特征，二者融合作為圖像的統(tǒng)計特征；