[發明專利]一種基于專家先驗知識和LTP復雜光照下的人臉識別方法

在審

• 申請號: 202110075564.1
• 申請日: 2021-01-20
• 公開（公告）號: CN112800914A
• 公開（公告）日: 2021-05-14
• 發明（設計）人: 鐘艷如;張家豪;鄧國力;李芳;羅笑南
• 申請（專利權）人: 桂林電子科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/08
• 代理公司: 北京保識知識產權代理事務所(普通合伙) 11874
• 代理人: 尹瑩瑩

本發明公開一種基于專家先驗知識和LTP復雜光照下的人臉識別方法，1)定位面部地標點并裁剪；2)根據專家先驗知識，對面部圖像關鍵區域進行劃分，生成面部掩碼；3)使用自適應閾值的局部三值模式算法(LTP)針對不同的關鍵區域，分別計算其區域像素離散度σ作為閾值t，并提取其光照不變紋理特征；4)將面部圖像送入一個卷積層，得到面部圖像的全局特征；5)面部全局特征與面部光照不變紋理特征相結合，并送入ResNet101網絡模型，通過分類層分別得出與數據庫中N個對象的相似度得分，返回相似度得分最高的值所對應的對象身份，作為人臉識別的結果。該方法是一種端對端的模型，無需預訓練，對復雜的光照環境有較強的魯棒性，且有很好的擴展性。

技術領域

本發明涉及圖像處理領域，具體是一種基于專家先驗知識和LTP復雜光照下的人臉識別方法。

背景技術

人臉識別根據臉部特征進行身份識別的一種生物識別技術，是計算機視覺和生物識別領域最為人所熟知的課題之一，大量的研究人員投身于這一課題。人臉識別涉及刷臉支付、門禁控制、公司考勤、地鐵安檢、恐怖分子識別等多個領域。根據資料，2017年生物識別技術全球市場規模上升到了172億美元，到2021年，預計全世界的生物識別市場規模有可能達到240億美元。相比于其他的生物識別技術，例如指紋、掌紋、虹膜、語音識別等都需要受監測者接觸或者主動配合才能達到識別效果，人臉識別提供非接觸性、無意識的識別更加受到用戶的青睞。

盡管隨著人臉識別技術的不斷發展與成熟，在理想的情況下，人臉識別的有著較高的識別精度。但是，在復雜的光照環境下，人臉識別的準確率會有較大的偏差。即使是同一個人，在不同的光照、不同的角度，最終采集到的圖片也可能會有一定的影響。為了解決光照對人臉圖像的影響，國內外研究者對此問題提出了很多有效的方法，主要分為傳統、光照不變特征提取、人臉建模三種方法，傳統的方法主要是通過對像素或像素的頻域空間進行簡單地操作，盡量將圖像還原到正常的光照之下。但是由于修改之后的像素局部離散度明顯增加導致圖像失去一些重要的特征；光照不變特征提取主要是通過提取圖像中對光照不受影響或者對光照有一定抵抗性的特征來消除光照對圖像的影響。但是由于圖像的灰度紋理特征難以統一，因此并不適用所有人臉圖像；人臉建模通過從大量不同光照環境下的人臉樣本中提取光照不變量或不敏感的特征。但是此方法需要包含不同光照條件下大量的訓練樣本，才能得到相應的模型，成本太高且速度較慢。

發明內容

本發明的目的在于克服現有技術的不足，而提供一種基于專家先驗知識和LTP復雜光照下的人臉識別方法，該方法無需預訓練、著重人臉關鍵點的采樣、對不同光照有較高魯棒性且不會影響圖像原有的特征。

實現本發明目的的技術方案是：

1)定位人臉地標點(landmark)并裁剪人臉區域，減少冗余信息的影響，得到裁剪后的人臉圖像。

2)根據專家先驗知識，對步驟1)中人臉圖像關鍵區域進行劃分，生成人臉掩碼；

3)根據步驟2)中生成的人臉掩碼，使用自適應閾值的局部三值模式算法(LTP)針對不同的關鍵區域，分別計算其區域像素離散度σ作為閾值t，并提取其光照不變紋理特征，降低不同光照噪音的敏感度；

4)由于步驟3中提取的光照不變紋理特征僅僅是針對局部特征，并未考慮全局特征，所以我們將步驟1)中人臉圖像送入一個卷積層，得到人臉圖像的全局特征；

5)將步驟4)中得到的全局特征與步驟3)中得到的光照不變紋理特征相結合(利用comcat技術)，并送入ResNet101網絡模型，通過分類層分別得出與數據庫中N個對象的相似度得分，返回相似度得分最高的值所對應的對象身份，作為人臉識別的結果。

步驟2)中所述的專家先驗知識，是根據P.Ekman,W.V.Friesen等人發表的《Facialaction coding system》一書，將人臉按照面部肌肉控制區域劃分為不同的運動單元，而我們也是根據上述理論對人臉的關鍵區域進行劃分。