光照變化條件下的人臉識別算法
【專利摘要】本發(fā)明公開了一種光照變化條件下的人臉識別算法，包括下述步驟：（1）將輸入人臉原始圖像F(x,y)進(jìn)行高斯濾波，消除圖像中的噪點，平滑圖像，得到新圖像F′(x,y)；（2）將F′(x,y)采用韋伯局部算子描述進(jìn)行特征提?。唬?）對新圖像WF(x,y)經(jīng)過LoG算子運算提取邊緣；（4）采用快速PCA算法將輸入圖像變換到主成分空間；（5）在PCA變換空間，計算出類間散度矩陣；（6）將得到的新圖像表征WF'(x,y)在特征投影向量組φ上進(jìn)行投影；（7）最后利用最近鄰分類器進(jìn)行分類。本發(fā)明對經(jīng)LoG算子運算后的圖像進(jìn)行特征提取，能更全的提取出原始圖像的判別信息，從以上實驗的數(shù)據(jù)中我們可以看出，新算法在三個人臉庫中均能獲得突出的人臉識別率，而且在速度上也完全滿足實時性要求。
【專利說明】光照變化條件下的人臉識別算法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及人臉識別的【技術(shù)領(lǐng)域】，特別涉及一種光照變化條件的人臉識別算法?！颈尘凹夹g(shù)】
[0002]人臉識別是當(dāng)前模式識別和人工智能領(lǐng)域的一個重要研究課題。近二十年來，人臉識別技術(shù)的研究成為了一個非?；钴S的研究方向，由于其具有直接、友好、方便，易于為用戶接受等特點，目前人臉識別技術(shù)已經(jīng)被廣泛應(yīng)用于證件驗證、視頻監(jiān)控、入口控制、刑偵破案等領(lǐng)域。但是，人臉識別技術(shù)中還有很多問題沒能得到很好解決，目前，實用的人臉識別系統(tǒng)，基本上都需要被識別人在非常固定的環(huán)境下(如固定光照等)、非常配合(如不能有表情，正視鏡頭等)地進(jìn)行面部圖像采集，否則就會因為光照、姿態(tài)與表情變化等因素，大大降低系統(tǒng)識別性能。針對光照變化對識別率的影響問題，國內(nèi)外研究者做了大量工作，提出了很多光照變化預(yù)處理方法，可大致分為三類:第一類光照歸一化方法，這類方法使用圖像處理技術(shù)對人臉圖像進(jìn)行預(yù)處理以歸一化圖像，使圖像在不同的光照變化下顯示出穩(wěn)定性，如直方圖均衡化(Histgram Equalization, HE)、對數(shù)變換(Logarithm Transforms, LT)等。第二類是光照不變量提取方法，該類方法從圖像中提取對光照變化具有不變性或者不敏感的特征，以減弱或者消除光照變化對人臉識別的影響，該類方法主要有:灰度倒數(shù)、邊緣圖等。第三類是人臉建模方法，該類方法要求光照條件已知或者對象的形狀和反射特性已知，其假設(shè)過多、過強(qiáng)，限制了其實際應(yīng)用。但是，上述方法在人臉識別的過程中，不可避免會受到光照變化的影響，從而導(dǎo)致在面部區(qū)出現(xiàn)陰影區(qū)或過亮區(qū)，影響后續(xù)特征提取而導(dǎo)致識別率下降。

【發(fā)明內(nèi)容】

[0003]本發(fā)明的目的在于克服現(xiàn)有技術(shù)的缺點與不足，提供一種光照變化條件下的人臉識別算法。
[0004]本發(fā)明的目的通過下述技術(shù)方案實現(xiàn):
[0005]一種光照變化條件下的人臉識別算法，包括下述步驟:
[0006](I)將輸入人臉原始圖像F(x，y)進(jìn)行高斯濾波，消除圖像中的噪點，平滑圖像，得到新圖像F' (x, y)；
[0007](2)將F' (x, y)采用韋伯局部算子描述進(jìn)行特征提取，提取出對光照不敏感的特征，則新圖像的特征表述為WF(x，y)，其中WF(x，y) e [-π/2, π/2]；
[0008](3)對新圖像WF(X，y)經(jīng)過LoG算子運算提取邊緣，提取出面部圖像的邊緣特征WF’(x，y)，使人臉輪廓、結(jié)構(gòu)和形狀信息更加明顯，有利于后續(xù)特征分類與識別；
[0009](4)采用快速PCA算法將輸入圖像變換到主成分空間Rm，其中m為輸入圖像變換到主成分空間的維數(shù)，計算出類內(nèi)散度矩陣Sw的特征向量Ym，取出非正特征值對應(yīng)的特征向量組成的特征向量組P1=O q+i,...，Ym)，正的特征值所對應(yīng)的特征向量組成特征向量組P2= U P...，Y q)，設(shè)正特征值有q個，非正特征值有m-q個；[0010](5 )在PCA變換空間，計算出類間散度矩陣Ub= PlSbPl，計算出忌所對應(yīng)的特
征向量Z1,...，Zj，通過計算Yj=P1Zj可得最優(yōu)鑒別向量，其中j=l，1，I=C-1，C為類別數(shù)，
同理，利用(4)中正特征值對應(yīng)的特征向量組P2=U p...，Y q)，通過之=P^sbP2，計算出式
的前d-1個最大特征值所對應(yīng)的特征向量Z1+1，Zd，然后通過計算YfP2Z^得到最優(yōu)鑒別向量，其中 j=l+l，d，將得到的 Yj=P1ZjU=I,...，I)和 Yj=P2Zj (j=l+l，...，d)組成特征投影向量組 ^ = CY1,..., Y1, Y1+1,..., Yd)；
[0011](6)將得到的新圖像表征WF’(x，y)在特征投影向量組$上進(jìn)行投影，得到原始圖像F(x, y)的最終特征向量Xi,其中i=l, 2，...，n, n為樣本總數(shù)；
[0012](7)最后利用最近鄰分類器進(jìn)行分類，設(shè)經(jīng)特征提取之后的訓(xùn)練樣本為Xi，Xt為新測試樣本的特征向量，則由距離公式可得新測試樣本即為第j個訓(xùn)練樣本所屬類別。
[0013]步驟(1)中，選用高斯濾波器進(jìn)行去噪，經(jīng)過高斯濾波后得到新圖像F' (x, y),技術(shù)公式如下:
[0014]F，(X，y) =F(x, y)*G(x,y, o ) (I)
[0015]其中(I)式中G(x，y，o)表達(dá)式如下所示:
[0016]
【權(quán)利要求】
1.一種光照變化條件下的人臉識別算法，其特征在于，包括下述步驟: (1)將輸入人臉原始圖像F(x，y)進(jìn)行高斯濾波，消除圖像中的噪點，平滑圖像，得到新圖像 F' (X，y)； (2)將F'(x, y)采用韋伯局部算子描述進(jìn)行特征提取，提取出對光照不敏感的特征，則新圖像的特征表述為WF(x，y)，其中WF(x，y) G [-/2，/2]； (3)對新圖像WF(x，y)經(jīng)過LoG算子運算提取邊緣，提取出面部圖像的邊緣特征WF’(x，y)，使人臉輪廓、結(jié)構(gòu)和形狀信息更加明顯，有利于后續(xù)特征分類與識別； (4)采用快速PCA算法將輸入圖像變換到主成分空間Rm，其中m為輸入圖像變換到主成分空間的維數(shù)，計算出類內(nèi)散度矩陣Sw的特征向量Ym，取出非正特征值對應(yīng)的特征向量組成的特征向量組P1=Oq+i,...，Ym)，正的特征值所對應(yīng)的特征向量組成特征向量組P2= ( Y i，...，Y q)，設(shè)正特征值有q個，非正特征值有m-q個； (5)在PCA變換空間，計算出類間散度矩陣瓦，S4=PfSbP1，計算出瓦所對應(yīng)的特征向量Z1,...，Zj，通過計算Yj=P1Zj可得最優(yōu)鑒別向量，其中j=l，...,I, l=c-l, c為類別數(shù)，同理，利用(4)中正特征值對應(yīng)的特征向量組？2=( YY q),通過義=PjSbP2，計算出S的前d-1個最大特征值所對應(yīng)的特征向量Z1+1，Zd，然后通過計算YfP2Z^得到最優(yōu)鑒別向量，其中 j=l+l，d，將得到的 Yj=P1ZjU=I,...，I)和 Yj=P2Zj (j=l+l，...，d)組成特征投影向量組 ^ = CY1,..., Y1, Y1+1,..., Yd)； (6)將得到的新圖像表征WF’(x，y)在特征投影向量組$上進(jìn)行投影，得到原始圖像F(x, y)的最終特征向量Xi,其中i=l, 2，...，n, n為樣本總數(shù)； (7)最后利用最近鄰分類器進(jìn)行分類，設(shè)經(jīng)特征提取之后的訓(xùn)練樣本為Xi，Xt為新測試樣本的特征向量，則由距離公式
2.根據(jù)權(quán)利要求1所述的光照變化條件下的人臉識別算法，其特征在于，步驟(1)中，選用高斯濾波器進(jìn)行去噪，經(jīng)過高斯濾波后得到新圖像F' (x, y),技術(shù)公式如下:
3.根據(jù)權(quán)利要求1所述的光照變化條件下的人臉識別算法，其特征在于，步驟(2)具體為: (2.1)選用韋伯法則，其公式為:
4.根據(jù)權(quán)利要求1所述的光照變化條件下的人臉識別算法，其特征在于，步驟(3)中，獲得邊緣圖的方法為:對不同分辨率的圖像分別處理，在每個分辨率上，都通過二階導(dǎo)數(shù)算子來計算過零點以獲得邊緣圖，具體的計算方法為: (3.1)用一個二維高斯平滑模板與目標(biāo)圖像卷積； (3.2)計算卷積后圖像的拉普拉斯值； (3.2)檢測拉普拉斯圖像中的過零點作為邊緣點。
5.根據(jù)權(quán)利要求4所述的光照變化條件下的人臉識別算法，其特征在于，步驟(3.1)中，對目標(biāo)圖像的高斯平滑可引用公式(I )，如下所示:
F，(x, y) =F (x, y) *G (x, y, σ ) 經(jīng)過韋伯局部描述算子處理后的圖像為WF(x，y)，設(shè)此高斯函數(shù)為Gt5Uy, σ。)，0。為高斯分布的標(biāo)準(zhǔn)差，平滑后的圖像為WF’ (x, y)，經(jīng)實驗測試，此處高斯函數(shù)模板選擇9X9，σ o=0.3時，能取得最好識別效果。
6.根據(jù)權(quán)利要求4所述的光照變化條件下的人臉識別算法，其特征在于，對平滑后的圖像運用拉普拉斯算子，令r=x2+y2表示離遠(yuǎn)點的徑向距離，以對r求二階導(dǎo)數(shù)來計算拉普拉斯值，可得:
【文檔編號】G06K9/46GK103745237SQ201310737634
【公開日】2014年4月23日 申請日期:2013年12月26日 優(yōu)先權(quán)日:2013年12月26日
【發(fā)明者】孔銳, 范驍雄 申請人:暨南大學(xué)