復雜光照下的人臉識別方法的研究.pdf

1、隨著防恐預警、軍事安全、金融與電子商務等領域的不斷發(fā)展，身份驗證和人臉識別技術已經(jīng)在越來越多的領域中發(fā)揮作用。識別精度和識別效率不僅是人臉識別技術的兩個關鍵問題，也是兩個可以相互轉化的矛盾體。從科研的角度認知，識別精度才是人臉識別的核心問題，但識別精度的高低往往與應用場景、識別對象、光照、角度、背景、表情等有直接關系。一方面，經(jīng)過幾十年的發(fā)展，人臉識別算法已經(jīng)有了大幅度的提升和改進，尤其是隨著基于機器學習和深度學習的人臉識別算法的不斷推

2、進，給人臉識別技術帶來了新的生機和活力。但是，另一方面，人臉庫的規(guī)模越來越大不僅給精確分類帶來麻煩，同時也會給機器學習算法帶來更重的計算負荷，而傳統(tǒng)的提高圖像質量的算法在提高識別精度上仍然發(fā)揮重要的作用。
　　本文重點對光照人臉預處理及識別算法中特征提取算法進行了深入研究及相應的創(chuàng)新。主要研究內(nèi)容和方法包含以下幾個方面。
　　首先，圍繞著如何更好的對光照不均的圖像進行光照補償展開了研究，針對現(xiàn)有受光照影響的人臉圖像進行相關增

3、強算法中存在的問題，提出一種基于OTSU（大津算法）多閾值分割思想的自適應Gamma校正新算法。該算法利用OTSU分割算法將人臉光照圖像進行劃分，最大程度的降低了光照不均勻人臉圖像對人臉識別精度的影響，將得到的不同區(qū)間的閾值采用二叉樹進行存儲，然后再基于Gamma校正算法使用迭代算法得到質量最佳的圖像。
　　其次，為了解決光照不均造成人臉誤判率高的問題，提出了一種基于光照類型估計的自適應人臉預處理方法。另外，提出了一種針對Loca

4、l Binary Pattern（LBP）局部二值模式和Local Ternary Pattern（LTP）局部三值模式的改進算法。首先利用OTSU多閾值分割和累計直方圖相關算法對捕獲到的人臉圖像進行類型歸類。將OSTU得到的最佳閾值作為LTP算子編碼中的閾值，實現(xiàn)了適用于不同類型圖像的LTP算子編碼。然后根據(jù)分類后的圖像類型來判斷是否要進行自適應Gamma校正處理。最后將輸入的所有類型圖像執(zhí)行DOG（Difference of Gau

5、ssian）濾波和均衡化操作，最終輸出處理后的人臉圖像。
　　最后，設計并實現(xiàn)了基于光照補償?shù)膶崟r人臉識別系統(tǒng)。首先，對系統(tǒng)采集的人臉圖像使用本文提出的人臉預處理方法進行預處理?；谙到y(tǒng)實時性的前提下，利用膚色檢測算法對人臉區(qū)域估計，進而利用人眼標定來精確人臉區(qū)域位置。然后運用本文改進后的LTP算子對光照不敏感進行特征提取，最后利用基于歐氏距離的最近鄰分類算法進行分類識別。相關測試實驗驗證了該系統(tǒng)具有一定的實用價值。
　　實