针对不同光照情况的人脸识别算法研究

陈妍冰等

摘要：人脸识别在实际应用中，通常由于光照的影响导致识别率的大幅下降。针对这一情况，该文从人脸图像预处理和特征提取算法两方面进行改进。文章首先采用了基于光照分量的算法进行人脸图像预处理，提高了算法对于光照的鲁棒性，然后提出了改进的结合了Gabor小波和LBP滤波的算法，并在有光照变化的标准人脸库上进行识别率测试。实验结果表明，该文算法对于变化光照的鲁棒性较高，在标准人脸库中的识别率最高可达到98.9%。

关键词：人脸识别，局部二值模式，Gabor小波

中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2015）04-0147-03

Abstract：In practical application of the face recognition， the rate of recognition usually have a substantial decrease for the impact of different illuminations. In view of this situation， this paper improved from two aspects of the algorithm： image preprocessing and feature extraction. Firstly， we use the preprocessing algorithm based on the illumination to handle the face image， improved the robust of the illumination， and then put forward the improved combination of Gabor wavelet and LBP filter algorithm， meanwhile， we tested the recognition rate in the standard face database， which have different illuminations. The experimental results show that， this algorithm have a high robustness for the changes illuminations， the highest recognition rate in the standard face database can reach 98.9%.

Key words： face recognition； LBP； Gabor

人脸识别是近年来的研究热点之一，但由于其系统模型的复杂性，样本间的非线性，目前的识别方法都没有达到百分之百的精确。目前常见的人脸识别方法可大致分为：1）基于几何特征的方法。该方法提取人脸五官的一些几何形状和几何结构信息等作为特征，通过最近邻法来进行人脸识别；2）基于代数特征的方法。常见的算法如主成分分析PCA [1]、线性判别分析LDA[2]等；3）基于模型的方法。代表算法如隐马尔可夫模型（Hidden MarkovModel，HMM）[3]、主动形状模型（Active Shape Model，ASM）[4]等；4） 基于神经网络的方法[5]。

1 人脸图像预处理

人脸图像在采集时会随着光照的不同出现过亮、过暗或者光照不均的现象，这些采集到的存在光照问题的人脸图像或进行人脸识别，或被添加入人脸图像模板库，若不进行任何处理而直接使用的话，则会直接影响到人脸识别的结果。因此，在人脸检测完成后，需要对采集到的人脸图像进行图像预处理，以消除光照对于人脸识别的影响。该文采用前期论文研究[6]中的图像预处理算法，该文不再详述。

2 特征提取算法

另外，分析表中数据可以得出：1） 本文的特征提取算法对于小的人脸库效果更好；

2） 对于没有光照变化的人脸库不进行图像预处理的效果更好，而对于有光照变化的人脸库来说，基于光照分量的Gamma校正预处理方法的鲁棒性更强；

3） 对于LBP特征提取算法来说，加上系数[ε]得到的识别率更高，而对于结合Gabor和LBP的特征提取算法来说，不加系数[ε]得到的识别率更高；

4） 对于存在光照变化的情况，[ε]在一定范围内取得越高识别效果越好；

5） 人脸图像经分块比不分块的识别率要高。

参考文献：

[1] 侯小静.基于PCA算法和人脸姿态合成的人脸识别[D].长沙：中南大学，2013.

[2] 裴永鹏.基于LDA的人脸图像分析[D].西安：西安电子科技大学，2012.

[3] 刘洋.基于局部特征描述的HMM人脸识别算法研究[D].西安：西安电子科技大学，2013.

[4] 李伟生，张燕，周丽芳.一种姿态变化下的ASM人脸特征定位方法[J].计算机应用研究，2012，29（12）：4764-4767.

[5] 梅蓉蓉，吴小俊，冯振华.改进的动态模糊神经网络及其在人脸识别中的应用[J].计算机应用与软件，2012，29（1）：56-59.

[6] 尚长春，马宏伟，陈妍冰.井下可变光照条件下的图像预处理方法[J].工矿自动化，2014，40（3）：79-82.

[7] Kadir Kirtac， Onur Dolu， Muhittin Gokmen.Face Recognition by Combining Gabor Wavelets and Nearest Neighbor Discriminant Analysis[C]. ISCIS08.23rd International Symposium on Computer and Information Sciences，2008： 1-5.

[8] Timo Ojala，Matti Pietikainen，Topi Maenpaa. Multiresolution Gray-Scale and Rotation Invariant Texture Classification with Local Binary Patterns[J].IEEE Transactions on Pattern Analysis and Machine Intelligence， 2002，24（7）：971-987.

[9] 王月华.基于LBP的特征空间研究及其在自动人脸识别中的应用[D].南京：南京航空航天大学，2006.

[10] Bernd Heisele， Purdy Ho， Jane Wu， et al. Face recognition：Component-based versus global approaches[J].Computer Vison and Image Understanding.2003，91（1-2）：6-21.