复杂光照条件下人脸识别关键算法研究

安洋帆 杨智智 吴涛 南通大学

关键字：复杂光照 人脸识别 关键算法 研究

引言

现阶段，在计算机信息技术的支撑下，计算机人脸识别技术得以诞生和发展，并且随着理论基础的日益完善，人脸识别相关算法得到了进一步的优化和改良，使得识别效果大大提升。就目前而言，计算机人脸识别技术在诸多领域得到应用，其中包括电子商务、监控及门禁系统等，一方面有效提升了管理水平，另一方面也大大确保了管理的安全性和可靠性。

1 人脸识别技术概述

第一，人脸检测。对人脸图像进行检测、定位和跟踪，有效判断人脸的形状、位置和大小等特征信息；第二，图像处理。在人脸检测的基础上进行图像的处理工作，包括图像矫正、归一化处理以及灰度均衡处理等，确保后续识别和判断的准确性；第三，特征提取。对原始数据进行动态分析和识别，找出可以反映人脸本质特征的信息，并且进行数据库对比分析；第四，分类识别。在提取相关的人脸特征信息后，需要按照分类方法进行归类整理，同时确定相关的识别和判断规则，确保身份识别的准确性和有效性。

2 复杂光照条件下人脸识别关键算法

2.1 传统图像处理方法

2.1.1 直方图均衡

在实际进行图像采集中会由于光照条件的影响（不均匀曝光），使得图像一些关键信息被隐藏，此时需要通过图像灰度和频率关系进行分析和判断，即通过直方图均衡重新分配图像灰度级频率，使得隐藏的信息得以表现出来。通常情况下，对于该方法的处理，需要按照以下几步骤执行算法，即统计和记录图像中每一个灰度级i的频率，并且记作，接着结合总的灰度级数量L，得出灰度变换公式（1）。

然后根据公式（1）进行图像各个灰度值处理，详细如公式（2）。

2.1.2 Gamma 变换

该方法的本质原理是对人脸图像的亮度进行调节，通过控制Gamma相关参数大小进行图像亮度的调节，使其在复杂光照条件与标准环境相似，提升计算机识别的准确性。Gamma变换的算法执行流程如下：第一，根据标准环境下采集的图像数据Io计算出Gamma参数，详细见公式（3）。

第二，利用上述公式（3）得到的Gamma参数按照公式（4）计算求得处理后的每点亮度值。

2.2 基于光照建模的商图像

通过假设图像中人脸没有自阴影，且所有人脸的3D形状相同，得出人脸的商图像只与表面反射率相关，而与光照信息无关。商图像定义为两幅图像的反射率之比，人脸b对人脸a的商图像表示为公式（5）。

由上述公式可见，商图像与光照信息无关，只与人脸表面反射率如纹理等相关。如果获得人脸a的任意三幅线性不相关的图片以及商图像，那么可以生成目标y在任意光照条件下的人脸图像，详细见公式（6）。

2.3 光锥体法

该方法是复杂强光照射下人脸识别的有效方法，同时考虑了自身阴影和投影阴影，其主要运用Yale B数据库进行人脸三维模型的建立，详细如图1所示。

图1人脸识别三维模型构建

光锥体法在非常剧烈的光照下，其人脸识别率不会下降，在Yale B数据库上的测试结果曲线如图2所示。

图2光锥法在Yale B数据库上的识别率测试结果

虽然该方法的可以达到很好的识别效果，但是每个人脸光锥至少需要7张图片，这对于许多系统而言是难以满足的，而且光锥法计算复杂，计算量极大，计算的实时性难以得到满足，后续还需要加强研发。

结束语

综上所述，人脸识别作为一种计算机技术支持的高端识别手段，在诸多领域得到广泛应用。在实际的应用中，人脸识别会受到复杂光照条件的影响，导致识别准确性受到影响，此时需要对人脸识别相关算法进行优化和改良，确保人脸识别在复杂光照条件下仍然适用，有效提升判断和辨识的准确性，为促进人脸识别技术的成熟提供保障。