探究遮挡和复杂光照条件下鲁棒人脸识别算法

尚晓锐

摘 要 本文分别在遮挡与光照条件下开展实验，对于人脸遮挡问题，采用遮挡检测与HOG特征相结合的方式进行识别，对于光照变化问题，在LBP算法基础上进行近红外人脸识别，两项实验结果表明，上述方法对人脸识别均具有较强的鲁棒性，可获取最佳识别性能。

关键词 遮挡;复杂光照;鲁棒人脸识别

引言

在生物识别领域中，人脸识别属于关键内容之一，在安防与身份认证领域日益普及。现阶段，人脸识别技术日益成熟，但识别算法却因应用环境的不同产生较大的识别难度，当人脸被遮挡或光照时会发生变化，识别性能也因此受到不良影响。对此，可与HOG特征相结合，取得最佳识别效果。

1 遮挡条件下鲁棒人脸识别

1.1 遮挡检测

以人脸子块为单位进行遮挡检测与处理，在人脸识别时容易受墨镜、口罩等物体的遮挡，对此可将人脸划分为三个子块，即A、B和C，其中A区为头发、帽子等区域，B区为墨镜遮挡区，C区为口罩、胡须等遮挡区。首先，提取子块中的HOG特征，利用PCA降维后输入支持向量机分类，判断该模块中是否存在遮挡情况。

1.2 HOG特征

主要是指梯度方向的直方图，可对图像边缘结构与光照变化进行描述，对鲁棒局部特征描述。首先，以图像像素点为中心，选取10×10的像素邻域提取特征，将人脸子块分为多个相互独立的窗口;然后，将窗口分为4个5×5的子块，对各个子块中像素点梯度方向与幅值进行计算，以像素点（x，y）为例，该位置的幅值计算公式为：

将窗口中的像素点梯度分为8个方向，再将相同方向的幅值累加，得出8维直方图。将四个子块中的梯度直方图串联起来，便可对该窗口特征进行描述，即可得出整个图像的HOG特征[1]。

1.3 实验结果

在AR人脸库中共有四千多张人脸图像，选择库中的一个子集，内部包含100个对象，利用每个对象的7幅带有光照变化的人脸图像进行训练，6幅带有墨镜或围巾遮挡的人脸图像开始测试，测试结果如下：利用SRC方法对墨镜遮挡的人脸进行检测，识别率为82%，对围巾遮挡的识别率为59.5%;利用HOG方法对墨镜遮挡的人脸进行检测，识别率为94.6%，对围巾遮挡的识别率为95.8%。由此可见，与其他方法相比，HOG方法对人脸遮挡的鲁棒性显著增强。

2 复杂光照条件下鲁棒人脸识别

2.1 近红外检测

近红外设备进行图像采集时可免受光照影响，且图像质量更佳、亮度适中、对比均匀，适用于鲁棒人脸识别。该设备主要包括三项内容，即LED近红外光源、近紅外摄像头与滤光片。近红外光线强度与距离之间成反比，为了提高图像清晰度，人脸与镜头间的距离应保持在100cm左右。受近红外光源衰减性影响，光源将均匀的分布于摄像头四周，因此当距离不同时，图像间的亮度变化不明显，具有单一性、均匀性。

2.2 LBP特征

主要用于描述人脸局部特征，辨别性较强、计算简单方便，对光照变化具有一定的鲁棒性，可利用这一特征克服图像亮度的单一变化，得出与环境光照无关的特征。当图像经过LBP算子处理后，虽然原图像亮度不同，但LBP值几乎未发生改变，可见该特征能够有效解决图像单一亮度问题。首先，将LBP算子定义在3×3的区域中，然后利用邻域中心像素计算标签值，最后，利用全部标签值形成直方图对图像纹理进行描述。在等价模式中，用（P，R）代表LBP算子，其中P代表的是邻域采样点的数量，R代表的是邻域半径，如若采样点不在像素中心，采样值可经过双线性插值计算获得，利用LBP算子对图像扫描可得出LBP编码，以图像像素（x，y）为例，编码的计算公式为：

式中，gc代表的是像素的灰度值;gp代表的是以R为半径的邻域中第p个采样点灰度值;S代表的是阈值函数。LBP特征的提取流程如下：第一步：对人脸图像进行划分，提取各个块上的LBP直方图向量;第二步：将获取的向量串联为特征直方图，将其作为人脸特征。由于该向量的维数较高，需要在降维处理后，将其作为人脸的最终特征[2]。

2.3 实验结果

FERET人脸库中含有大量的人脸图像，并可提供全面的测试标准，本文在FERET人脸库中选择图像，包含姿态、表情与光照变化，共计选出100个对象，每个对象有10幅正面照为训练集，有20幅具有光照的图像为测试集，选择一个对比方法（LDA）与本方法一同进行测试，测试结果如下：LDA与LBP的最高识别率分别为55.1%和62.5%，后者优于前者。由此可见，在复杂光照状态下，常规算法的性能会明显降低，可见消除复杂光照影响，才可使识别性能达到最佳状态。为了验证复杂光照情况下近红外人脸识别的鲁棒性，本文在PolyU-NIRFD人脸库中进行测试，选出200个对象，每个对象有10幅正面照为训练集，有20幅具有光照的图像为测试集，同样选择LDA算法作对比，根据测试结果可知：与FERET人脸库相比，LDA的识别率有所提升，说明近红外识别在消除光照影响后，可提高算法性能;LBP算法识别率为96.8%，与LDA相比较高，说明对表情与姿态变化具有较强的鲁棒性，可应用于近红外人脸识别之中[3]。

3 结束语

综上所述，在网络时代背景下，人脸识别的作用日益突显，为了解决遮挡与光照问题，可采用遮挡检测与HOG特征相结合的方式进行识别，也可在LBP算法基础上进行近红外人脸识别，二者均对人脸识别均具有较强的鲁棒性，实现精准识别。

参考文献

[1] 伍强.复杂光照条件下的人脸识别算法研究[D].天津：天津大学，2019.

[2] 翟懿奎，甘俊英，李景文.基于彩色信息融合和同伦算法的遮挡鲁棒人脸识别方法研究[J].信号处理，2018，27（11）：1762-1768.

[3] 梁淑芬，刘银华，李立琛.小波变换和LBP对数域特征提取的人脸识别算法[J].信号处理，2019，29（9）：1227-1232.