光照变化条件下的人脸识别技术探讨

周令

摘要：自动人脸识别（AFR）是生物识别领域的研究热点，它涉及到图像处理、模式识别、机器学习和计算机视觉等多个学科的研究内容。人脸识别技术因其具有良好的非接触、非打扰的优势在身份鉴定、门禁系统、监控、法律实施和人机交互等方面有着广泛的应用前景。经过多年的发展，研究者已经提出了很多性能卓越的人脸识别算法，也出现了一些成功的商用系统。但是当人脸图像出现光照、姿态、表情、年龄的变化、遮挡问题或少样本问题的时候，识别率会急剧下降，特别是光照的变化对识别率的影响最大。设计出对光照变化具有高识别率和高鲁棒性的人脸识别算法是人脸识别领域中的一个难点和热点。

关键词：人脸识别;特征提取;光照模型;雙树复小波变换

中图分类号：TP391.41 文献标识码：A 文章编号：1672-9129（2020）08-0046-01

人脸识别具有主动性、非侵犯性和用户友好的特点，可以在对方毫无觉察的情况下进行身份的辨识，非常适合于人流量大的场合和户外进行身份识别。随着视频监控的快速普及，迫切需要一种远距离、用户非配合状态下的快速身份识别技术，以求远距离快速确认人员身份，实现智能预警。人脸识别技术相对其他生物识别技术来说无疑是最佳的选择，采用快速人脸检测技术可以从监控视频图像中实时查找人脸，并与人脸数据库进行实时比对，从而实现快速身份识别。对于银行取款监控，地铁、飞机场等人流量大的场合采用人脸识别技术可以快速的对人脸进行筛查，找出犯罪分子。这一点是指纹、虹膜等其他生物识别技术无法达到的。

1 人脸图像预处理方法

1.1 图像划分。图像识别领域中基于图像分割的识别方法的识别率相对较好，因此采用均匀四分法，将待识别的人脸图像划分为均匀的 4 个区域，同时要对 4 个部分给到不一样的识别权值，这里特征显著的眼部范围的权值一定得不小于脸部面积，由于脸部区域的特点可分性极小，光照直射后不变性不太好。

1.2 区域光照分类。当人面在进行面部识别时，外部环境的光源会影响到识别结果，通过外部光源照射的方向分析，可以进行针对性的改进，力求将外部的干扰降到最低。人脸正面被光源照射就没有阴影出现，而侧面被照射就肯定有阴影，不管从哪个方向被照射都会出现偏暗部位。背面与正面光源影响人脸识别的程度较小，然而，侧面的阴影则十分影响识别率。并且造成的阴影都是呈区域性，所以使用区域性的光照处理，能够降低处理所需时间，解决全局性的光照处理对于没有被影响地方的变化。

2 人脸识别技术存在的难点

目前人脸识别技术发展已经进入到了一个全新的阶段，识别性能有了非常大的突破，也出现了一些产品。人脸识别被认为是生物特征识别领域最困难的研究课题之一，还存在着许多具有挑战性的问题需要解决。

2.1复杂条件下的人脸检测。人脸检测是人脸识别系统的前端处理环节，能否正确检测出人脸，人脸的定位是否准确影响着系统的识别性能。在背景复杂，光照不理想，人脸姿态变化大的情况下，人脸检测率快速下降。因此迫切需要研究出能够适应复杂条件下的人脸检测算法。

2.2光照变化对识别性能的影响光照问题是人脸识别中存在已久的问题，也是影响人脸识别系统性能最重要的因素之一。可控环境下，静态人脸和三维人脸识别技术的性能跟虹膜识别技术是相当的，能够达到非常高的水平。虽然 FRVT2006 表明不同光照条件下人脸识别性能比 FRVT2002 有显著提高，但是还没有根本上克服光照的影响。目前光照处理的方法还没有达到实用的程度，需要进一步研究。

2.3表情变化对识别性能的影响。在非控条件下，人脸的表情随时都可能发生变化。表情是一种复杂的肌肉运动，表情的变化会引起面部轮廓、纹理的变化，同时会改变面部特征点的位置。不同的表情引起面部不同的变化;不同的人的相同表情影响也不相同。因此很难用统一的标准来精确划分各种表情对不同人的影响。如何鲁棒地识别带有不同表情的人脸图像是人类识别技术中一项重要内容。

2.4姿态变化对识别性能的影响。姿态变化主要是指人脸图像的旋转，包括平面旋转（In-Plane Rotation）和深度旋转（In-Depth Rotation）。对于平面旋转可以在人脸检测阶段通过人眼水平定位进行校准，很多算法具有旋转不变性，可以提取出具有平面旋转不变的特征，如 LBP、伪 Zernik 矩等。对于深度旋转，当俯仰或左右侧面角度太大（遮住半边脸）时使用传统的二维人脸识别技术识别率急剧下降。如何提高人脸识别系统对姿态变化的鲁棒性是极具挑战的问题。目前主要采用三维人脸识别技术来来补偿部分丢失的信息。

3 光照模型简述

非受控条件下获取到的人脸图像一般都存在光照不均的问题，光照条件的变化一般会直接表现为图像中人脸表面的明暗变化，如存在阴影区域、有的部分非常亮、有点部分过于暗淡，如果不通过预先处理来消除这些因素的影响，将会导致人脸识别算法识别率的急剧下降。因此为了确保识别的健壮性，一个通用的人脸识别系统需要预先对人脸图像进行的光照补偿或光照归一化。为了进一步地研究光照带来的影响，研究者建立一些理论模型来模拟光照与物体表面的相互作用，这就是光照模型（Illumination Model）。目前使用较多的光照模型大致可分为局部光照模型和全局光照模型，它们分别以朗伯光照模型和辐照度模型的应用最为广泛。

结语：针对传统Retinex算法在光照变化强烈条件下出现的“光晕”难题，首先对人脸图像的对比度进行局部非线性增强，使算法对各种光照条件下的人脸图像能够得到较好增强效果，然后利用 Mean- Shift平滑滤波对光照进行估计，消除了传统Retinex算法中出现“光晕”现象，仿真对比结果表明，改进SSR算法有效地提高了在光照变换条件下的人脸识别效果。

参考文献：

[1]牛文铖.光照变化条件下的人脸识别技术分析[J].通讯世界，2017（08）：287.

[2]杨超. 复杂光照下的人脸识别算法研究[D].武汉科技大学，2019.