[发明专利]光照变化条件下的人脸识别算法

说明书

技术领域

本发明涉及人脸识别的技术领域，特别涉及一种光照变化条件的人脸识别算法。

背景技术

人脸识别是当前模式识别和人工智能领域的一个重要研究课题。近二十年来，人脸识别技术的研究成为了一个非常活跃的研究方向，由于其具有直接、友好、方便，易于为用户接受等特点，目前人脸识别技术已经被广泛应用于证件验证、视频监控、入口控制、刑侦破案等领域。但是，人脸识别技术中还有很多问题没能得到很好解决，目前，实用的人脸识别系统，基本上都需要被识别人在非常固定的环境下（如固定光照等）、非常配合（如不能有表情，正视镜头等）地进行面部图像采集，否则就会因为光照、姿态与表情变化等因素，大大降低系统识别性能。针对光照变化对识别率的影响问题，国内外研究者做了大量工作，提出了很多光照变化预处理方法，可大致分为三类：第一类光照归一化方法，这类方法使用图像处理技术对人脸图像进行预处理以归一化图像，使图像在不同的光照变化下显示出稳定性，如直方图均衡化（Histgram Equalization，HE）、对数变换（Logarithm Transforms，LT）等。第二类是光照不变量提取方法，该类方法从图像中提取对光照变化具有不变性或者不敏感的特征，以减弱或者消除光照变化对人脸识别的影响，该类方法主要有：灰度倒数、边缘图等。第三类是人脸建模方法，该类方法要求光照条件已知或者对象的形状和反射特性已知，其假设过多、过强，限制了其实际应用。但是，上述方法在人脸识别的过程中，不可避免会受到光照变化的影响，从而导致在面部区出现阴影区或过亮区，影响后续特征提取而导致识别率下降。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提供一种光照变化条件下的人脸识别算法。

本发明的目的通过下述技术方案实现：

一种光照变化条件下的人脸识别算法，包括下述步骤：

（1）将输入人脸原始图像F(x,y)进行高斯滤波，消除图像中的噪点，平滑图像，得到新图像F′(x,y)；

（2）将F′(x,y)采用韦伯局部算子描述进行特征提取，提取出对光照不敏感的特征，则新图像的特征表述为WF(x,y)，其中WF(x,y)∈[-π/2,π/2]；

（3）对新图像WF(x,y)经过LoG算子运算提取边缘，提取出面部图像的边缘特征WF'(x,y)，使人脸轮廓、结构和形状信息更加明显，有利于后续特征分类与识别；

（4）采用快速PCA算法将输入图像变换到主成分空间R^m，其中m为输入图像变换到主成分空间的维数，计算出类内散度矩阵S_w的特征向量γ₁,...,γ_m，取出非正特征值对应的特征向量组成的特征向量组P₁=(γ_q+1,...,γ_m)，正的特征值所对应的特征向量组成特征向量组P₂=(γ₁,...,γ_q)，设正特征值有q个，非正特征值有m-q个；

（5）在PCA变换空间，计算出类间散度矩阵计算出所对应的特征向量Z₁,...,Z_j，通过计算Y_j=P₁Z_j可得最优鉴别向量，其中j=1,...,l，l=c-1，c为类别数，同理，利用（4）中正特征值对应的特征向量组P₂=(γ₁,...,γ_q)，通过计算出的前d-l个最大特征值所对应的特征向量Z_l+1,...,Z_d，然后通过计算Y_j=P₂Z_j得到最优鉴别向量，其中j=l+1,...,d，将得到的Y_j=P₁Z_j(j=1,...,l)和Y_j=P₂Z_j(j=l+1,...,d)组成特征投影向量组φ=(Y₁,...,Y_l,Y_l+1,...,Y_d)；

（6）将得到的新图像表征WF'(x,y)在特征投影向量组φ上进行投影，得到原始图像F(x,y)的最终特征向量x_i，其中i=1,2,...,n，n为样本总数；