[发明专利]一种基于掩码区域自适应增强的光照变化人脸识别方法

说明书

本发明公开了一种基于掩码区域自适应增强的光照变化人脸识别方法，针对像素层面，引入人脸解析模型和五官对称性先验，对光照变化人脸图像中光照条件极差的五官区域进行着重增强，并对五官以及人脸轮廓进行保持；其次，针对特征层面，基于人脸数据集构建成对图像，然后引入人脸特征提取网络，对生成的图像和与其对应的标准图像提取人脸特征，并施加身份特征约束，使生成的图像与其对应的标准图像具有相似的特征，提高人脸识别准确率。本发明实现了对光照变化人脸图像较好的增强，提高了人脸识别准确率。

技术领域

本发明属于图像处理技术领域，具体涉及一种基于掩码区域自适应增强的光照变化人脸识别方法。

背景技术

身份识别显得越来越重要，而人脸识别作为身份识别的一种方法，与指纹识别、虹膜识别等其他的识别方法相比，具有获取简单、用户友好等特点，可以在无需与用户接触，甚至可以在用户完全不知情的状况下，获取人脸图像，并对用户进行识别，对用户十分友好，有广泛的应用前景，受到了各国研究者的广泛关注，成为了研究的重点。但是在识别非配合的用户时，由于存在姿态、光照以及遮挡等问题，导致识别率急剧下降，尤其是光照因素，变化较大的光照条件会导致同一身份人脸图像之间的差异大于不同身份人脸图像之间的差异，使人脸识别准确率大幅下降。

现有的光照变化人脸识别方法可以分为以下四类：基于统计学的方法、基于光照不变特征提取的方法、基于人脸光照模型的方法和基于光照补偿的方法。基于统计学的方法假设光照变化对人脸图像的影响集中在低维子空间，基于上述假设，该方法通过不同光照条件下、同一身份的人脸图像，使用主成分分析、线性判别分析等统计学习方法寻找低维子空间，然后求得与待识别人脸图像最接近的低维子空间来确定身份，基于统计学的方法大都简单，实现容易，但是此类方法依赖于训练集中图像的光照条件，具有一定的局限性。基于光照不变特征提取的方法通过从人脸图像中提取对光照变化不敏感的特征进行分类，常见的方法由LBP算子和梯度脸等，但是现实中基本很难找到一种完全独立于光照变化的特征，所以其应用有一定的局限性。基于人脸光照模型的方法假设人脸是一个朗伯体，满足朗伯反射特性，该特性认为人脸图像中的任意位置的像素值为反映人脸纹理、形状信息以及光照信息的数值的乘积，其中纹理和形状反映的是人脸的本质信息，光照信息则反映外部的光照条件。基于人脸光照模型的方法通过该假设消除光照条件等外部因素的影响，获得反映人脸本质信息的特征进行识别，主要有基于商图像的方法、基于光照锥的方法和基于球谐函数的方法，上述方法对数据集有较高的要求，而这种数据集在现实中难以获取。基于光照补偿的方法，就是在人脸识别之前，使用某些算法对光照条件不理想的图像进行光照归一化或者光照矫正，得到光照条件良好的图像，消除光照的影响，然后再进行后续工作。常用的光照补偿方法主要有直方图均衡化、对数矫正，以及Gamma矫正等，上述方法均为针对全局的处理，没有考虑局部信息，使图像存在局部过曝、模糊等问题。

随着深度学习的发展，基于深度学习，研究者针对低光图像光照增强进行研究，提出了大量的方案。现有的低光图像光照增强方案主要分为两种：基于同一场景不同光照条件下成对图像的方法和不需要成对图像的方法。由于成对图像的数据集有限，并且成对图像的获取大多为简单地增加/减少曝光时间，获取的图像存在局部的曝光过/不足，偏离自然低光/正常光照图像之间的真实映射，因此需要成对图像的方法存在一定的不足，难以广泛应用。不需要成对图像的光照增强模型由于缺乏成对图像的约束，且仅针对光照增强，导致生成的图像质量较差，且对于人脸识别准确率没有提升。

发明内容

本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于掩码区域自适应增强的光照变化人脸识别方法，生成光照条件良好的人脸图像，提高人脸识别准确率。

本发明采用以下技术方案：

一种基于掩码区域自适应增强的光照变化人脸识别方法，包括以下步骤：

S1、将人脸数据集中光照变化人脸图像与其对应身份标识的标准图像构建成对图像；

S2、获取步骤S1中光照变化人脸图像的掩码注意力图；