[发明专利]自适应的人脸识别光照处理方法

摘要

本发明公开了一种自适应的人脸识别光照处理方法。该方法首先通过Adaboost方法进行人脸定位，得到图片中的人脸部分；在进行人脸定位后对人脸进行光照复杂度计算；通过设定复杂度阈值选择不同的光照处理方法对人脸进行光照处理。本发明利用上述三个步骤对输入图像进行处理，最终得到去除光照影响的人脸图像。本发明不仅能够有效抑制光线变化对后期人脸识别产生的影响，同时避免了不同环境下使用同一种光照处理的算法而导致的鲁棒性缺乏，而且能够快速准确地得到光照处理后归一化的人脸图像。

主权项

1.一种自适应的人脸识别光照处理方法，其特征在于步骤如下：第一步，训练Haar特征分类器处理含人脸的图像，实现人脸定位，将人脸部分裁剪出来；第二步，建立光照子空间，针对三种可能的光照情况，组织经过高斯模糊处理的样本集合，对样本集合进行训练得到若干个弱分类器级联而成的强分类器；第三步，将经过第一步处理的人脸图像放入到分类器中，得到人脸的光照复杂程度；第四步，根据第三步得到的人脸的光照复杂程度，若为光照影响严重，则选择梯度脸进行光照处理，若为少量光照影响，则选择光照预处理链进行光照处理，若为几乎无光照影响，则选择直方图均衡化进行光照处理；建立光照子空间并进行光照复杂度判断的具体步骤如下：2.1建立样本集，该集合包含多个各种光照下的人脸图像，根据判定标准将样本图像的光照情况进行分类：①几乎无光照影响，即人脸受光均匀；②少量光照影响，即少量偏光，人脸轮廓及边缘可见；③严重光照影响，即人脸阴影遮挡范围大，过度曝光；2.2对样本集图片进行高斯模糊：其中，x,y分别代表坐标点的位置，σ表示平滑的程度，使用高斯模糊平滑人脸图像，隐藏其面部五官特征，仅得到脸部明暗对比的图像；2.3采用基于Haar特征的Adaboost方法对经过高斯模糊的样本集进行训练，得到诸多弱分类器，将多个弱分类器连接起来，得到一个强分类器；具体方法如下：2.3.1初始化权重：其中f为光照图像特征，θ为阈值，p为不等号的方向，x为一个检测子窗口；其中，w_t,i为第t个分类器第i个特征的权重，q_t,i是归一化后的权重；2.3.2对于每一类多个角度的光照图像特征f，训练一个弱分类器h，计算所有图像的加权错误率ε_f，ε_f＝∑_iq_i|h(x_i,f,p,θ)‑y_i|选取具有最小错误率ε_f的弱分类器h_i，并调整样本的权重其中e_i＝0表示x_i被正确分类，反之则为错误分类；其中ε_t为第t个分类器的加权错误率，为调整因子；2.3.3将2.3.2中得到的弱分类器级联成三组强分类器其中