基于可变光照和可变姿态条件下的人脸图像识别探讨

《基于可变光照和可变姿态条件下的人脸图像识别探讨》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于可变光照和可变姿态条件下的人脸图像识别探讨【摘要】人脸的图像识别在各大领域中非常常见，在公共安全、身份认证、多媒体数字娱乐等领域具备不可估量的应用价值。如何快速有效的进行人脸识别，受到国家各个部门的关注和重视，经过研究者的多年研究也获得了一定的进展，人脸图像识别主要会受到光照条件和可变姿态条件的影响，只要针对这两方面找出合适的解决方法，就能大大提升识别率。本文就在可变光照和姿态的条件下的人脸图像识别进行了简单的探讨。【关键词】可变光照可变姿态人脸图像识别人脸识别技术属于图像识别理解研究领域，发

2、展至今已经有40多年的历史了，获得了长久的发展。最早只是单纯的从二维图片中获取明显的几何体征进行识别，到现在已经发展出了立体式的三维人脸图像识别方法。人脸图像的识别率与当时的光照条件和人的姿态有关，近年来研究者们正在对其进行相关研究，下面我们进行具体的介绍。一、人脸图像识别概述（一）人脸识别的基本概念5人脸识别是通过对人脸的特征记录而形成数据库，在需要认证的时候调出资料进行匹配，匹配成功后就可以证明被识别者的身份。具体的认证流程可以参照下图，图1所示。人脸识别早期刚出现时是通过工作人员的比对进行判

3、断，在计算机技术得到了大力发展后，人脸识别也将计算机技术引入，在我们的生活中实现了很多功能，根据不同的功能计算机要执行不同的任务，可参照表1.（二）人脸识别的优点在提取任务基本特征的过程中，人脸的识别具有其特殊的优点，主要表现为：采集简单，常用的摄像装置可以随时随地采集信息，方便快捷；信息采集不会对人们的正常生活产生影响，采集中不需要与被采集者接触，也不需要被采集者摆出特定的姿势；与人类识别习惯一致，日常生后中我们判别对方是否是自己需要找到的人也是通过人脸进行识别，这样一来，任何机器可以互相配合工

4、作。像是传统的指纹虹膜身份认证，一个正常没有经过任何特殊训练的人是无法单独进行认证的，而人脸识别更加方便简单，将会在未来广泛的应用到各大领域。（三）人脸识别的缺点5人脸识别虽然方便快捷，普及速度快，但是也存在一定的不足之处，主要表现为：安全性低，虽然世界上没有任何两个人的脸是完全一致的，但是人类的面孔却是总体特征相似，有些人的脸可能会与其他人的差别非常小，例如生活中常见的双胞胎，所以在技术上存在一定的难度；人脸的特征不是一成不变的，稳定性很差，虽然人脸不会随着时间发生过大的变化，但是由于表情、年龄

5、等因素的影响，或是由于整容、突发状况引发的特征大变，还是会对人脸识别造成影响；人脸图像采集还会受到可变光照和可变姿态的影响，导致图像的质量过低，识别率也打不到预期的标准。所以，人脸识别技术要针对其不足之处进行改进，进一步开发，提高在不同条件下的识别率。二、在可变光照条件下的人脸图像识别通过测试可知，在光照条件和人脸的姿态发生变化后，人脸图像识别率会大幅度的降低。早期的人脸识别系统中获取信息时保持一定的光照条件，但是在实际应用中，光照并不是理想中的那样均匀，偏光侧光都会严重影响图像的亮度，人脸也随之

6、发生较大的变化。5想要解决光照的问题，我们可以先假设一个模板图像，在理想中规定一个光照条件为标准条件，待识别图像则是在与规定的标准光照条件不同的光照条件下获取的，可以叫做变化光照条件下的图像。为了解决光照影响，可以去光或加光，使图像中的光照达到规定的标准光照，再进行人脸识别。众多的研究员经研究后对人脸识别中的关照处理方法归类出四种，包括：不变特征表示法，通过利用受光照影响较小的图像来表示人脸来减低光照的影响，对于光照的变化不会发生较大变化的图像表示可以采用边缘图、器官的横纹特征、2DGabor函数

7、滤波等；对图像进行标准化，这类方法是将图像进行变换，将光照造成的影响进行标准化，合成新的标准光照状态下的图像，在进行图像识别；将光照变化建模，建立一个人脸光照空间表示光照变化，并将其进行参数化，通过对模板和待识别图像的空间距离进行人脸识别；建立3D模型，这种方法通过3D模型合成不同的光照条件下的虚拟图像，也可以直接在3D空间进行识别。三、在可变姿态条件下的人脸图像识别早期进行人脸识别时通常都是采集正面的图像，但在实际的识别工作中，人脸和拍摄用的机器之间常常会由于角度的问题，导致拍摄出的图像发生变化

8、，主要是因为人脸的姿态发生变化会产生不同的投影，进而引发脸部的拉伸或压缩问题，有时脸部的一些部位还会被遮挡住。相对人脸的正面图像，姿态变化可以大致分成偏转、倾斜、俯仰三种，其中偏转和俯仰会对图像造成比较严重的影响，需要采用一定的方法进行有效识别。5在人脸图像识别的研究过程中，最近十几年，开发出了一些针对姿态变化导致图像识别出现问题的解决方法。主要包括2D图像方法和3D模型方法。2D的图像方法主要基于View-space方法，由PCA发展而来，研究人员通过采用特征子空间表示人脸不同姿