[发明专利]针对人脸识别的光照归一化处理系统

说明书

技术领域

本发明涉及人脸识别领域，具体地，涉及是一种针对人脸识别的光照归一化处理系统。

背景技术

人脸识别是对人脸的一种生物计量学上的识别过程，一般的作法是通过与已存在的人脸库作比对来完成。人脸识别系统引起了越来越多的注意，已经广泛应用于各种不同的领域，例如公共安全、进出控制、信息安全、智能监视等等。在过去的几十年里，大量研究学者提出了许多人脸识别方法，例如主成分分析法（Principal component analysis,PCA）、线性判别分析法（Linear discriminant analysis,LDA）、独立成分分析法（Independent component analysis,ICA）、弹性图匹配法（Elastic bunch graph matching,EBGM）等等。

尽管这些方法在工程实际中得到广泛应用，但是由于不配合的使用者以及不可控的环境变量，如表情变化、姿势变化、光照变化等等，人脸识别系统仍然面临着巨大的挑战。已有的人脸识别算法，常常因为受到这些环境变量的干扰，造成识别成功率往往大打折扣。在诸多变量之中，对识别成功率影响最大的，当属光照变化，包括训练样本集的光照变化和测试样本集的光照变化。有研究表明，这种光照变化的影响甚至超过了个体的不同。近些年来，有关于人脸识别的研究重点集中在消除光照变化的影响，即在识别之前，对人脸图像做光照归一化处理。

这些归一化方法大致可以分为三类：建模、预处理和特征提取。

建模类方法的一般作法是建立囊括几乎所有变量的三维人脸模型。然而，这类方法存在两个问题，从而限制了其在工程实际中的应用。一是这类方法都需要大量的实验样本模拟在不同光照条件下的人脸图像。另外一个是假设人脸是凸面物体，从而忽视了投影。特征提取类方法的一般作法是试图提取人脸上不受光照影响的特征。然而这些方法都不能完全摆脱光照变量的干扰。预处理类方法是使用一些图像处理技术，在识别之前，去除光照变量的影响，本发明属于此类方法。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种针对人脸识别的光照归一化处理系统，经过本发明的处理之后，人脸识别的成功率得到很好地提升。与本发明结合的人脸识别系统，可以直接投入工程实际。

为实现上述目的，本发明采用以下技术方案：

一种针对人脸识别的光照归一化处理系统，包括：空间转换模块、信号分解模块、特征识别模块和特征融合模块，其中：

空间转换模块，负责将人脸图像作对数运算，转化到对数空间，并传递至信号分解模块处理；

信号分解模块，借助FBEMD信号分解方法，将人脸图像分解成为一系列二维固有模态函数BIMFs，并按频率从高到低排列，最后传递至BIMFs分组模块处理；

特征识别模块，接收到来自信号分解模块的处理结果，计算图像对比度或图像极值点的数量，以此作为每个BIMF分量中所含信息量的权重，将权重数最高的三个BIMFs传输至特征融合模块；

特征融合模块，接收到来自特征识别模块的处理结果，将权重数最高的三个BIMFs分量做加和处理，完成光照归一化过程。

本发明系统使用快速二维经验模态分解（Fast bi-dimensional empirical mode decomposition,FBEMD）将一张人脸图像分解成为一系列不同空间尺度的二维固有模态函数（Bi-dimensional intrinsic mode function,BIMF）。统计每个BIMF内的对比度或极值点数量，计算权重数。选择三个权重数最大的BIMF，作加和处理，重建光照不变脸。经过这个处理之后，光照变量的影响被压制到最低，识别成功率得到很大的提升。实施例中使用的样本集分别来自Yale B和Carnegie Mellon University Pose Illumination and Expression(CMU PIE)数据库。

优选地，所述空间转换模块，是根据Retinex理论模型，通过对数变换，将一张人脸图像中的两个变量（反射和光照），由复杂的乘积关系转变为简单的加和关系。这一理论试图对图像形成的基本原理做一个统一的解释，并论述一个图像I(x,y)可以解读为反射函数R(x,y)和亮度函数L(x,y)的乘积：

I(x,y)＝R(x,y)L(x,y)    (1)