頻域光照歸一化的人臉識(shí)別方法

頻域光照歸一化的人臉識(shí)別方法

人們應(yīng)該經(jīng)常證明自己的身份。在當(dāng)今的信息技術(shù)快速發(fā)展的情況下，電子商務(wù)、銀行、安全等領(lǐng)域的身份認(rèn)證可靠性和方法提出了新的要求，但傳統(tǒng)的身份認(rèn)證方法不能滿足這些要求。人臉作為生物特征具有不易偽造、不會(huì)遺失、終身不變和隨身攜帶等優(yōu)點(diǎn),與其他人體生物特征識(shí)別系統(tǒng)相比,人臉識(shí)別系統(tǒng)更加直接、友好,使用者無(wú)任何心理障礙,是未來(lái)身份認(rèn)證發(fā)展方向之一。但人臉識(shí)別在應(yīng)用中遇到幾個(gè)尚未解決的難點(diǎn)問(wèn)題:光照、姿態(tài)表情、人臉附屬物和年齡等因素對(duì)人臉識(shí)別的影響。傳統(tǒng)的人臉識(shí)別方法大致可以分為兩大類:一是基于幾何特征的人臉識(shí)別,該方法根據(jù)人臉圖像特征點(diǎn)眼睛、嘴巴和眉毛等表述人臉特征的器官)的空間相關(guān)性信息進(jìn)行人臉識(shí)別。但是人臉圖像特征點(diǎn)提取的魯棒性易受到光照的影響。另一類是基于統(tǒng)計(jì)特征的人臉識(shí)別,該方法運(yùn)用大量的人臉樣本進(jìn)行訓(xùn)練得到人臉特征。人臉特征的數(shù)據(jù)來(lái)源是大量的人臉樣本。人臉樣本受到光照的影響,經(jīng)過(guò)統(tǒng)計(jì)訓(xùn)練得到的人臉特征也與光照有關(guān)。一個(gè)人的不同光照下人臉樣本經(jīng)過(guò)統(tǒng)計(jì)訓(xùn)練后得到的特征會(huì)完全不同。為了克服光照對(duì)人臉識(shí)別的影響,要求將待識(shí)別的人臉在保留可區(qū)分性的同時(shí)把待識(shí)別人臉圖像的光照轉(zhuǎn)化為人臉訓(xùn)練庫(kù)中人臉樣本光照近似相等。傳統(tǒng)光照歸一化主要有兩種算法:其一是以單一人臉樣本圖像為對(duì)象的灰度直方圖均衡化算法?；叶燃?jí)直方圖反映了一幅圖像中灰度級(jí)與具有該灰度級(jí)的像素出現(xiàn)的頻率之間的關(guān)系。直方圖均衡化就是將圖像的灰度分布轉(zhuǎn)換為均勻分布。經(jīng)過(guò)直方圖均衡化,各灰度等級(jí)的分布更加平衡,圖像的細(xì)節(jié)更加清楚。但是灰度直方圖均衡化后人臉樣本圖像的光照與訓(xùn)練庫(kù)中的光照無(wú)關(guān)。其二是以人臉訓(xùn)練樣本灰度分布均值和方差為基礎(chǔ)的灰度歸一化(統(tǒng)計(jì)特性歸一化)。將待識(shí)別人臉圖像灰度分布的均值和方差調(diào)整到與人臉訓(xùn)練樣本灰度分布均值和方差一致。從而達(dá)到待識(shí)別人臉圖像的亮度與訓(xùn)練庫(kù)中的亮度一致?？朔藞D像本身由于灰度分布問(wèn)題造成的影響,對(duì)像素點(diǎn)進(jìn)行光照歸一化。該方法對(duì)相應(yīng)像素點(diǎn)的內(nèi)容相同的圖像進(jìn)行光照歸一化的效果較好。但是人臉實(shí)時(shí)采集的人臉圖像像素與人臉庫(kù)中人臉樣本對(duì)應(yīng)像素的內(nèi)容可能不同,這大大降低了歸一化方法處理后的圖像效果。傳統(tǒng)人臉識(shí)別要求人臉圖像與人臉訓(xùn)練庫(kù)的光照差異不大。這提高了人臉識(shí)別系統(tǒng)運(yùn)行的環(huán)境條件,從而限制了人臉識(shí)別的應(yīng)用。本文為了降低人臉識(shí)別對(duì)環(huán)境條件的要求,克服光照對(duì)傳統(tǒng)人臉識(shí)別的影響。分析了人臉圖像的幅頻特性與人臉圖像的亮度有關(guān)。同一人臉的不同光照?qǐng)D像的幅頻特性完全不同,而相頻特性與光照無(wú)關(guān)。本文利用相頻特性與光照無(wú)關(guān)這一特性提出了頻域光照歸一化的人臉識(shí)別,對(duì)任何光照條件下采集的圖像經(jīng)過(guò)歸一化后,光照與訓(xùn)練庫(kù)中完全相同,同時(shí)保留了人臉的可區(qū)分性。人臉之間可區(qū)分性的信息量相對(duì)較小,因此本文選用最小非零特征向量作為人臉特征。通過(guò)對(duì)人臉整體光照變亮、變暗和人臉局部區(qū)域光照變化的實(shí)驗(yàn)仿真結(jié)果表明:本文人臉識(shí)別算法對(duì)光照具有魯棒性。1環(huán)境光照對(duì)人臉圖像光照的影響實(shí)信號(hào)2D圖像f(x,y)的傅立葉變換F(u,v)定義為:F(u,v)=1ΝΝ-1Σx=0Ν-1Σy=0f(x,y)exp[-j2π(ux+uy)/Ν](1)圖像的傅立葉變換后,在頻域中為一個(gè)復(fù)信號(hào),其實(shí)部R(u,v)和虛部I(u,v)分別為:R(u,v)=1ΝΝ-1Σx=0Ν-1Σy=0f(x,y)cos[2π(ux+vy)/Ν](2)Ι(u,v)=1ΝΝ-1Σx=0Ν-1Σy=0f(x,y)sin[-2π(ux+vy)/Ν](3)將圖像傅立葉變換的復(fù)信號(hào)用極坐標(biāo)表示得到了圖像幅頻特性|F(u,v)|和相頻特性?(u,v):|F(u,v)|=√R2(u,v)+Ι2(u,v)(4)?(u,v)=arctan[R(u,v)Ι(u,v)](5)人臉識(shí)別系統(tǒng)中人臉圖像的光照受到環(huán)境光照影響較大。如果環(huán)境光照變暗或者變亮,采集的人臉圖像(f(x,y)與正常環(huán)境光照下人臉圖像f(x,y)之間的關(guān)系:(f(x,y)=kf(x,y)(6)(6)式中當(dāng)k>1表示人臉圖像(f(x,y)相對(duì)于正常環(huán)境光照下人臉圖像f(x,y)整體變亮;當(dāng)0<k<1表示人臉圖像(f(x,y)相對(duì)于正常環(huán)境光照下人臉圖像f(x,y)整體變暗。由(1)至(5)式可以得知人臉圖像(f(x,y)與f(x,y)的幅頻特性和相頻特性的關(guān)系如下:{|(F(u,v)|=k|F(u,v)|(?(u,v)=?(u,v)(7)從(7)式可知人臉圖像的光照發(fā)生變化時(shí),其幅頻特性成比例的變換而相頻特性保持不變。本文根據(jù)圖像的相頻特性與光照無(wú)關(guān)這一性質(zhì),提出了頻域光照歸一化的人臉識(shí)別。設(shè)由M個(gè)人臉樣本構(gòu)成的人臉訓(xùn)練集xi,人臉訓(xùn)練集樣本均值為m:m=1ΜΜΣi=1xi(8)人臉訓(xùn)練集樣本均值m傅立葉變換的幅頻特性|Fm(u,v)|,將|Fm(u,v)|作為人臉光照歸一化后的人臉的幅頻特性,將人臉xi的相頻特性?i(u,v)作為光照歸一化后人臉相頻特性。構(gòu)成人臉xi光照歸一化后人臉圖像頻域的復(fù)信號(hào)。對(duì)該信號(hào)進(jìn)行傅立葉反變換得到光照歸一化后人臉(xi(xi=F-1{|Fm(u,v)|∠?i(u,v)}(9)從(9)式可知本文提出的光照歸一化后人臉的幅頻特性與訓(xùn)練集樣本均值的幅頻特性一致,實(shí)現(xiàn)了人臉光照歸一化的目的,同時(shí)保留了相頻特性的不變性。進(jìn)而保留了人臉的可區(qū)分性。對(duì)人臉圖像光照歸一化的結(jié)果如圖1所示。圖1中第一列中第一行表示正常環(huán)境光照下的人臉圖像;第二行表示環(huán)境光較暗的人臉圖像;第三行表示環(huán)境光較亮的人臉圖像;第四行表示局部較亮局部較暗的人臉圖像。第二列表示對(duì)應(yīng)的幅頻特性,第三列表示對(duì)應(yīng)的相頻特性,第四列表示頻域關(guān)照歸一化對(duì)應(yīng)的人臉圖像。2orl大人臉樣本的主元分析運(yùn)用頻域光照歸一化對(duì)訓(xùn)練集中的人臉樣本進(jìn)行處理后得到的人臉訓(xùn)練集。各個(gè)人臉樣本的幅頻特性基本上一致,同時(shí)由于人臉圖像的相頻特性與光照無(wú)關(guān)。不同人臉圖像的相頻特性也不同。人臉樣本之間的可區(qū)分性可以由相頻特性表示。本文提出的頻域光照歸一化方法保留人臉圖像的相頻特性不變。從而保留了人臉樣本之間的可區(qū)分性。對(duì)運(yùn)用頻域光照歸一化的人臉樣本進(jìn)行KL統(tǒng)計(jì)分析得到特征值λi所對(duì)應(yīng)的特征向量μi。特征值λi滿足下面關(guān)系:λ0≥…≥λm-1…≥λi≥λi+1…≥λi+n-1>0(10)(10)式中前m個(gè)特征值所對(duì)應(yīng)的特征向量?jī)H僅反映了人臉訓(xùn)練集人臉樣本的整體信息的分布空間。這些特征向量μA=(μ0,μ1,…μm-1)構(gòu)成了人臉識(shí)別的主元分析空間。頻域光照歸一化后的人臉樣本運(yùn)用主元分析得到的人臉低維數(shù)據(jù)可區(qū)分性較小。本文對(duì)ORL人臉庫(kù)的人臉樣本進(jìn)行頻域光照歸一化后進(jìn)行主元分析,選取5個(gè)主元特征向量,得到部分人臉(A、B兩類)樣本的低維數(shù)據(jù)表示如表1所示。A、B兩類人臉樣本的均值和類內(nèi)標(biāo)準(zhǔn)方差分別為μAi,μBi,δAi,δBi。本文定義兩類人臉樣本的可區(qū)分度定義為:αiA?(10)式中后n個(gè)最小非零特征值所對(duì)應(yīng)的特征向量μB=(μi,μi+1,…μi+m-1)表示不同人臉之間的統(tǒng)計(jì)性差別。對(duì)ORL大臉庫(kù)的人臉樣本進(jìn)行頻域光照歸一化后進(jìn)行主元分析,選取5個(gè)非零最小特征向量,表1中人臉樣本的低維數(shù)據(jù)表示如表2所示。對(duì)同樣的人臉樣本進(jìn)行頻域光照歸一化的進(jìn)行KL變換后選取不同的特征向量作為人臉特征,得到的人臉樣本的可區(qū)分度不問(wèn),從表1可知選取主元特征向量作為人臉特征。最大可區(qū)分度為0.8,最小可區(qū)分度為0.3,從表2可知選取最小非零特征向量作為人臉特征。最大可區(qū)分度為2.27,最小可區(qū)分度為0.53。因此本文選用最小非零特征向量作為人臉特征進(jìn)行人臉識(shí)別。3測(cè)試樣本及結(jié)果本文利用相頻特性與光照無(wú)關(guān)這一特性進(jìn)行人臉頻域光照歸一化,對(duì)任何光照條件下采集的圖像經(jīng)過(guò)歸一化后,光照與訓(xùn)練庫(kù)中完全相同,同時(shí)保留了人臉的可區(qū)分性。人臉之間可區(qū)分性的信息量相對(duì)較小,本文選用最小非零特征向量作為人臉特征。本文提出的頻域光照歸一化的人臉識(shí)別流程圖如圖2所示。對(duì)光照變化較小的ORL人臉庫(kù)(400個(gè)人臉樣本)進(jìn)行人臉識(shí)別仿真。為了驗(yàn)證人臉的光照對(duì)不同人臉識(shí)別算法的影響,而不考慮人臉姿態(tài)表情變化、年齡和人臉附屬物對(duì)人臉識(shí)別的影響。本文將訓(xùn)練庫(kù)中的人臉樣本進(jìn)行光照變化得到人臉測(cè)試樣本。部分測(cè)試樣本如圖3所示。其中A表示訓(xùn)練庫(kù)中的樣本;B表示人臉光照整體偏亮:C表示人臉光照整體偏暗。對(duì)測(cè)試集分別采用直方圖歸一化處理、不處理、統(tǒng)計(jì)歸一化處理以及本文方法的人臉識(shí)別率如表3所示:對(duì)于人臉整體光照變化的測(cè)試集,直方圖歸一化方法和本文方法的識(shí)別率相同。對(duì)人臉庫(kù)(200個(gè)人臉樣本)進(jìn)行人臉識(shí)別仿真。為了驗(yàn)證人臉的光照對(duì)不同人臉識(shí)別算法的影響,而不考慮人臉姿態(tài)表情變化、年齡和人臉附屬物對(duì)人臉識(shí)別的影響。本文將訓(xùn)練庫(kù)中的人臉樣本進(jìn)行光照變化得到人臉測(cè)試樣本。部分測(cè)試樣本如圖4所示。對(duì)測(cè)試集分別采用直方圖歸一化處理、不處理、統(tǒng)計(jì)歸一化處理以及本文方法的人臉識(shí)別率如表4所示:對(duì)于人臉整體光照變化的測(cè)試集,直方圖歸一化方法和本文方法的識(shí)別率相同。但是對(duì)于人臉局部光照變化的樣本,本文能夠完全識(shí)別而直方圖歸一化的識(shí)別率較低。4人臉局部區(qū)域光照變化的仿真?zhèn)鹘y(tǒng)人臉識(shí)別要求人臉圖像與人臉訓(xùn)練庫(kù)的光照差異不大。這一要求限制了人臉識(shí)別的應(yīng)用。本文為了降低人臉識(shí)別對(duì)環(huán)境條件的要求,克服光照對(duì)人臉識(shí)別的影響。分析了人臉圖像的幅頻特性與人臉圖像的亮度有關(guān)。而相頻特性與光照無(wú)關(guān)。同一人臉的不同光照?qǐng)D像的幅頻特性完全不同,利用相頻特性這一特性提出了頻域光照歸