復雜光照條件下人臉識別關鍵算法研究

安洋帆 楊智智 吳濤 南通大學

關鍵字：復雜光照 人臉識別 關鍵算法 研究

引言

現階段，在計算機信息技術的支撐下，計算機人臉識別技術得以誕生和發展，并且隨著理論基礎的日益完善，人臉識別相關算法得到了進一步的優化和改良，使得識別效果大大提升。就目前而言，計算機人臉識別技術在諸多領域得到應用，其中包括電子商務、監控及門禁系統等，一方面有效提升了管理水平，另一方面也大大確保了管理的安全性和可靠性。

1 人臉識別技術概述

第一，人臉檢測。對人臉圖像進行檢測、定位和跟蹤，有效判斷人臉的形狀、位置和大小等特征信息；第二，圖像處理。在人臉檢測的基礎上進行圖像的處理工作，包括圖像矯正、歸一化處理以及灰度均衡處理等，確保后續識別和判斷的準確性；第三，特征提取。對原始數據進行動態分析和識別，找出可以反映人臉本質特征的信息，并且進行數據庫對比分析；第四，分類識別。在提取相關的人臉特征信息后，需要按照分類方法進行歸類整理，同時確定相關的識別和判斷規則，確保身份識別的準確性和有效性。

2 復雜光照條件下人臉識別關鍵算法

2.1 傳統圖像處理方法

2.1.1 直方圖均衡

在實際進行圖像采集中會由于光照條件的影響（不均勻曝光），使得圖像一些關鍵信息被隱藏，此時需要通過圖像灰度和頻率關系進行分析和判斷，即通過直方圖均衡重新分配圖像灰度級頻率，使得隱藏的信息得以表現出來。通常情況下，對于該方法的處理，需要按照以下幾步驟執行算法，即統計和記錄圖像中每一個灰度級i的頻率，并且記作，接著結合總的灰度級數量L，得出灰度變換公式（1）。

然后根據公式（1）進行圖像各個灰度值處理，詳細如公式（2）。

2.1.2 Gamma 變換

該方法的本質原理是對人臉圖像的亮度進行調節，通過控制Gamma相關參數大小進行圖像亮度的調節，使其在復雜光照條件與標準環境相似，提升計算機識別的準確性。Gamma變換的算法執行流程如下：第一，根據標準環境下采集的圖像數據Io計算出Gamma參數，詳細見公式（3）。

第二，利用上述公式（3）得到的Gamma參數按照公式（4）計算求得處理后的每點亮度值。

2.2 基于光照建模的商圖像

通過假設圖像中人臉沒有自陰影，且所有人臉的3D形狀相同，得出人臉的商圖像只與表面反射率相關，而與光照信息無關。商圖像定義為兩幅圖像的反射率之比，人臉b對人臉a的商圖像表示為公式（5）。

由上述公式可見，商圖像與光照信息無關，只與人臉表面反射率如紋理等相關。如果獲得人臉a的任意三幅線性不相關的圖片以及商圖像，那么可以生成目標y在任意光照條件下的人臉圖像，詳細見公式（6）。

2.3 光錐體法

該方法是復雜強光照射下人臉識別的有效方法，同時考慮了自身陰影和投影陰影，其主要運用Yale B數據庫進行人臉三維模型的建立，詳細如圖1所示。

圖1人臉識別三維模型構建

光錐體法在非常劇烈的光照下，其人臉識別率不會下降，在Yale B數據庫上的測試結果曲線如圖2所示。

圖2光錐法在Yale B數據庫上的識別率測試結果

雖然該方法的可以達到很好的識別效果，但是每個人臉光錐至少需要7張圖片，這對于許多系統而言是難以滿足的，而且光錐法計算復雜，計算量極大，計算的實時性難以得到滿足，后續還需要加強研發。

結束語

綜上所述，人臉識別作為一種計算機技術支持的高端識別手段，在諸多領域得到廣泛應用。在實際的應用中，人臉識別會受到復雜光照條件的影響，導致識別準確性受到影響，此時需要對人臉識別相關算法進行優化和改良，確保人臉識別在復雜光照條件下仍然適用，有效提升判斷和辨識的準確性，為促進人臉識別技術的成熟提供保障。