探究遮擋和復(fù)雜光照條件下魯棒人臉識(shí)別算法

尚曉銳

摘 要 本文分別在遮擋與光照條件下開(kāi)展實(shí)驗(yàn)，對(duì)于人臉遮擋問(wèn)題，采用遮擋檢測(cè)與HOG特征相結(jié)合的方式進(jìn)行識(shí)別，對(duì)于光照變化問(wèn)題，在LBP算法基礎(chǔ)上進(jìn)行近紅外人臉識(shí)別，兩項(xiàng)實(shí)驗(yàn)結(jié)果表明，上述方法對(duì)人臉識(shí)別均具有較強(qiáng)的魯棒性，可獲取最佳識(shí)別性能。

關(guān)鍵詞 遮擋;復(fù)雜光照;魯棒人臉識(shí)別

引言

在生物識(shí)別領(lǐng)域中，人臉識(shí)別屬于關(guān)鍵內(nèi)容之一，在安防與身份認(rèn)證領(lǐng)域日益普及。現(xiàn)階段，人臉識(shí)別技術(shù)日益成熟，但識(shí)別算法卻因應(yīng)用環(huán)境的不同產(chǎn)生較大的識(shí)別難度，當(dāng)人臉被遮擋或光照時(shí)會(huì)發(fā)生變化，識(shí)別性能也因此受到不良影響。對(duì)此，可與HOG特征相結(jié)合，取得最佳識(shí)別效果。

1 遮擋條件下魯棒人臉識(shí)別

1.1 遮擋檢測(cè)

以人臉子塊為單位進(jìn)行遮擋檢測(cè)與處理，在人臉識(shí)別時(shí)容易受墨鏡、口罩等物體的遮擋，對(duì)此可將人臉劃分為三個(gè)子塊，即A、B和C，其中A區(qū)為頭發(fā)、帽子等區(qū)域，B區(qū)為墨鏡遮擋區(qū)，C區(qū)為口罩、胡須等遮擋區(qū)。首先，提取子塊中的HOG特征，利用PCA降維后輸入支持向量機(jī)分類，判斷該模塊中是否存在遮擋情況。

1.2 HOG特征

主要是指梯度方向的直方圖，可對(duì)圖像邊緣結(jié)構(gòu)與光照變化進(jìn)行描述，對(duì)魯棒局部特征描述。首先，以圖像像素點(diǎn)為中心，選取10×10的像素鄰域提取特征，將人臉子塊分為多個(gè)相互獨(dú)立的窗口;然后，將窗口分為4個(gè)5×5的子塊，對(duì)各個(gè)子塊中像素點(diǎn)梯度方向與幅值進(jìn)行計(jì)算，以像素點(diǎn)（x，y）為例，該位置的幅值計(jì)算公式為：

將窗口中的像素點(diǎn)梯度分為8個(gè)方向，再將相同方向的幅值累加，得出8維直方圖。將四個(gè)子塊中的梯度直方圖串聯(lián)起來(lái)，便可對(duì)該窗口特征進(jìn)行描述，即可得出整個(gè)圖像的HOG特征[1]。

1.3 實(shí)驗(yàn)結(jié)果

在AR人臉庫(kù)中共有四千多張人臉圖像，選擇庫(kù)中的一個(gè)子集，內(nèi)部包含100個(gè)對(duì)象，利用每個(gè)對(duì)象的7幅帶有光照變化的人臉圖像進(jìn)行訓(xùn)練，6幅帶有墨鏡或圍巾遮擋的人臉圖像開(kāi)始測(cè)試，測(cè)試結(jié)果如下：利用SRC方法對(duì)墨鏡遮擋的人臉進(jìn)行檢測(cè)，識(shí)別率為82%，對(duì)圍巾遮擋的識(shí)別率為59.5%;利用HOG方法對(duì)墨鏡遮擋的人臉進(jìn)行檢測(cè)，識(shí)別率為94.6%，對(duì)圍巾遮擋的識(shí)別率為95.8%。由此可見(jiàn)，與其他方法相比，HOG方法對(duì)人臉遮擋的魯棒性顯著增強(qiáng)。

2 復(fù)雜光照條件下魯棒人臉識(shí)別

2.1 近紅外檢測(cè)

近紅外設(shè)備進(jìn)行圖像采集時(shí)可免受光照影響，且圖像質(zhì)量更佳、亮度適中、對(duì)比均勻，適用于魯棒人臉識(shí)別。該設(shè)備主要包括三項(xiàng)內(nèi)容，即LED近紅外光源、近紅外攝像頭與濾光片。近紅外光線強(qiáng)度與距離之間成反比，為了提高圖像清晰度，人臉與鏡頭間的距離應(yīng)保持在100cm左右。受近紅外光源衰減性影響，光源將均勻的分布于攝像頭四周，因此當(dāng)距離不同時(shí)，圖像間的亮度變化不明顯，具有單一性、均勻性。

2.2 LBP特征

主要用于描述人臉局部特征，辨別性較強(qiáng)、計(jì)算簡(jiǎn)單方便，對(duì)光照變化具有一定的魯棒性，可利用這一特征克服圖像亮度的單一變化，得出與環(huán)境光照無(wú)關(guān)的特征。當(dāng)圖像經(jīng)過(guò)LBP算子處理后，雖然原圖像亮度不同，但LBP值幾乎未發(fā)生改變，可見(jiàn)該特征能夠有效解決圖像單一亮度問(wèn)題。首先，將LBP算子定義在3×3的區(qū)域中，然后利用鄰域中心像素計(jì)算標(biāo)簽值，最后，利用全部標(biāo)簽值形成直方圖對(duì)圖像紋理進(jìn)行描述。在等價(jià)模式中，用（P，R）代表LBP算子，其中P代表的是鄰域采樣點(diǎn)的數(shù)量，R代表的是鄰域半徑，如若采樣點(diǎn)不在像素中心，采樣值可經(jīng)過(guò)雙線性插值計(jì)算獲得，利用LBP算子對(duì)圖像掃描可得出LBP編碼，以圖像像素（x，y）為例，編碼的計(jì)算公式為：

式中，gc代表的是像素的灰度值;gp代表的是以R為半徑的鄰域中第p個(gè)采樣點(diǎn)灰度值;S代表的是閾值函數(shù)。LBP特征的提取流程如下：第一步：對(duì)人臉圖像進(jìn)行劃分，提取各個(gè)塊上的LBP直方圖向量;第二步：將獲取的向量串聯(lián)為特征直方圖，將其作為人臉特征。由于該向量的維數(shù)較高，需要在降維處理后，將其作為人臉的最終特征[2]。

2.3 實(shí)驗(yàn)結(jié)果

FERET人臉庫(kù)中含有大量的人臉圖像，并可提供全面的測(cè)試標(biāo)準(zhǔn)，本文在FERET人臉庫(kù)中選擇圖像，包含姿態(tài)、表情與光照變化，共計(jì)選出100個(gè)對(duì)象，每個(gè)對(duì)象有10幅正面照為訓(xùn)練集，有20幅具有光照的圖像為測(cè)試集，選擇一個(gè)對(duì)比方法（LDA）與本方法一同進(jìn)行測(cè)試，測(cè)試結(jié)果如下：LDA與LBP的最高識(shí)別率分別為55.1%和62.5%，后者優(yōu)于前者。由此可見(jiàn)，在復(fù)雜光照狀態(tài)下，常規(guī)算法的性能會(huì)明顯降低，可見(jiàn)消除復(fù)雜光照影響，才可使識(shí)別性能達(dá)到最佳狀態(tài)。為了驗(yàn)證復(fù)雜光照情況下近紅外人臉識(shí)別的魯棒性，本文在PolyU-NIRFD人臉庫(kù)中進(jìn)行測(cè)試，選出200個(gè)對(duì)象，每個(gè)對(duì)象有10幅正面照為訓(xùn)練集，有20幅具有光照的圖像為測(cè)試集，同樣選擇LDA算法作對(duì)比，根據(jù)測(cè)試結(jié)果可知：與FERET人臉庫(kù)相比，LDA的識(shí)別率有所提升，說(shuō)明近紅外識(shí)別在消除光照影響后，可提高算法性能;LBP算法識(shí)別率為96.8%，與LDA相比較高，說(shuō)明對(duì)表情與姿態(tài)變化具有較強(qiáng)的魯棒性，可應(yīng)用于近紅外人臉識(shí)別之中[3]。

3 結(jié)束語(yǔ)

綜上所述，在網(wǎng)絡(luò)時(shí)代背景下，人臉識(shí)別的作用日益突顯，為了解決遮擋與光照問(wèn)題，可采用遮擋檢測(cè)與HOG特征相結(jié)合的方式進(jìn)行識(shí)別，也可在LBP算法基礎(chǔ)上進(jìn)行近紅外人臉識(shí)別，二者均對(duì)人臉識(shí)別均具有較強(qiáng)的魯棒性，實(shí)現(xiàn)精準(zhǔn)識(shí)別。

參考文獻(xiàn)

[1] 伍強(qiáng).復(fù)雜光照條件下的人臉識(shí)別算法研究[D].天津：天津大學(xué)，2019.

[2] 翟懿奎，甘俊英，李景文.基于彩色信息融合和同倫算法的遮擋魯棒人臉識(shí)別方法研究[J].信號(hào)處理，2018，27（11）：1762-1768.

[3] 梁淑芬，劉銀華，李立琛.小波變換和LBP對(duì)數(shù)域特征提取的人臉識(shí)別算法[J].信號(hào)處理，2019，29（9）：1227-1232.