陳妍冰等

摘要：人臉識(shí)別在實(shí)際應(yīng)用中，通常由于光照的影響導(dǎo)致識(shí)別率的大幅下降。針對(duì)這一情況，該文從人臉圖像預(yù)處理和特征提取算法兩方面進(jìn)行改進(jìn)。文章首先采用了基于光照分量的算法進(jìn)行人臉圖像預(yù)處理，提高了算法對(duì)于光照的魯棒性，然后提出了改進(jìn)的結(jié)合了Gabor小波和LBP濾波的算法，并在有光照變化的標(biāo)準(zhǔn)人臉庫(kù)上進(jìn)行識(shí)別率測(cè)試。實(shí)驗(yàn)結(jié)果表明，該文算法對(duì)于變化光照的魯棒性較高，在標(biāo)準(zhǔn)人臉庫(kù)中的識(shí)別率最高可達(dá)到98.9%。

關(guān)鍵詞：人臉識(shí)別，局部二值模式，Gabor小波

中圖分類號(hào)：TP18 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2015）04-0147-03

Abstract：In practical application of the face recognition， the rate of recognition usually have a substantial decrease for the impact of different illuminations. In view of this situation， this paper improved from two aspects of the algorithm： image preprocessing and feature extraction. Firstly， we use the preprocessing algorithm based on the illumination to handle the face image， improved the robust of the illumination， and then put forward the improved combination of Gabor wavelet and LBP filter algorithm， meanwhile， we tested the recognition rate in the standard face database， which have different illuminations. The experimental results show that， this algorithm have a high robustness for the changes illuminations， the highest recognition rate in the standard face database can reach 98.9%.

Key words： face recognition； LBP； Gabor

人臉識(shí)別是近年來(lái)的研究熱點(diǎn)之一，但由于其系統(tǒng)模型的復(fù)雜性，樣本間的非線性，目前的識(shí)別方法都沒(méi)有達(dá)到百分之百的精確。目前常見(jiàn)的人臉識(shí)別方法可大致分為：1）基于幾何特征的方法。該方法提取人臉五官的一些幾何形狀和幾何結(jié)構(gòu)信息等作為特征，通過(guò)最近鄰法來(lái)進(jìn)行人臉識(shí)別；2）基于代數(shù)特征的方法。常見(jiàn)的算法如主成分分析PCA [1]、線性判別分析LDA[2]等；3）基于模型的方法。代表算法如隱馬爾可夫模型（Hidden MarkovModel，HMM）[3]、主動(dòng)形狀模型（Active Shape Model，ASM）[4]等；4） 基于神經(jīng)網(wǎng)絡(luò)的方法[5]。

1 人臉圖像預(yù)處理

人臉圖像在采集時(shí)會(huì)隨著光照的不同出現(xiàn)過(guò)亮、過(guò)暗或者光照不均的現(xiàn)象，這些采集到的存在光照問(wèn)題的人臉圖像或進(jìn)行人臉識(shí)別，或被添加入人臉圖像模板庫(kù)，若不進(jìn)行任何處理而直接使用的話，則會(huì)直接影響到人臉識(shí)別的結(jié)果。因此，在人臉檢測(cè)完成后，需要對(duì)采集到的人臉圖像進(jìn)行圖像預(yù)處理，以消除光照對(duì)于人臉識(shí)別的影響。該文采用前期論文研究[6]中的圖像預(yù)處理算法，該文不再詳述。

2 特征提取算法

另外，分析表中數(shù)據(jù)可以得出：1） 本文的特征提取算法對(duì)于小的人臉庫(kù)效果更好；

2） 對(duì)于沒(méi)有光照變化的人臉庫(kù)不進(jìn)行圖像預(yù)處理的效果更好，而對(duì)于有光照變化的人臉庫(kù)來(lái)說(shuō)，基于光照分量的Gamma校正預(yù)處理方法的魯棒性更強(qiáng)；

3） 對(duì)于LBP特征提取算法來(lái)說(shuō)，加上系數(shù)[ε]得到的識(shí)別率更高，而對(duì)于結(jié)合Gabor和LBP的特征提取算法來(lái)說(shuō)，不加系數(shù)[ε]得到的識(shí)別率更高；

4） 對(duì)于存在光照變化的情況，[ε]在一定范圍內(nèi)取得越高識(shí)別效果越好；

5） 人臉圖像經(jīng)分塊比不分塊的識(shí)別率要高。

參考文獻(xiàn)：

[1] 侯小靜.基于PCA算法和人臉姿態(tài)合成的人臉識(shí)別[D].長(zhǎng)沙：中南大學(xué)，2013.

[2] 裴永鵬.基于LDA的人臉圖像分析[D].西安：西安電子科技大學(xué)，2012.

[3] 劉洋.基于局部特征描述的HMM人臉識(shí)別算法研究[D].西安：西安電子科技大學(xué)，2013.

[4] 李偉生，張燕，周麗芳.一種姿態(tài)變化下的ASM人臉特征定位方法[J].計(jì)算機(jī)應(yīng)用研究，2012，29（12）：4764-4767.

[5] 梅蓉蓉，吳小俊，馮振華.改進(jìn)的動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò)及其在人臉識(shí)別中的應(yīng)用[J].計(jì)算機(jī)應(yīng)用與軟件，2012，29（1）：56-59.

[6] 尚長(zhǎng)春，馬宏偉，陳妍冰.井下可變光照條件下的圖像預(yù)處理方法[J].工礦自動(dòng)化，2014，40（3）：79-82.

[7] Kadir Kirtac， Onur Dolu， Muhittin Gokmen.Face Recognition by Combining Gabor Wavelets and Nearest Neighbor Discriminant Analysis[C]. ISCIS08.23rd International Symposium on Computer and Information Sciences，2008： 1-5.

[8] Timo Ojala，Matti Pietikainen，Topi Maenpaa. Multiresolution Gray-Scale and Rotation Invariant Texture Classification with Local Binary Patterns[J].IEEE Transactions on Pattern Analysis and Machine Intelligence， 2002，24（7）：971-987.

[9] 王月華.基于LBP的特征空間研究及其在自動(dòng)人臉識(shí)別中的應(yīng)用[D].南京：南京航空航天大學(xué)，2006.

[10] Bernd Heisele， Purdy Ho， Jane Wu， et al. Face recognition：Component-based versus global approaches[J].Computer Vison and Image Understanding.2003，91（1-2）：6-21.