遮挡和复杂光照条件下鲁棒人脸识别算法研究

摘要

人脸识别是生物特征识别领域的一个重要课题，在安防和身份认证领域得到了广泛的应用。虽然人脸识别技术已经取得了较大的进步，但是目前的人脸识别算法仍然无法克服由于应用环境不可控带来的识别困难。当人脸发生遮挡或出现较大光照变化时，识别性能会受到严重影响。为了解决遮挡和复杂光照问题，本文所做的主要工作如下：
　　针对人脸遮挡问题，提出了融合遮挡检测与HOG（Histogram of Oriented Gradient）特征协作表示的人脸识别方法。首先，设计了一种基于HOG特征，主成分分析和支持向量机的遮挡检测方法，根据常见遮挡的分布将人脸分块，在子块上检测遮挡。如果人脸存在遮挡，仅提取非遮挡部分的HOG特征作为人脸的特征表示；如果人脸未发生遮挡，则提取整幅人脸的HOG特征作为人脸的特征表示。最后，利用协作表示对降维后的人脸特征进行分类。在AR和Yale人脸库上进行了测试，对AR人脸库中遮挡图像的平均识别率达到95.2％。对AR和Yale人脸库中发生姿态和表情变化人脸的识别率分别达到97.3%和98.6%。与稀疏表示方法相比，计算复杂度有明显降低。实验结果表明，和现有的主要识别方法相比，该方法对人脸遮挡具有较强的鲁棒性。由于选用了强判别性的特征和高效的分类方法，对非遮挡人脸的识别性能也有一定程度的提升。
　　针对光照变化问题，设计了基于局部二值模式和协作表示分类的近红外人脸识别方法。使用强度高于环境光线的主动近红外光源成像，配合相应波段光学滤片，便可以采集到和环境光照无关的人脸图像，从而避免了光照变化对识别的影响。因为人脸图像亮度会随着人与摄像头的距离不同产生单调变化，所以提取近红外人脸图像的局部二值模式特征以克服这种单调变化，得到完全光照无关的特征表达。最后，采用协作表示方法对降维后的特征进行分类。在PolyU-NIRFD近红外人脸库上进行了测试，识别率达到96.8%，优于其他对比方法。实验结果表明，该方法在近红外人脸的识别上能取得较优的识别性能。

目录

1 绪论

1.1 研究背景及意义

1.2 人脸识别的研究概述

1.3 人脸库及相似性度量方法

1.4 主要工作与章节安排

2 相关理论知识

2.1 主成分分析理论

2.2 稀疏表示理论

2.3 红外成像理论

2.4 小结

3 融合遮挡检测与HOG特征协作表示的人脸识别

3.1 引言

3.2 遮挡检测

3.3 融合HOG特征的协作表示分类

3.4 实验结果与分析

3.5 小结

4 基于LBP特征的协作表示近红外人脸识别

4.1 引言

4.2 近红外人脸采集设备

4.3 基于LBP特征的协作表示分类

4.4 实验结果与分析

4.5 小结

5 总结与展望

5.1 总结

5.2 展望

参考文献

致谢

作者学习经历简介

攻读学位期间取得的学术成果