基于光照不变量的人脸识别算法研究

摘要

人脸识别是人工智能和机器视觉等领域中一个非常活跃的研究热点。目前，人脸识别技术依然面临着诸如姿态变化、表情变化、光照变化等不确定因素的挑战。受光照变化的影响，同一个人在不同光照条件下得到的图像之间的差异，可能比不同人在同一光照条件下得到的图像之间的差异还要大，这使得当前的人脸识别算法并不能取得令人满意的效果，因而光照变化也成为了制约人脸识别技术发展的最主要的瓶颈之一。
　　为了解决人脸识别中光照变化问题，本文提出了一种新的局部相对差分二值模式直方图序列（Local Relative Differential Binary Pattern Histogram Sequence，简称 LRDBPHS）人脸识别算法。该算法首先提取人脸相对差分光照不变量，相对差分本文定义为参考中心像素点的拉普拉斯微分与该中心像素点灰度值的比值，通过对光照条件下的人脸图像计算相对差分，可以近似得到只于人脸本身属性相关的特征，本文称其为相对差分光照不变量。接下来运用局部二值模式（Local Binary Pattern，简称LBP）算子抽取局部邻域关系模式，最后由这些模式的空间区域直方图形成的序列来描述人脸。相对差分、LBP、空间区域直方图的采用使得该算法不仅能克服光照变化的影响，对光照变化有良好的鲁棒性，而且也对表情变化和附属物变化等也有比较好的鲁棒性。在多个人脸图像数据库的实验结果也充分验证了该算法的有效性。