CN103065127A - 雾天图像中人脸的识别方法和识别装置 - Google Patents

Abstract

本发明提供了一种雾天图像中人脸的识别方法和识别装置。该雾天图像中人脸的识别方法包括：使用暗通道优先去雾方法对输入彩色图像进行处理，处理后的图像为第一图像；使用预设的人脸检测器对第一图像进行人脸检测，提取出第一图像中的人脸图像；采用结合主元分析和线性鉴别分析的算法对人脸图像进行识别，并输出识别结果。本发明针对在雾天环境中对拍摄特定场景拍摄的图像需要进行人脸识别前，启动去雾处理，去雾计算量小，保证处理图像的效率和速度，有效地提高了雾天环境中的识别效率，保证人脸识别不受到雾天环境的影响，从而保证人脸识别的效果。

Description

雾天图像中人脸的识别方法和识别装置

技术领域

本发明涉及图像识别领域，具体而言，涉及一种雾天图像中人脸的识别方法和识别装置。

背景技术

人脸识别是生物识别和图像处理领域的一个重要研究课题，它在安全领域、商贸领域及经济领域都有着广泛的应用前景，诸如刑侦破案、证件验证、人口控制和视频监控等。

然而在有雾天气情况下，由于场景的能见度降低，图像人脸的对比度和边缘等特征被衰减，从而影响了后面的人脸特征提取与识别，甚至会导致人脸检测算法的失效，因此需要在视频图像中消除雾霾对场景图像的影响。目前的人脸识别方法和识别装置对于户外有雾天气下拍摄的图像处理的效果都比较差，造成识别率降低。

针对现有技术中人脸识别方法和识别装置对于户外有雾天气下拍摄的图像处理的效果较差的问题，目前尚未提出有效的解决方案。

发明内容

本发明旨在提供一种雾天图像中人脸的识别方法和识别装置，以解决现有技术中人脸识别方法和识别装置对于户外有雾天气下拍摄的图像处理的效果较差的问题。

为了实现上述目的，根据本发明的一个方面，提供了一种雾天图像中人脸的识别方法。该雾天图像中人脸的识别方法包括：使用暗通道优先去雾方法对输入彩色图像进行处理，处理后的图像为第一图像；使用预设的人脸检测器对第一图像进行人脸检测，提取出第一图像中的人脸图像；采用结合主元分析和线性鉴别分析的算法对人脸图像进行识别，并输出识别结果。

进一步地，使用暗通道优先去雾方法对输入彩色图像进行处理包括：对输入彩色图像的RGB三个通道分别进行最小操作运算，得出输入彩色图像三个通道的暗原色；根据暗原色分别计算三个通道的透射率，并根据暗原色分别统计得出三个通道的天空亮度；分别根据各通道的透射率和各通道的天空亮度对输入彩色图像的对应通道数据进行计算，得到三个通道的复原图像；将三个通道的复原图像进行合成，得到第一图像。

进一步地，对输入彩色图像的RGB三个通道分别进行最小操作运算包括：对输入彩色图像的RGB三个通道进行最小值滤波，最小值滤波使用的模板尺寸为N×N，其中，N∈{3,5,7..}；对滤波后的输入彩色图像的RGB三个通道分别进行最小操作运算。

进一步地，根据暗原色分别计算三个通道的透射率包括：按照公式t(x,y)=1-ωI^dark(x,y)计算透射率t(x,y)，其中，ω为调节参数，ω∈(0,1)I^dark(x,y)为暗原色。

计算得到三个通道的复原图像J^c(x,y)，其中c为RGB三个通道的标号，即c∈{r，g,b}，A^c为c通道的天空亮度，I^c(x,y)为输入彩色图像，t₀为预设的下限阈值。

进一步地，根据暗原色分别统计得出三个通道的天空亮度包括：对c通道的暗原色的亮度分别进行统计，选取暗原色亮度最大的预定比例的像素，选取出的预定比例的像素为统计像素；在输入彩色图像中按照统计像素的位置查找c通道最大亮度值，该最大亮度值即c通道的天空亮度A^c，其中c为RGB三个通道的标号，即c∈{r，g,b}。

进一步地，使用预设的人脸检测器对第一图像进行人脸检测包括：预先使用Adaboosting学习算法挑选若干harr特征组成人脸检测器，利用该人脸检测器对第一图像进行人脸检测。

进一步地，采用结合主元分析和线性鉴别分析的算法对人脸图像进行识别包括：将第一图像中的人脸图像向融合特征空间投影，得到待识别特征；将待识别特征与训练样本的识别特征进行比对，匹配相似程度最大的人脸，其中融合空间由特征脸子空间和线性鉴别分析的特征子空间融合计算得到。

根据本发明的另一个方面，提供了一种雾天图像中人脸的识别装置。该雾天图像中人脸的识别装置包括：图像去雾模块，用于使用暗通道优先去雾方法对输入彩色图像进行处理，处理后的图像为第一图像；人脸检测模块，用于使用预设的人脸检测器对第一图像进行人脸检测，提取出第一图像中的人脸图像；人脸识别模块，用于采用结合主元分析和线性鉴别分析的算法对人脸图像进行识别，并输出识别结果。

进一步地，，图像去雾模块还用于：对输入彩色图像的RGB三个通道分别进行最小操作运算，得出输入彩色图像三个通道的暗原色；根据暗原色分别计算三个通道的透射率，并根据暗原色分别统计得出三个通道的天空亮度；分别根据各通道的透射率和各通道的天空亮度对输入彩色图像的对应通道数据进行计算，得到三个通道的复原图像；将三个通道的复原图像进行合成，得到第一图像。

应用本发明的技术方案，本发明的技术方案针对在雾天环境中对拍摄特定场景拍摄的图像需要进行人脸识别前，启动去雾处理，保证人脸识别不受到雾天环境的影响，从而保证人脸识别的效果。利用使用暗通道优先去雾方法对输入彩色图像进行处理，去雾计算量小，保证处理图像的效率和速度，有效地提高了雾天环境中的识别效率。

进一步地，分别根据各通道的透射率和各通道的天空亮度对输入彩色图像的对应通道数据进行计算包括：对透射率t(x,y)进行高斯滤波，得到细化透射率

其中高斯滤波的模板尺寸为5×5；按照公式：

$J^c(x,y)=\frac{I^c(x,y)-A^c}{\max (\frac{\tilde{t}(x,y)}{A^c},t_0)}+A^c,$

附图说明

图1是根据本发明实施例的雾天图像中人脸的识别装置的示意图；

图2是根据本发明实施例的雾天图像中人脸的识别方法的示意图；

图3是根据本发明实施例的雾天图像中人脸的识别方法中图像去雾的流程图；

图4是根据本发明实施例的雾天图像中人脸的识别方法中人脸检测的流程图；

图5是根据本发明实施例的雾天图像中人脸的识别方法中人脸识别的流程图。

具体实施方式

本发明实施例提供了一种雾天图像中人脸的识别装置，图1是根据本发明实施例的雾天图像中人脸的识别装置的示意图，如图1所示，雾天图像中人脸的识别装置包括：图像去雾模块11，用于使用暗通道优先去雾方法对输入彩色图像进行处理，处理后的图像为第一图像；人脸检测模块12，用于使用预设的人脸检测器对第一图像进行人脸检测，提取出第一图像中的人脸图像；人脸识别模块13，用于采用结合主元分析和线性鉴别分析的算法对人脸图像进行识别，并输出识别结果。

本发明的雾天图像中人脸的识别装置，针对在雾天环境中对拍摄特定场景拍摄的图像需要进行人脸识别前，启动去雾处理，保证人脸识别不受到雾天环境的影响，从而保证人脸识别的效果。利用使用暗通道优先去雾方法对输入彩色图像进行处理，去雾计算量小，保证处理图像的效率和速度，有效地提高了雾天环境中的识别效率。

图像去雾模块11的具体工作步骤为：对输入彩色图像的RGB三个通道分别进行最小操作运算，得出输入彩色图像三个通道的暗原色；根据暗原色分别计算三个通道的透射率，并根据暗原色分别统计得出三个通道的天空亮度；分别根据各通道的透射率和各通道的天空亮度对输入彩色图像的对应通道数据进行计算，得到三个通道的复原图像；将三个通道的复原图像进行合成，得到第一图像。

在以上图像去雾模块11的工作步骤中，得出输入彩色图像三个通道的暗原色具体可以包括：对输入彩色图像的RGB三个通道进行最小值滤波，最小值滤波使用的模板尺寸为N×N，其中，N∈{3,5,7..}；对滤波后的输入彩色图像的RGB三个通道分别进行最小操作运算。

对输入彩色图像的RGB三个通道分别进行最小操作运算具体可以包括：根据暗原色分别计算三个通道的透射率具体可以包括：按照公式t(x,y)=1-ωI^dark(x,y)计算透射率t(x,y)，其中，ω为调节参数，ω∈(0,1)I^dark(x,y)为暗原色。调节参数ω用来调节去雾程度，从而可以有针对性的保留一部分覆盖遥远景物的雾，ω越大，去雾越彻底。

分别根据各通道的透射率和各通道的天空亮度对输入彩色图像的对应通道数据进行计算具体可以包括：对透射率t(x,y)进行高斯滤波，得到细化透射率

其中高斯滤波的模板尺寸为5×5；按照公式：

$J^c(x,y)=\frac{I^c(x,y)-A^c}{\max (\frac{\tilde{t}(x,y)}{A^c},t_0)}+A^c,$

计算得到三个通道的复原图像J^c(x,y)，其中c为RGB三个通道的标号，即c∈{r,g,b}，A^c为c通道的天空亮度，I^c(x,y)为输入彩色图像，t₀为预设的下限阈值。t₀的设置可以保证在计算过程中避免出现

不确定型，典型取值可以为0.1。

根据暗原色分别统计得出三个通道的天空亮度具体可以包括：对c通道的暗原色的亮度分别进行统计，选取暗原色亮度最大的预定比例的像素，选取出的预定比例的像素为统计像素；在输入彩色图像中按照统计像素的位置查找c通道最大亮度值，该最大亮度值即c通道的天空亮度A^c，其中c为RGB三个通道的标号，即c∈{r，g,b}。以上预定比例可以根据实际需要进行设置，一般取0.1%暗原色亮度最大的0.1%的像素。

以上图像去雾模块11实际上使用了一种优化的暗通道算法，其中使用简单地高斯滤波替代了复杂的软抠图方式，大幅度节省了算法运行的时间。

对于雾化图像可以用下式进行描述：I(x)=J(x)t(x)+A(1-t(x))，其中I为雾化图像的颜色值，J是场景无雾情况下的颜色值，A为天空亮度，去雾方法的本质就是从I中计算得到A和J，以及透射率t。暗通道算法是基于以下原理得出的，在绝大多数非天空的局部区域里，某一些像素总会有至少一个颜色通道具有很低的值，换言之，该区域光强度的最小值是个很小的值。从而可以依据上面介绍的算法实现图像的去雾处理。

人脸检测模块13的具体工作步骤可以为预先使用Adaboosting学习算法挑选若干harr特征组成人脸检测器，利用该人脸检测器对第一图像进行人脸检测。Adaboosting学习算法与harr特征的结合算法对图像中的人脸检测效果最佳，可以有效的分辨出图像中的人脸部分。

人脸识别模块15将第一图像中的人脸图像向融合特征空间投影，得到待识别特征；将待识别特征与训练样本的识别特征进行比对，匹配相似程度最大的人脸，其中融合空间由特征脸子空间和线性鉴别分析的特征子空间融合计算得到。结合主元分析（principal Componentsanalysis，PCA）和线性鉴别分析（linear discrimination analysis，LDA）结合的方法识别人脸，可以最终利用最近邻准则即可完成最终识别。

其中PCA方法在数据空间中找到一组向量，用此向量尽可能表达数据的方差，将数据从高维降到低维，LDA方法的目的是从高维特征空间里提取出最有判别能力的低维特征，这些特征能帮助将同一类别的所有杨泵聚集在一起，不同类别的样本尽量地分开。由此可以看出PCA结合LDA的算法有利于创造出适合人脸识别的特征空间。

本发明实施例还提供了一种雾天图像中人脸的识别方法，该雾天图像中人脸的识别方法可以通过本发明上述实施例所提供的任一种雾天图像中人脸的识别装置来执行，图2是根据本发明实施例的雾天图像中人脸的识别方法的示意图，如图所示，该识别方法包括：

步骤S21，使用暗通道优先去雾方法对输入彩色图像进行处理，处理后的图像为第一图像；

步骤S23，使用预设的人脸检测器对第一图像进行人脸检测，提取出第一图像中的人脸图像；

步骤S25，采用结合主元分析和线性鉴别分析的算法对人脸图像进行识别，并输出识别结果。

其中，步骤S21具体可以包括：

步骤S211，对输入彩色图像的RGB三个通道分别进行最小操作运算，得出输入彩色图像三个通道的暗原色；

步骤S213，根据暗原色分别计算三个通道的透射率，并根据暗原色分别统计得出三个通道的天空亮度；

步骤S215，分别根据各通道的透射率和各通道的天空亮度对输入彩色图像的对应通道数据进行计算，得到三个通道的复原图像；将三个通道的复原图像进行合成，得到第一图像。

上述步骤S211具体可以包括：对输入彩色图像的RGB三个通道进行最小值滤波，最小值滤波使用的模板尺寸为N×N，其中，N∈{3,5,7..}；对滤波后的输入彩色图像的RGB三个通道分别进行最小操作运算。

上述步骤S213具体可以包括：按照公式t(x,y)＝1-ωI^dark(x,y)计算透射率t(x,y)，其中，ω为调节参数，ω∈(0,1)I^dark(x,y)为暗原色。

上述步骤S215具体还可以包括：对透射率t(x,y)进行高斯滤波，得到细化透射率其中高斯滤波的模板尺寸为5×5；按照公式：

$J^c(x,y)=\frac{I^c(x,y)-A^c}{\max (\frac{\tilde{t}(x,y)}{A^c},t_0)}+A^c,$

计算得到三个通道的复原图像J^c(x,y)，其中c为RGB三个通道的标号，即c∈{r，g,b}，A^c为c通道的天空亮度，I^c(x,y)为输入彩色图像，t₀为预设的下限阈值。

上述步骤S213中根据暗原色分别统计得出三个通道的天空亮度具体可以包括：对c通道的暗原色的亮度分别进行统计，选取暗原色亮度最大的预定比例的像素，选取出的预定比例的像素为统计像素；在输入彩色图像中按照统计像素的位置查找c通道最大亮度值，该最大亮度值即c通道的天空亮度A^c，其中c为RGB三个通道的标号，即c∈{r，g,b}。

上述步骤S23具体可以包括：预先使用Adaboosting学习算法挑选若干harr特征组成人脸检测器，利用该人脸检测器对第一图像进行人脸检测。

上述步骤S25具体可以包括：将第一图像中的人脸图像向融合特征空间投影，得到待识别特征；将待识别特征与训练样本的识别特征进行比对，匹配相似程度最大的人脸，其中融合空间由特征脸子空间和线性鉴别分析的特征子空间融合计算得到。

通过以上介绍可以看出，本实施例的雾天图像中人脸的识别方法实际上分为图像去雾，人脸检测、人脸识别三个步骤，以下结合本实施例中最优选的实现方式对以上三个步骤分别进行介绍：

图3是根据本发明实施例的雾天图像中人脸的识别方法中图像去雾的流程图，如图所示，图像去雾的步骤具体可以包括：

1.1对输入监控图像I(x,y)的RGB三个通道进行最小值滤波，模版尺寸为N×N(N∈{3,5,7..}),接着，在三个颜色通道中使用最小操作运算，则I(x,y)的暗原色为：

$I^{\mathrm{drak}}=(x,y)=\underset{c\∈\{r,g,b\}}{\min }\left(\underset{(x^{\′},y^{\′})\∈\mathrm{\Ω}(x,y)}{\min }\left(I^c(x^{\′},y^{\′})\right)\right);$

1.2选取暗原色中亮度最大的预定比例的像素，该比例可以设置为0.1%，在以上像素当中，输入图像I(x,y)中亮度最大的像素点被选定为大气光A，具体执行时，可以挑选亮度最大三个像素点，A(1)、A(2)、A(2)使用时取平均值计算。

根据求出的暗原色估计透射率t(x,y)，其计算公式为:

$t(x,y)=\frac{A\left(1\right)+A\left(2\right)+A\left(3\right)}{3}-\mathrm{\ω}{I}^{\mathrm{dark}}(x,y);$

其中ω∈(0,1)为调节参数，用来调节去雾程度，ω越大，去雾越彻底，从而有针对性的保留一部分覆盖遥远景物的雾。

采用高斯滤波细化透射率得到

高斯模版尺寸简单选取为5×5，σ设为1；

1.3根据透射率

和天空亮度A可以确定去雾后的复原图像，公式为：

$J^c(x,y)=\frac{I^c(x,y)-A^c}{\max (\frac{\tilde{t}(x,y)}{A^c},t_0)}+A^c,c\∈\{r,g,b\}$

注意到是对RGB三通道分别进行复原，将得到的RGB三个通道图像合成复原后的图像J(x,y)。为了避免

不确定型出现，式中给t(x)设定了一个下限值t₀，t₀的一个典型值为0.1。

图4是根据本发明实施例的雾天图像中人脸的识别方法中人脸检测的流程图，如图所示，人脸检测的步骤具体可以包括：

对输入图像J(x,y)进行人脸检测，采用Haar特征和Adaboosting学习算法结合方法检测人脸，处理流程具体可以为：离线训练分类器，加载分类器，加载待处理图像J(x,y)，检测标定得到人脸图像。

图5是根据本发明实施例的雾天图像中人脸的识别方法中人脸识别的流程图，如图所示，对输入人脸图像进行人脸识别，采用结合主元分析（principal Components analysis，PCA）和线性鉴别分析（linear discrimination analysis，LDA）结合的方法识别人脸，处理流程具体可以包括：

3.1对于输入训练样本集，采用PCA方法得到一个人脸子空间即为特征脸子空间；在此基础上计算LDA算法的特征子空间；求解广义的特征值和特征向量，组合成最佳分类空间；将PCA算法与LDA算法特征子空间进行融合，获得PCA+LDA算法的融合特征空间。

3.2训练样本与测试样本分别朝融合特征空间投影，从而得到识别特征和待识别特征，利用最近邻准则即可完成人脸识别，即将待识别特征与识别特征一一比对，匹配相似程度最大的人脸。

应用本发明的技术方案，本发明的技术方案针对在雾天环境中对拍摄特定场景拍摄的图像需要进行人脸识别前，启动去雾处理，保证人脸识别不受到雾天环境的影响，从而保证人脸识别的效果。利用使用暗通道优先去雾方法对输入彩色图像进行处理，去雾计算量小，保证处理图像的效率和速度，有效地提高了雾天环境中的识别效率。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例或者实施例的某些部分所述的方法。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种雾天图像中人脸的识别方法，其特征在于，包括：

使用暗通道优先去雾方法对输入彩色图像进行处理，处理后的图像为第一图像；

使用预设的人脸检测器对所述第一图像进行人脸检测，提取出所述第一图像中的人脸图像；

采用结合主元分析和线性鉴别分析的算法对所述人脸图像进行识别，并输出识别结果。

2.根据权利要求1所述的雾天图像中人脸的识别方法，其特征在于，使用暗通道优先去雾方法对输入彩色图像进行处理包括：

对所述输入彩色图像的RGB三个通道分别进行最小操作运算，得出所述输入彩色图像三个通道的暗原色；

根据所述暗原色分别计算所述三个通道的透射率，并根据所述暗原色分别统计得出三个通道的天空亮度；

分别根据各通道的所述透射率和各通道的天空亮度对所述输入彩色图像的对应通道数据进行计算，得到三个通道的复原图像；

将所述三个通道的复原图像进行合成，得到所述第一图像。

3.根据权利要求2所述的雾天图像中人脸的识别方法，其特征在于，对所述输入彩色图像的RGB三个通道分别进行最小操作运算包括：

对所述输入彩色图像的RGB三个通道进行最小值滤波，所述最小值滤波使用的模板尺寸为N×N，其中，N∈{3,5,7..}；

对滤波后的输入彩色图像的RGB三个通道分别进行最小操作运算。

4.根据权利要求2所述的雾天图像中人脸的识别方法，其特征在于，根据所述暗原色分别计算所述三个通道的透射率包括：

按照公式t(x,y)=1-ωI^dark(x,y)计算透射率t(x,y)，其中，ω为调节参数，ω∈(0,1)，I^dark(x,y)为所述暗原色。

5.根据权利要求4所述的雾天图像中人脸的识别方法，其特征在于，分别根据各通道的所述透射率和各通道的天空亮度对所述输入彩色图像的对应通道数据进行计算包括：

对所述透射率t(x,y)进行高斯滤波，得到细化透射率

其中高斯滤波的模板尺寸为5×5；

按照公式：

$J^c(x,y)=\frac{I^c(x,y)-A^c}{\max (\frac{\tilde{t}(x,y)}{A^c},t_0)}+A^c,$

计算得到三个通道的复原图像J^c(x,y)，其中c为RGB三个通道的标号，即c∈{r,g,b}，A^c为c通道的天空亮度，I^c(x,y)为所述输入彩色图像，t₀为预设的下限阈值。

6.根据权利要求2所述的雾天图像中人脸的识别方法，其特征在于，根据所述暗原色分别统计得出三个通道的天空亮度包括：

对c通道的暗原色的亮度分别进行统计，选取暗原色亮度最大的预定比例的像素，选取出的预定比例的像素为统计像素；

在所述输入彩色图像中按照所述统计像素的位置查找c通道最大亮度值，该最大亮度值即c通道的天空亮度A^c，其中c为RGB三个通道的标号，即c∈{r,g,b}。

7.根据权利要求1至6中任一项所述的雾天图像中人脸的识别方法，其特征在于，使用预设的人脸检测器对所述第一图像进行人脸检测包括：

预先使用Adaboosting学习算法挑选若干harr特征组成人脸检测器，利用该人脸检测器对所述第一图像进行人脸检测。

8.根据权利要求1至6中任一项所述的雾天图像中人脸的识别方法，其特征在于，采用结合主元分析和线性鉴别分析的算法对所述人脸图像进行识别包括：

将所述第一图像中的人脸图像向融合特征空间投影，得到待识别特征；

将待识别特征与训练样本的识别特征进行比对，匹配相似程度最大的人脸，其中所述融合空间由特征脸子空间和线性鉴别分析的特征子空间融合计算得到。

9.一种雾天图像中人脸的识别装置，其特征在于，包括：

图像去雾模块，用于使用暗通道优先去雾方法对输入彩色图像进行处理，处理后的图像为第一图像；

人脸检测模块，用于使用预设的人脸检测器对所述第一图像进行人脸检测，提取出所述第一图像中的人脸图像；

人脸识别模块，用于采用结合主元分析和线性鉴别分析的算法对所述人脸图像进行识别，并输出识别结果。

10.根据权利要求9所述的雾天图像中人脸的识别装置，其特征在于，所述图像去雾模块还用于：

对所述输入彩色图像的RGB三个通道分别进行最小操作运算，得出所述输入彩色图像三个通道的暗原色；

根据所述暗原色分别计算所述三个通道的透射率，并根据所述暗原色分别统计得出三个通道的天空亮度；

分别根据各通道的所述透射率和各通道的天空亮度对所述输入彩色图像的对应通道数据进行计算，得到三个通道的复原图像；

将所述三个通道的复原图像进行合成，得到所述第一图像。

Images