CN104156719A - 基于形状和光照模型的人脸图像光照处理方法 - Google Patents

Abstract

本发明提供了一种基于形状和光照模型的人脸图像光照处理方法及其在人脸识别中的应用，本方法用于对检测到的人脸进行光照分析处理，算法中结合人脸几何特征及参考运动模型，建立典型光照模型，从而达到对不同光照下的人脸进行光照归一化处理提高后期人脸识别准确率。通过实现与对比，该方法有效的解决了针对人脸识别过程中在不均匀光照环境下导致识别率大幅降低的问题，从而提高了人脸识别的识别性能。

Description

基于形状和光照模型的人脸图像光照处理方法

技术领域

本发明涉及计算机视觉领域，尤其涉及一种人脸图像光照处理的方法。 

背景技术

人脸识别作为近年来的一个重要研究领域，虽然已经取得很大进展，但在一些实际的应用中，光照、姿态、眼镜等众多因素不同程度地对识别效果产生影响，其中光照是较常见的一种影响因素。 

现阶段最常用的人脸图像光照处理方法为TV模型的光照不变量提取方法。该方法利用基于TV模型提取用于识别的人脸高频细节特征，对于光照变化不剧烈的输入图像效果较好，但对于光照变化剧烈的输入图像容易出现光照不变量划分不精确以及参数优化过于随机的问题，同时算法复杂计算较为耗时。 

发明内容

本发明提供了一种新的人脸图像光照处理方法，提高了光照处理的效率和效果。 

本发明采用如下技术方案： 

基于形状和光照模型的人脸图像光照处理方法，包括： 

(1)利用活动形状模型产生的人脸特征点定位出人脸的九个区域； 

(2)利用基于直方图的光照评估模型在上述九个区域中分别求取光照不均匀系数； 

(3)根据每个区域的光照不均匀系数确定一系列光照处理算法的参数； 

(4)一系列的光照处理算法包括Gamma校正、高斯滤波差分运算、对比度均衡化。 

与现有方法相比，本发明所公开的人脸图像光照处理方法，算法原理简单，对大部分不均匀光照环境有较好的自适应性。 

附图说明

图1为活动形状模型划分人脸九个区域的流程图； 

图2为光照评估模型的流程图； 

图3为总流程图。 

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。 

具体实施方式为： 

(1)对输入图像灰度化，利用基于Haar特征的Adaboos t分类器检测人脸； 

(2)结合附图1，利用活动形状模型提取人脸68个特征点划分人脸为九个区域，分别是额头区域、左右眉毛区域、左右眼区域、鼻子区域、左右脸区域和嘴巴区域； 

(3)结合附图2，在人脸九个区域的每个区域里求取灰度直方图并归一化，分别将灰度大于200和灰度小于50两部分相加，得出每个区域的光照不均匀系数； 

(4)根据每个区域的光照不均匀系数k_i确定一系列光照处理算法的参数，并成正比例关系； 

(5)一系列光照处理算法首先是Gamma校正，Gamma校正是指使输出图像灰度值I_out与输入图像灰度值I_in呈指数关系： 

I_out＝AI_in ^γ

其中A为比例系数，γ为Gamma系数，这里取A＝1，γ＝k_i。 

然后是高斯滤波差分运算，高斯滤波差分运算是指对输入图像做两组参数不同的高斯滤波，分别取σ₁＝k_i，σ₂＝4k_i，然后相减得出相当于带通滤波的效果；最后是对比度均衡化，具体公式如下： 

$I_{\mathrm{out}}=\frac{I_{\mathrm{in}}}{{\left(\mathrm{mean}\left({\left|I(x^{,},y^{,})\right|}^{\mathrm{\α}}\right)\right)}^{1/\mathrm{\α}}}$

$I_{\mathrm{out}}=\frac{I_{\mathrm{in}}}{{\left(\mathrm{mean}\left(\min {(\mathrm{\τ},|I(x^{,},y^{,})\left|\right)}^{\mathrm{\α}}\right)\right)}^{1/\mathrm{\α}}}$

其中，α是压缩指数，以减少大数值的影响，τ是在第一阶段标准化后截断大数值的阈值，这里α＝k_i/2，τ＝10。 

Claims (4)

1.基于形状和光照模型的人脸图像光照处理方法，其特征在于利用活动形状模型将人脸图像分成九个区域；然后在每个区域上通过光照评估模型计算光照不均匀程度，从而确定进行一系列光照处理算法的参数，以保证更好地去除人脸中各分部中不均匀光照。

2.根据权利要求1所述的方法，其特征在于基于活动形状模型将人脸图像分为九个区域，其算法在于，对人脸图像进行灰度化，然后通过活动形状模型提取若干人脸特征点，将人脸分成九个区域，分别是额头区域、左右眉毛区域、左右眼睛区域、鼻子区域、左右脸区域、嘴巴区域。

3.根据权利要求1所述的方法，其特征在于在权利要求2所述的九个区域上通过光照评估模型计算光照不均匀程度，其算法在于，计算每个区域上的灰度直方图并归一化，将高于灰度阈值T1和低于灰度阈值T2两部分累加，得出光照不均匀系数。

4.根据权利要求1所述的方法，其特征在于在每个区域中得出的光照不均匀系数来确定一系列光照处理算法的参数，其算法在于，对每个区域进行Gamma校正、高斯滤波差分运算、对比度均衡化和灰度拉伸，并且这些算法的参数都与光照不均匀系数成正比例关系；其中利用Gamma校正来增强图像亮度，再进行高斯滤波差分运算，去除光照中高频部分，即不均匀部分，然后采用对比度均衡化使图像光照更加均匀。