基于γ变换的Weber-Faces的人脸识别方法

杨 超 伍世虔,2 方红萍

1(武汉科技大学机械自动化学院 湖北 武汉 430081)2(湖北省先进钢铁材料协同创新中心 湖北 武汉 430081)3(武汉科技大学信息科学与工程学院 湖北 武汉 430081)

0 引 言

生物特征识别技术[1](Biometric)克服了传统的身份识别技术[1,3-4]易遗忘、易伪造、安全性低等缺点。由于其独特的性质，被越来越多的科学家和学者们所推崇。人脸识别[5]是生物识别当中的最简单直接高效的一种技术，在主动身份识别和被动视频监控中都有着广泛的应用，特别是在公共安全领域有着独特的优势，为人们提供了便利及安全。虽然卷积神经网络在人脸识别技术中已经发挥了很大的作用[6-8]，但是其学习的时间长，消耗大量资源以及样本的条件无法满足，只能依靠单样本进行识别。但在单样本人脸识别中仍然存在许多问题，如光照、姿态、面部表情、模糊和年龄等[9-10]。特别是光照，人脸识别在室内环境下的应用已经十分成熟，但是在室外环境下，光照条件对人脸识别有很大的影响。

许多经典的人脸识别方法是基于单样本图像本身特征信息的。它们可以简单地分为三类[11]：第一类是传统的图像处理方法，不考虑光照反射模型。例如：直方图均衡化(HE)[12]、Gamma灰度校正(GIC)[13]、各向同性扩散(IS)[14]或各向异性扩散(AS)[14]等。第二类试图进行光照归一化，滤除掉人脸图像的光照部分L，并获得真实的反射人脸R。基于朗伯特反射模型[15-16]，人脸图像上坐标(x,y)点的像素I可以表示为：I(x,y)=R(x,y)L(x,y)。例如单尺度Retinex(Single Scale Retinex,SSR)[17]设计了一个全局的低通滤波器，并在对数域内进行滤波以滤去光照分量L，从而得到反射分量R。……