reiex理論在人臉檢測中的應用

reiex理論在人臉檢測中的應用

1基于光照預處理的人臉識別系統(tǒng)面部識別技術廣泛應用于身份認證、視覺監(jiān)控和人機接口事務等領域。隨著人臉識別算法研究的進展，人臉識別技術已進入實用化階段，一些成熟的商用人臉識別系統(tǒng)已經(jīng)投入應用。在光照、姿態(tài)、表情等變化不大的情況下，這些人臉識別系統(tǒng)能取得理想的結果，識別率達到90%以上。但在光照、姿態(tài)、表情等變化時，系統(tǒng)的性能會明顯下降。其中光照變化是制約人臉識別系統(tǒng)性能的重要因素，尤其是室外復雜光照條件下影響更大。FRVT2002測試結果表明，在錯誤接受率為1%時，室內(nèi)控制光照情況下人臉認證正確率能達到93%，而室外非控制光照情況下人臉認證正確率只能達到51%。光照變化成為制約人臉識別系統(tǒng)性能的瓶頸：一方面是因為光照變化造成了人臉的類內(nèi)差異甚至大于類間差異。Adini等研究表明，同一個人在不同的光照條件下得到的圖像之間的差異，往往比不同人在同一成像條件下得到的圖像之間的差異還要大；另一方面是光照變化本質上是一個無限維的，光照變化對人臉圖像的影響，除了光源本身的因素外，還跟人臉表面的幾何特征、反射率等諸多因素有關，其因素往往是非常復雜的。提高人臉識別對光照的魯棒性，對推廣應用人臉識別系統(tǒng)具有非?，F(xiàn)實的意義。一套成熟的實用的人臉識別系統(tǒng)，必然對光照變化具有很強的魯棒性。針對光照因素的研究，國內(nèi)外學者提出了很多優(yōu)秀算法，總的來說有3種思路：1）基于傳統(tǒng)的圖像預處理方法，如直方圖均衡、Gamma變換等，此類算法簡單，但在性能上往往難以達到理想的效果；2）提取對光照不敏感特征，如Gabor特征、邊緣圖（edgemap）等，其中Gabor特征的確能在一定程度上抑止光照變化的影響，被廣泛應用于人臉識別系統(tǒng)的特征提取模塊，而邊緣圖會造成一定程度的信息損失，難以取得理想的效果；3）基于光照模型，比較典型的如光照錐（IlluminationCone）、商圖像（QuotientImage）、球諧函數(shù)（SphericalHarmonic）等模型，此類方法理論性強，試圖通過數(shù)學理論結合光度學理論，給光照變化建立統(tǒng)一的模型，其假設過多、過強，有很大的局限性，在實際場景中往往難以滿足其條件，故而在實用的人臉識別系統(tǒng)中難以應用。因此，本文從人臉識別系統(tǒng)實用性角度考慮，采用了基于圖像處理的思路，同時借鑒神經(jīng)生理學的研究成果，提出了一種基于Retinex理論的光照預處理算法，該算法已經(jīng)集成在人臉識別系統(tǒng)中。從實驗結果來看，在提高光照變化魯棒性方面，明顯優(yōu)于一般人臉識別系統(tǒng)所采用的直方圖均衡、Gamma變換等傳統(tǒng)圖像預處理方法。2基于乘性因素的對比Land首先提出Retinex理論，Retinex理論的算法實現(xiàn)已經(jīng)從最初的“任意路徑計算”形式發(fā)展到最近的“中心/環(huán)繞空間對比”形式。Jbson提出的MSRCR算法是“中心/環(huán)繞空間對比”形式的一種，在彩色圖像增強領域取得了很好的結果，實驗證明了這一理論的正確性。本文提出的人臉圖像預處理算法基于兩點假設：一是光照因素在人臉圖像中更多地表現(xiàn)成一種乘性因素，而不是一種加性因素；二是光照在人臉表面變化緩慢?！肮庹找蛩卦谌四槇D像中更多地表現(xiàn)成一種乘性因素”，是人臉識別領域中對光照問題的共識，可表述為式中：I(x,y）為圖像灰度值；R(x,y）為人臉在該點的反射率；L(x,y）為光照情況?！肮庹帐且环N低頻分量”，是人臉識別領域中對光照問題的另一個共識，因此，當考察范圍不是很大時，“光照在人臉表面緩慢變化”這個假設是可以滿足的。光照在人臉表面緩慢變化意味著，點（x,y）的光照情況L(x,y）與其周圍環(huán)繞點的平均光照情況，近似相等，即在一個小范圍內(nèi)，光照情況幾乎是恒定的，可表述為基于以上兩點假設，分析Retinex理論的本質。Retinex“中心/環(huán)繞空間對比”形式的核心是式中：F(x,y）為環(huán)繞函數(shù)，可以有多種形式。將式（1）和式（2）代入式（3），可得式中：為點（x,y）周圍環(huán)繞點的平均光照情況；為點（x,y）周圍環(huán)繞點的平均反射率。由（4）式可以看出，Retinex本質上是相對反射率，而相對反射率只由人臉表面特征決定，與具體的光照分布情況無關。由此可見，Retinex輸出圖像對光照分布情況不敏感，因而可以用來對各種光照情況下的人臉圖像進行預處理，提高人臉識別對光照變化的魯棒性。3基于retix理論的預處理算法描述筆者提出的人臉圖像預處理算法分為兩步：第一步，對輸入的彩色圖像或灰度圖像進行Retinex預處理；第二步，對Retinex預處理圖像進行灰度值歸一化。第一步：對輸入圖像進行Retinex預處理。鑒于前文所分析，Retinex理論能用來進行光照預處理，基于一個假設“光照情況在人臉上變化緩慢”。要使這個假設成立，必須保證用來平滑圖像的高斯窗不應過大，也就決定了尺度參數(shù)σ應較小。實驗證明：過大的尺度，對提高識別率沒有任何意義，當尺度參數(shù)大到一定程度，識別率反而會下降。正是基于這一點考慮，多尺度在光照預處理算法中也沒有意義，應用單尺度的高斯窗來進行圖像平滑就足夠了。對灰度圖像，單尺度Retinex預處理，可以表述為其中環(huán)繞函數(shù)可以有多種形式。本文取為高斯函數(shù)，因為實驗結果表明這種形式的環(huán)繞函數(shù)預處理效果最好。高斯環(huán)繞函數(shù)可以表述為式中：σ為高斯環(huán)繞函數(shù)尺度參數(shù)；k為歸一化系數(shù)。對于彩色圖像，情況就要復雜一些了。因為顏色信息也是人臉圖像很重要的一部分信息，而Retinex理論本身的提出就是為了解釋傳統(tǒng)色彩理論所不能解釋的一些現(xiàn)象。為了利用彩色信息，可以按色彩通道分別進行Retinex預處理，同時要進行彩色校正。它可以表述為式中：Ij(x,y）為第j彩色通道圖像；α為顏色校正系數(shù)。第二步，對Retinex預處理圖像進行灰度值歸一化。Retinex輸出值往往不在可顯示的范圍（0～255）內(nèi)，需要進行灰度值線性拉伸。Jobson采用的是增益/平移（gain/offset）方法，其目的是增強彩色圖像，顯然不同于人臉識別的預處理目的。本文分析了Retinex預處理輸出圖像的灰度值直方圖分布，從實驗結果中看到Retinex預處理輸出圖像的直方圖分布非常接近于正態(tài)分布，故而采用直方圖歸一化的方法來進行灰度值歸一化。綜合第一步、第二步，整個基于Retinex理論的預處理算法可描述如下式中：mold和δold為圖像SSRCR或SSR輸出圖像的均值和標準差；mnew和δnew為歸一化的均值和標準差。4各種預處理算法優(yōu)劣性評判實驗的目的是比較基于Retinex理論的預處理方法與傳統(tǒng)預處理方法（如直方圖均衡、Gamma變換等）在提高人臉識別對光照魯棒性方面的優(yōu)劣。本文從人臉識別系統(tǒng)實用性的角度出發(fā)，以識別結果作為各種預處理算法優(yōu)劣的評判標準。實驗中預處理是個獨立模塊，經(jīng)各種預處理后的圖像輸入到后面的基準（Baseline）人臉識別系統(tǒng)，即可得到識別結果。4.1實驗2司sbet2saet5本文只選取正面姿態(tài)下的64種光照樣本來進行實驗。其中：每人的subset1樣本用來訓練；subset2～subset5樣本用來測試。實驗結果如圖1所示，其中Retinex為本文提出的預處理方法。從圖1可看見，本文提出的基于Retinex理論的方法比傳統(tǒng)的Gamma變換、同態(tài)濾波、直方圖均衡，在提高人臉識別對光照的魯棒性方面有很大程度提高。4.2不同樣本圖像的識別實驗FRGCV2.0/Spring2004人臉圖像庫，由345人的高分辨率彩色圖像組成，每個人的樣本包含若干個section，每個section由4張在受控光照條件下取得的圖像和2張在非受控光照條件下取得的圖像組成。在本次識別實驗中，取每個section中受控光照圖像2張用來訓練，另2張受控光照圖像和2張非受控光照圖像則用來測試。實驗結果如圖2所示。從圖2可看見，在提高人臉識別對光照變化的魯棒性方面，本文提出的預處理方法比Gamma變換、同態(tài)濾波、直方圖均衡方法，雖然在受控環(huán)境下提高有限，但是在非受控環(huán)境下的結果則有很大程度的提高。5預處理算法的實用性提出了一種基于Retinex理論的人臉圖像預處理算法。該預處理算法取得了比傳統(tǒng)的直方圖均衡、Ga