光照补偿在人像识别中的应用及改善

光照补偿在人像识别中的应用及改善

刘帅[1]2004年在《光照补偿在人像识别中的应用及改善》文中进行了进一步梳理随着社会的发展,各个方面对快速有效的自动身份验证的要求日益迫切。生物特征是人的内在属性,具有很强的自身稳定性和个体差异性,是身份验证的最理想的依据。这样,“生物特征识别技术”,因其良好的安全性越来越多地应用于身份识别。利用人脸特征进行身份验证又是最自然直接的手段 ,相比其它人体生物特征它具有直接、友好、方便的特点 ,易于为用户接受等优点,成为其中很有前景的一部分。目前人脸检测与识别是计算机视觉和人机交互研究领域的一个重要方向。将这项任务自动化是非常有意义的。计算机技术和人工智能领域研究的发展使得这方面的研究有了长足的进步。同时,根据计算机技术的发展趋势,智能人机界面应该取代传统的键盘鼠标,成为更加安全方便的人机交互接口。这里面最为基础的就是机器应该能够轻易地知道是谁在它的视野中,并知道在计算机可检测范围的具体位置。人脸识别的研究最近几年再度受到普遍重视,它与指纹识别、视网膜识别等同属于生物特征识别技术范畴 ,在诸如安全检查、保安管理等方面有着十分重要的应用价值。目前对于如何检测人脸或输入人脸的研究是人们普遍关心的问题。在已发现的文章中 ,多数的研究是一般环境下的科学研究,不具备实用的意义,很难实际应用。因为人脸图像的获取过程不同,导致二维图像信息在质量、几何、光线上都有内在的不同,此外还有脸部受到遮挡和化妆等因素的影响。但是,更内在的原因是,人脸是具有高度相似性的非刚体。人脸不同于普通物体,不同人的脸具有高度的相似性,同一人的脸又具有不同的状态,这使得人脸识别问题不同于普通物体的识别问题。目前,许多研究机构致力于这一领域的研究,取得了丰硕的理论成果并有不同的应用软件应运而生。尽管如此,可以说,还没有一个完全的解决方案可以在毫无约束的情况下出色地完成人脸定位,识别任务。在应用领域上,目前可能的识别任务主要可以归为两类:身份识别/辨认/匹配(Recognition/ Identification/ match)、身份验证/证实/监督(Verification/ Authentification /Surveillance)。前者在应用上的典型实例就是公安刑侦追逃。第二种应用情形的典型实例是身份证件的鉴别、自动门禁控制系统、公司部门的人员考勤、家庭安全等领域。目前,这一领域的产品正在受到越来越多的关注。环境光线的变化是影响人像识别精度的主要因素之一。实验室环境下的实现方法,可能在变化的环境光线下,变得质量下降或是不可用。本论文从发现光照恒常性规律的角度入手,对几种补偿光照、或改善光照的传统方法进行了讨论,并提出了一种基于小波的可变光照改善方法。实验结果证明了此种方法的有效性,并可以推广到实际的应用系统中,提高系统鲁棒性和适应性。本文对光照补偿和改善做了研究,发现只有在规定了姿势和光照的条件下,特定的光照补偿算法对人脸的检测和识别才是可靠的。实验中可知,在对图像进行叁级以上小波变换后,所得到的近似分量已经不包含原图像的基本特征,而只反映图像的明暗程度,所以,在多级小波变换的基础上对图像进行光照改善有很好的效果,本文所做的工作正是基于这种理论而得出的。本文在已有的理论研究成果的基础上做了进一步的研究和实验工作,并将这些工作部分转化成软件产品,取得了一定的应用。一个自动人脸识别系统的主要组成部分是图像获取、人脸的检测定位、人脸图像预处理、特征提取、分类器设计和决策部分。较为重要和困难的问题集中在人脸检测定位,特征提取,分类器设计上。在上述的理论和实验的基础之上,我们研制了可以用于实际生产生活的软件产品――自动人像识别门禁系统,人像屏幕保护和人像考勤系统。并将之应用到边防局,银行,公安等部门。这些是身份验证类的应用,来访者手持磁卡,系统可以得知人员的ID,通过图像判断其是否有权限通过。在应用中研究了不同的硬件,并结合自身的应用开发了单机和网络版的产品,增加了产品应用的广泛性。由于时间的关系,当前的算法对环境变化的适应度还不够好;开发的软件只能应用于特定的环境;距离真正的广泛的商业化还有很大差距,这些都是值得今后继续研究的问题。

段锦[2]2004年在《人脸自动识别中若干问题的研究》文中提出人脸包含的视觉信息是区别人与人之间差别的最重要生物特征之一,以其直接性、唯一性、方便性等特点,越来越受到人们的关注。人脸识别技术是模式识别和机器视觉领域最富挑战性的研究课题之一,也是近年来研究的热点问题。但由于人脸的可变塑性和在成像过程中多种因素的影响,目前已经取得的研究成果距离这一问题的彻底解决和实际应用还有相当大的距离。本文对近年来所出现的人脸检测和识别的主要方法进行了综述,将人脸识别的方法归结为基于可视特征、基于模板、基于代数特征和基于机器学习等四类方法,并对人脸识别的评价标准进行了探讨。在研究了人脸检测和识别的基本理论和关键技术基础上,论文重点讨论了在复杂背景和可变光照的条件下,彩色人脸图像和灰度人脸图像的人脸检测、器官定位、特征提取、以及光线补偿和改善等问题。本文的主要研究内容包括:(1)在彩色图像人脸检测中,采用将肤色区域分割与模板匹配相结合的方法,并提出了颜色模型的自适应算法和给出了彩色置信度的概念。本文针对彩色人脸图像,提出了一种基于肤色模型和模板匹配的人脸检测方法。首先,构造rgb颜色空间下的人脸肤色统计模型;将图像的像素分为肤色像素点和非肤色像素点;将彩色图像分为网格单元,计算网格单元内肤色点比率,大于某一阈值的单元被认定为肤色单元;将相邻的肤色单元连通,判断连通区域的形状,将符合比例的类矩形区确定为候选人脸区域;最后,对候选人脸区域的灰度图像用人脸模板进行模板匹配,以确定真实人脸。该方法实现了较高的检测准确率,特别是在检测速度上比传统灰度图像的模板匹配方法有较大提高,适合于构建实时人脸检测系统。人的肤色会由于光源颜色,背景颜色,光照强度、成像介质等诸多因素影响而发生变化。皮肤颜色模型的建立不是一成不变的,而是需要随着环境的变化而做出调整。论文提出了颜色自适应调整算法,使颜色模型有更广的适用范围,并提出彩色置信度的概念用来评估颜色模型的可靠程度。(2)在灰度图像人脸检测中,本文采用基于AdaBoost算法的分类器级联方法。人脸检测是一个两类的分类问题,然而构造具有较高的分类性能的单一分类器是十分困难的。这样的分类器即使存在,其结构也是相当复杂,实现起来相当困难。本文用于人脸检测的分类器,是由一系列简单的弱分类器构成的级联结构。本文所设计的弱分类器都有较高的检测率,但却只有中等的虚假正确率,因而具有结构简单,计算复杂性小的特点。级联系统的训练和分类采用Boosting学习方法,其基本思想是由一系列比随机假设性能稍好一些的弱分类器,合并成一个性能优越的强分类器。本文设计了简单的叁类矩形特征来表征人脸的特征,采用结构简单的感知器作为弱学习器算法,其目的是尽量减少计算的复杂性。面对矩形特征数量极其巨大的困难,本文提出用Adaboost算法去训练简单的分类器。AdaBoost的训练的过程就是一个从众多数量巨大的特征中选取较少的有效特征的过程。这是一种相当贪婪的学习算法,它将绝大多数的特征都排除掉;并且在分类过程中,在级联系统的最初几级就除掉了绝大多数的负样本,从而使检测的速度有大幅度的提高。(3)本文提出了基于小波的光照补偿方法,克服和改善了在人脸识别中由于光照的变化带来的不利影响。环境光线的变化是影响人像检测和识别精度的主要因素之一。实验室环境下的实现识别方法,可能在变化的环境光线下,变得质量下降或是不可应用。在分析了人脸光照模型后,从发现光照恒常性规律的角度入手,对常用的补偿光照或改善光照的传统方法进行了讨论。本文提出了一种自然光照下的人脸图像去光处理算法,将输入的人脸图像归一到标准光照下。这种可变光照改善方法是基于小波分析的,它将光照变换为在各个方向上强度比较均衡的光照环境。实验结果证明了这种方法的有效性,并可以推广到实际的应用系统中,提高系统鲁棒性和适应性。(4)从系统工程的角度,对人脸识别应用产品的开发步骤和相关技术作了细致的讨论。人像识别技术是一个极具现实意义和使用价值的研究领域。但人像识别技术的实际应用却是一项极其复杂的系统工程。在应用实践中,不但要考虑技术原理和实现方法每一个细节问题,更要考虑系统与实际条件和应用环境的相互配合。本文介绍了基于人像识别技术的访问控制系统的实现过程,讨论了系统结构和实现技术,软件开发流程,分析了影响识别效果的诸多因素。系统主要的技术包括:用主分量分析方法实现特征抽取,用最近邻域作为识别判据,以类内相似度为最终认定条件。实验证明,系统达到较好的应用效果。本文是以国家级火炬计划项目“基于多种识别技术的身份认证与鉴别系列产品”和信息产业部电子发展基金项目“人像自动识别软件及其应用产品”,以及吉林省科技发展计划重点项目“基于人像识别系统技术的应用产品研制开发”为基础完成的。本文所提出的观点、原理及技术已经这些项目和课题中得到应用和实践,并取得了预期目标。

张东宇[3]2014年在《基于FPGA的实时视线定位系统的设计与实现》文中提出视线定位是一个新兴的研究课题,不论是在入机交互领域还是在行为分析方面都有着十分重要的研究价值和实际意义。本文通过对多种视线检测方法的对比以及实际情况的需求,最终采用基于图像处理的方法,设计并实现了人眼视线实时定位系统。本文所做的主要工作有:(1)详细地介绍了视线检测的研究现状,论述了视线检测的发展过程和基本手段,并对其优缺点进行了分析;(2)对本文的开发平台进行了简要论述,主要包括ZYNQ的启动与配置过程、Linux系统的移植以及QT运行库的交叉编译;(3)提出本文设计的总体框架和具体功能模块,并对本文的关键技术加以介绍;(4)分析和研究了基于图像处理方法的视线检测技术,对设计中采用的算法做了必要的改善。例如改进中值滤波函数里面的排序算法,在最坏情况下改进中值滤波函数大概节省了30%的时间;采用高效率的投影积分算法进行人脸检测,大大降低了算法复杂度;引进缩小眼睛搜寻区域的粗定位算法,大大提高了眼睛窗口的检测精度。所有这些措施,都保证了系统的实时性和准确性;(5)以实时性和准确性为评价标准,对视线定位系统进行全方位的测试,并分析系统存在的主要问题,提出解决方案。测试结果表明,视线定位系统在实时性和准确性两方面都基本满足设计要求。整个系统以ZedBoard开发板为硬件平台,采用软硬件协同设计的方式。硬件方面,以ZYNQ中的双核Cortex-A9ARM为控制核心,完成Linux系统运行和应用软件界面操作,并以FPGA勺核心外设,完成图像处理算法。软件方面,主要在Xilinx公司提供的ISE开发工具下完成嵌入式系统配置和代码编写调试,并在QT下进行应用程序开发,提供可视化人机交互界面。

参考文献:

[1]. 光照补偿在人像识别中的应用及改善[D]. 刘帅. 吉林大学. 2004

[2]. 人脸自动识别中若干问题的研究[D]. 段锦. 吉林大学. 2004

[3]. 基于FPGA的实时视线定位系统的设计与实现[D]. 张东宇. 东北大学. 2014

标签:;  ;  ;  ;  ;  ;  ;  ;  ;  

光照补偿在人像识别中的应用及改善
下载Doc文档

猜你喜欢