复杂光照变化的单样本人脸识别方法研究及在驾驶员辨识中的应用

摘要

随着图像技术的飞速发展，智能交通监控系统的应用前景日趋广泛。从智能交通监控系统采集的高清车辆图像中，提取驾驶员人脸图像进行识别，或与后台驾驶证图像、嫌疑犯图像中的人脸进行识别，可以快速锁定驾驶员、嫌疑人的身份和位置，为交通执法、刑事侦查提供线索和证据。驾驶员人脸图像在户外环境采集，具有复杂的光照变化，且每个卡口只采集一张包含驾驶员的车辆图像。因此，驾驶员人脸识别问题是复杂光照变化条件下的单样本人脸识别(SSFR:Single sample face recognition)，研究复杂光照变化的SSFR具有广泛的学术意义和商业应用价值。
　　本文以交通驾驶员人脸图像为研究对象，围绕人脸图像光照处理和SSFR类内变化估计两个关键问题展开研究。论文主要研究内容如下:
　　(1)局部光照变化常存在于驾驶员人脸图像中，本文从控制局部光照变化影响的角度，提出了基于矩阵分解的高频人脸特征。首先，鉴于人脸图像的频率模型与矩阵分解模型具有相似的分布特性，构建了一种人脸图像特征的矩阵分解模型，该模型是矩阵分解算法提取高频人脸特征的理论依据。其次，通过构造具有频率分布特性的奇异值分解(SVD:Singular value decomposition)基及对应的SVD权值，构建基于SVD的高频人脸特征模型，然后，设计SVD权值规格化模型，提出了一种规格化SVD人脸特征，能有效的控制光照变化的影响。最后，通过构建基于SVD权值的光照水平估计模型，提出了一种自适应SVD人脸特征，该特征的非线性参数通过人脸图像的光照水平自适应选取，对各种不同的光照变化有较好的鲁棒性。同时，通过设计具有频率分布特性的列选主正交三角(QRCP:Orthogonal triangular with column pivoting)分解基及对应的QRCP权值，构建一种QRCP人脸特征，通过规格化QRCP权值，提出了一种规格化QRCP人脸特征，通过QRCP权值估计人脸图像光照水平，提出了一种自适应QRCP人脸特征。实验结果表明，当人脸图像受各种局部光照变化影响时，本文方法与现有主流方法比较，识别率有较大的提高。
　　(2)全局光照变化是驾驶员人脸图像的常态现象，本文从控制光照不变测度失真影响的角度，提出了基于局部邻域的光照不变测度人脸特征。首先，鉴于对数域中人脸图像可由表面反射系数与光照之和来表示，构建了基于对数域的局部邻域光照不变测度，该测度比像素域测度的稳定性更好，失真更小。其次，根据不同的局部邻域光照不变测度鉴别力不同，设计了鉴别力权值和高斯权值，实现多局部邻域光照不变测度的融合，削弱因干扰像素造成的测度失真，增强光不变测度的鲁棒性。然后，将双极性sigrnoidal函数引入融合测度，提出了一种基于局部邻域的光照不变测度人脸特征，该特征有效控制了融合测度失真造成的高频噪声干扰。最后，利用矩阵分解算法的频率特性，将人脸图像分解为低频频特征和高频特征，通过消除低频人脸特征的光照影响和校正高频人脸特征的噪声干扰，构建了一种基于频率分解的光照预处理方法，在此基础上，提出了一种基于频率分解的光照不变测度人脸特征，该特征在剧烈光照条件下具有更好的鲁棒性。实验结果表明，人脸图像受全局光照变化影响时，本文方法与现有主流方法相比获得了更高的识别率。
　　(3)SSFR缺乏人脸类内变化信息，本文从重建高质量逼近图像的角度，提出了自适应的逼近人脸图像重建方法。首先，鉴于人脸图像的秩可以描述图像矩阵的稀疏程度和图像尺寸变化，构建了人脸图像秩与重建逼近图像之间的关系模型，提出了一种基于图像秩的自适应逼近人脸图像重建方法，实现基于SVD的逼近图像自适应重建，接着，通过SVD和QRCP构建同时对角化直接线性鉴别分析(DLDA:Direct linear discriminant analysis)类间和类内离散度矩阵的特征矩阵，提出了快速DLDA最优投影空间算法。然后，提出了一种基于三角(LU:Lower-upper)分解的自适应逼近人脸图像重建方法，该方法通过LU分解，分别构建人脸图像及其转置的分解图象集，进一步，定义了分解图像集的构建标准，在此基础上，构建基于能量函数的逼近图像重建模型，并建立能量函数的估计模型，通过估计最优能量函数值，重建高质量的逼近图像。实验结果表明，本文方法优于现有的逼近图像重建方法。
　　(4)利用辅助图像估计人脸类内变化，对提高SSFR的效果至关重要。本文从消除辅助人脸图像固有信息和有效估计人脸类内变化两方面，提出了基于光照不变特征的稀疏表示分类方法。首先，鉴于人脸特征分解的加模型有利于消除辅助人脸固有信息，设计了人脸特征分解的两个加模型(高频和低频特征加(H&L:High-and low-frequency additive)模型、反射系数和光照加(R&L:Reflectance and illumination additive)模型），将它们分别引入基于稀疏表示的SSFR模型，提出了基于人脸特征分解的稀疏表示模型，分离了光照变化对人脸固有信息的干扰，消除了辅助人脸固有信息。然后，通过融合光照不变特征和对数人脸图像，提出了光照不变特征稀疏表示模型，该模型在分离光照干扰、消除辅助人脸固有信息的同时，完整的保持了人脸图像的鉴别信息。最后，构建一种矢量投影分类算法，考虑了图像矢量类中心对分类影响，进一步，将矢量投影分类和逼近图像引入光照不变特征稀疏表示模型，提出了基于逼近图像的光照不变特征稀疏表示矢量投影分类方法，实现了光照干扰分离、辅助人脸固有信息消除、有效人脸类内变化估计和人脸图像鉴别信息保持，并最大限度的提高了复杂光照变化条件下SSFR的鲁棒性。实验表明，在复杂光照条件下，本文方法与现有主流方法相比，识别率有较大提高。

目录

声明

摘要

第一章 绪论

1．1 研究背景和意义

1．2 驾驶员人脸识别的科学问题分析

1．3 国内外研究现状

1．3．1 光照处理的研究现状

1．3．2 单样本人脸识别的研究现状

1．3．3 存在的主要问题

1．4 人脸数据库

1．4．1 公开人脸数据库

1．4．2 自建驾驶员人脸数据库

1．5 论文的主要研究工作

1．5．1 研究内容

1．5．2 论文的组织结构

第二章 基于矩阵分解的高频人脸特征

2．1 引言

2．2 人脸图像特征的矩阵分解模型

2．3 基于SVD的高频人脸特征模型

2．3．1 NSVD人脸特征

2．3．2 ASVD人脸特征

2．3．3 算法复杂度分析

2．4 基于QRCP分解的高频人脸特征模型

2．4．1 QRCP人脸特征

2．4．2 NQRCP人脸特征

2．4．3 AQRCP人脸特征

2．4．4 算法复杂度分析

2．5 实验结果与分析

2．5．1 实验结果

2．5．2 分析与讨论

2．6 本章小结

第三章 基于局部邻域的光照不变测度人脸特征

3．1 引言

3．2 基于局部邻域的光照不变测度模型

3．2．1 基于局部邻域的光照不变测度

3．2．2 多局部邻域光照不变测度融合

3．3 基于局部邻域的光照不变测度人脸特征

3．3．1 光照不变测度分析

3．3．2 光照不变测度人脸特征

3．3．3 算法复杂度分析

3．4．1 基于频率分解的光照处理方法

3．4．2 基于频率分解的光照不变测度人脸特征

3．5 实验结果与分析

3．5．1 实验结果

3．5．2 分析与讨论

3．6 本章小结

第四章 自适应逼近人脸图像重建方法

4．1 引言

4．2 基于SVD的自适应逼近图像重建方法

4．2．1 基于图像秩的自适应逼近图像重建

4．2．2 快速DLDA最优投影空间算法

4．2．3 DLDA特征提取和分类

4．3 基于LU分解的自适应逼近图像重建方法

4．3．1 基于LU分解的逼近图像

4．3．2 基于图像能量的自适应逼近图像重建

4．3．3 算法复杂度分析

4．4 实验结果与分析

4．4．1 快速DLDA算法性能测试

4．4．2 逼近人脸图像重建方法性能测试

4．4．3 分析与讨论

4．5 本章小结

第五章 基于光照不变特征的稀疏表示分类方法

5．1 引言

5．2 基于人脸特征分解的稀疏表示模型

5．2．1 基于反射系数和光照特征的稀疏表示算法

5．2．2 基于高频和低频特征的稀疏表示算法

5．3 基于光照不变特征的稀疏表示模型

5．3．1 光照不变特征稀疏表示模型

5．3．2 算法参数估计

5．4 光照不变特征稀疏表示矢量投影分类模型

5．4．1 矢量投影分类算法

5．4．2 基于逼近图像的光照不变特征稀疏表示矢量投影分类方法

5．4．3 算法参数估计

5．5 实验结果与分析

5．5．1 实验结果

5．5．2 分析与讨论

第六章 总结与展望

6．1 总结

6．2 展望

致谢

参考文献

攻读博士学位期间取得的科研成果及参与项目情况