复杂光照下的人脸识别算法研究开题报告

全文总字数：5095字

1. 研究目的与意义（文献综述）

1.1课题研究目的及意义

生物识别技术也就是指利用生物自身独具的特征作为依据进行识别，过去众所周知的生物识别技术主要有dna识别技术、指纹识别技术以及虹膜识别技术等等。dna、指纹和虹膜有着区分度高、可靠性很高、不易伪造等优点，多被应用于刑侦等多种场合。但是dna识别等也具有检测时效性不高的特点，不方便即时使用。身份认证是人们日常生活工作中常常会遇到的，也是进行如出行等活动所必要的条件。传统的身份认证的方法也有很多，例如身份证、工作牌、磁卡、口令暗号等。身份证和工作牌身份认证方法都具有容易丢失、重新办理效率低、伪造方便等等特点；磁卡等易于丢失、易于损坏；而口令暗号等身份认证方法也易于泄露、易丢失、易错误。现如今，随着世界科学技术以及社会的不断地快速发展，生物识别、机器学习等领域的发展也越来越迅速，人脸识别的使用领域也随之越来越广泛了。近几年，人脸识别身份认证方法逐步进入大众的视野和使用之中。比如：手机人脸识别系统、考勤和门禁系统、银行身份认证系统、监控系统、侦查办案嫌疑人识别系统、乘坐交通工具人脸识别身份认证系统等等。随着机器学习和深度学习的发展，人脸识别方法也逐渐多样化，人脸特征提取也逐渐自动化，为人脸识别减少了阻碍。但是人脸识别依旧复杂性较高，在衣帽等物体故意遮挡、光照复杂、人脸表情变化等条件下，人脸识别依旧常常不会有特别理想的实验结果，诸如手机人脸解锁在不同情况下的解锁情况不同的事情十分常见。对于人脸识别研究，尤其是对不同的条件下的人脸识别技术的研究依然十分必要。

1.2国内外研究现状

2. 研究的基本内容与方案

人脸识别包括图像预处理，人脸检测、特征提取和人脸识别几部分。复杂光照下的人脸识别则是在光照复杂的条件下进行人脸识别。我们在现实环境中获得的原始图像会受到光照不同（自然光、灯光、相机曝光）、人脸表情变化，物体遮挡等外部条件的干扰，若直接进行识别则很难达到理想的实验效果。

研究者已经证明在人脸识别过程中，由于照明变化造成的个体差异可能甚至比个体之间的差异更显著一些。已有的cmu-pie数据集、yale-b数据集和ar数据集是为了彻底研究人脸识别的作用而开发的，前两个数据集包含了许多种条件的光照情况，后一种数据集是在u.a.b的计算机视觉中心创建的，收集的均是正脸的图像，包含了多种表情、多种照明条件以及多种遮挡方式的图像。对光照复杂的条件下的人脸识别，经查阅资料可以进行学者们提出的几种方法来尝试解决。

我选择在matlab平台利用传统的人脸识别算法进行实验，对已有的cmu-pie数据集、yale-b数据集和ar数据集的原始图像进行如直方图均衡化、光补偿和光照重建的灰度调整和图像滤波等预处理。之后检测图像中是否有人脸图像，对人脸图像进行特征提取，将待识别的图像或是人脸特征进行匹配，得出人脸识别验证的结果。具体来说就是利用matlab软件，在matlab的实验平台上首先进行光照预处理，如直方图均衡化、对数变换、指数变换以及滤波等，同时，还可以利用光照自适应算法进行图片的预处理，与提取光不敏感特征结合使用，从而得到更好的实验效果。通过直方图均衡化将原图像对比度增加，使得图像易于分析；对数变换可以使用图像中亮处更加亮，让人脸的五官等的特征更加清晰，使得图像易于分析；而指数变化则是可以使得图像中暗处更加暗，从而使得无效信息被抑制，不干扰图像的分析。之后可以进行滤波处理，将会对图像产生干扰的部分滤除，得到质量较高的图像易于分析。对于提取光不敏感特征，主要使用局部光照不敏感特征算法即局部二值特征（lbp）和基于子空间的特征表示算法。彩色人脸图像可以进行自适应预处理，主要过程是：输入图像进行通道分离，计算出自适应的系数，之后做对数变换和指数变换，然后进行通道合并以及输出图像，这种方法运行简单，可以去除图像的高光抑制暗光。之后进行光照归一化算法或光照建模算法提取人脸，与已知模板匹配进行识别。

3. 研究计划与安排

第1周—第3周 搜集资料，撰写开题报告；

第4周—第6周 论文开题，安装并熟悉实验所需软件；

第7周—第10周 进行实验并对实验数据进行分析；

4. 参考文献（12篇以上）

[1]曹金沛. 复杂光照条件下人脸特征提取技术研究[d].长安大学,2019.

[2]臧韵琦. 复杂光照及部分遮挡下的人脸识别研究[d].重庆邮电大学,2018.

[3]米汀. 复杂环境下的人脸识别系统设计与实现[d].电子科技大学,2019.