论文部分内容阅读
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sigmoidal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。