申请/专利权人：山东财经大学;临沂大学

申请日：2021-05-19

公开（公告）日：2023-05-26

公开（公告）号：CN113239823B

主分类号：G06V40/16

分类号：G06V40/16;G06V10/26;G06V10/82;G06N3/0464;G06T5/00

优先权：

专利状态码：有效-授权

法律状态：2023.05.26#授权;2021.08.27#实质审查的生效;2021.08.10#公开

摘要：本发明提供了基于非均匀光照人脸图像增强的混合人脸成分识别方法，包括S1：构建光照人脸数据库；S2：利用卷积神经网络probeset中的图像搜索Q张相似图像；S3:基于“以补代校”思想，使用Renitex算法实现光照补偿和增强；S4：针对光照增强后的人脸，提取其面部关键成分的区域特征，训练卷积神经网络人脸识别器，实现一种基于面部关键组件的人脸识别。通过本发明的技术方案，本发明内容主要包括两部分，一是对非均匀光照人脸图像增强；二是同时将增强后的人脸与其关键面部组件同时作为神经网络分类器的输入，目的是在降低对复杂光照的敏感性的前提下增加整体识别的准确性。

主权项：1.基于非均匀光照人脸图像增强的混合人脸成分识别方法，其特征在于,具体包括以下步骤：S1：构建光照人脸库，记作；并根据光源的入射角度差异将分为5种不同光照变化子集；S2：依次选取一个子集作为ProbeSet，其余4个子集作为Galleryset；利用卷积神经网络对ProbeSet中的每一张人脸图像，从Galleryset中搜索与其相似的Q张图像；S3:利用Retinex理论分别计算ProbeSet中输入图像的光照矩阵和对应Q张图像的平均光照矩阵，首先利用实现粗粒度的不均匀光照人脸增强，保存增强后的图片为；然后利用实现细粒度的不均匀人脸光照补偿，保存补偿后的人脸为；具体包括以下步骤：S3-1：根据Retinex理论，每张非均匀光照人脸图像由光照入射光分量和反射分量两部分组成，为方便计算将其转换到对数域，表示为： 1 2其中，x,y表示图像中像素点的坐标，、、分别表示原始图像、反射图像和入射图像在x,y处的像素值，而入射图像对应于原始图像中的低频部分，也就是光照分量；反射图像则反映图像的固有属性，即人脸图像中的高频信息；S3-2：利用小波变换分解出图像的高低频两部分分量，通过高斯低通滤波器来估计出Probeset中输入图像和其对应Q张图像的低频分量，分别保存为光照矩阵和平均光照矩阵： 3 4其中，表示高斯函数，属于低通函数，为卷积符号；S3-3：光照补偿： 5S3-4：光照增强： 6；S4：在的基础上，分割人脸为多个组件成分的关键区域，将和其组件同时作为三层卷积神经网络的输入，通过强化对各个面部组件的特征表示来增强网络对照明变化的人脸识别鲁棒性。

全文数据：

权利要求：

百度查询： 山东财经大学;临沂大学 基于非均匀光照人脸图像增强的混合人脸成分识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD