| 主权项 |
一种光照人脸识别方法，其特征在于，包括步骤：(1)对人脸图像进行光照归一化预处理：将人脸图像转换到对数域，利用差分高斯滤波器对人脸图像进行平滑操作，然后进行全局对比度均衡化和直方图均衡化；(2)局部非线性多层对比度分布作为人脸识别特征:利用粗粒度区化法将预处理后的人脸图像对比度连续值域区间进行划分，选择拐点T<sub>1</sub>,T<sub>2</sub>,…T<sub>N‑1</sub>作为动态阈值点将对比度值域区间[minC,maxC]进行非线性划分为N层，提取每一层中包含了光照变化信息的人脸特征；所述粗粒度区化法具体为：针对某一人脸分块R<sub>j</sub>，求取该分块内所有局部区域内像素值对比度的最大值maxC和最小值minC，根据公式：<img file="FDA0001001756830000011.GIF" wi="1062" he="261" />将该局部区域的对比度值线性等距离分层，其中，L表示线性分层的数量,l表示人脸分块R<sub>j</sub>内各局部区域的邻居点g<sub>p</sub>对应的对比度层次；所述局部区域是指以g<sub>c</sub>为中心像素点、R为半径、P个邻居点的区域；设s<sub>l</sub>为某一对比度层次l上包含的记录条目数,s为所有对比度层上的记录条目总数，即s<sub>l</sub>≤s,Σs<sub>l</sub>＝s；另又设φ(t)为s<sub>l</sub>与s两者的比值,即<img file="FDA0001001756830000012.GIF" wi="262" he="127" />φ(t)对在区间[minC,maxC]上的各等距离子区间X∈[X<sub>m</sub>,X<sub>m+1</sub>]上进行积分<img file="FDA0001001756830000013.GIF" wi="302" he="127" />求得λ(X<sub>1</sub>),λ(X<sub>2</sub>),…λ(X<sub>L</sub>),并在此基础上用插值拟合得到拟合后的光滑曲线λ(X)；对以上光滑曲线λ(X)微分，令λ((X))′＝0或者λ((X))″＝0，求得光滑曲线拐点T<sub>1</sub>,T<sub>2</sub>,…T<sub>N‑1</sub>；(3)模糊融合识别框架计算模糊隶属函数保存每层特征隶属于各类的卡方距离，根据公式：<img file="FDA0001001756830000021.GIF" wi="618" he="310" />存储待识别样本各层特征隶属于各类的情况，其中：<img file="FDA0001001756830000022.GIF" wi="53" he="70" />表示待识别样本第N层特征的模糊识别结果，<img file="FDA0001001756830000023.GIF" wi="70" he="71" />表示待识别样本的第N层人脸特征模糊隶属于第c类o<sup>c</sup>的程度；根据公式：<img file="FDA0001001756830000024.GIF" wi="802" he="143" />将各层人脸特征按权重进行融合，当t取最大值得到的K即为识别结果，其中，<img file="FDA0001001756830000025.GIF" wi="70" he="70" />表示第N层人脸特征模糊隶属于第c类的程度，W<sub>Nt</sub>表示第N层特征模糊隶属于第t类时的融合权重，所述融合权重通过信息熵计算获取，具体为，根据公式：<img file="FDA0001001756830000026.GIF" wi="342" he="263" />计算第N层特征模糊隶属于第t类时的融合权重W<sub>Nt</sub>，其中，E<sub>N</sub>为某一人脸图像第N层特征的信息熵，求其均值<img file="FDA0001001756830000027.GIF" wi="99" he="101" />为该类N层人脸特征的信息熵。 |
