一种适用于人脸检测的自适应光照补偿方法

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (22): 175-178.

• 图形、图像、模式识别 • 上一篇下一篇

一种适用于人脸检测的自适应光照补偿方法

陈丹1，王国胤1，2，龚勋1，2，杨勇1

1.重庆邮电大学计算机科学与技术研究所，重庆 400065
2.西南交通大学信息科学与技术学院，成都 610031

出版日期:2012-08-01 发布日期:2012-08-06

Adaptive illumination compensation algorithm for face detection

CHEN Dan1, WANG Guoyin1，2, GONG Xun1，2, YANG Yong1

1.Institute of Computer Science and Technology, Chongqing University of Posts and Telecommunications, Chongqing 400065, China
2.School of Information Science & Technology, Southwest Jiaotong University, Chengdu 610031, China

Online:2012-08-01 Published:2012-08-06

摘要/Abstract

摘要： 为了解决复杂光照条件下的人脸检测问题，提出一种人脸光照补偿新方法。该方法先使用高通滤波增强边缘信息，同时利用对数变换和指数变换调节全局亮度，最后利用非线性变化削弱局部高光和阴影的影响，改善图像光照不均衡的情况，最终实现光照补偿。在YaleB人脸库、Orl人脸库以及自建人脸库上分别对光照不均匀人脸图像和均匀光照下的人脸图像进行了实验，证明该方法能有效地进行光照补偿，提高人脸检测率。

关键词: Adaboost算法, 人脸检测, 光照补偿, 直方图, Retinex

Abstract: In order to solve the face detection problem with complex lighting conditions, this paper presents a new method for face illumination compensation. The high-pass filtering is used to enhance edge information, the logarithmic transformation and the exponential transformtion are used to adjust the global brightness simultaneously, Nonlinear variances are applied to reduce the impact of the local highlights and shadows. The uneven lighting problem is lighten. Comparison experiments are conducted on the Yale B face dataset, Orl face dataset and our own face dataset. The results demonstrate that the illumination compensation method can significantly improve face detection rate.

Key words: Adaboost method, face detection, illumination compensation, histogram, Retinex

陈丹1，王国胤1，2，龚勋1，2，杨勇1. 一种适用于人脸检测的自适应光照补偿方法[J]. 计算机工程与应用, 2012, 48(22): 175-178.

CHEN Dan1, WANG Guoyin1，2, GONG Xun1，2, YANG Yong1. Adaptive illumination compensation algorithm for face detection[J]. Computer Engineering and Applications, 2012, 48(22): 175-178.

[1]	王鹏，叶学义，王涛，钱丁炜. 双偏差双空间局部方向模式的人脸识别[J]. 计算机工程与应用, 2021, 57(4): 91-99.
[2]	汤子麟，刘翔，张星. 光照不均匀图像的自适应增强算法[J]. 计算机工程与应用, 2021, 57(21): 216-223.
[3]	李文龙，李兴广，胡冉冉，崔炜. 基于天空分割的单幅交通标志图像去雾算法[J]. 计算机工程与应用, 2021, 57(20): 221-228.
[4]	张杰，常天庆，郭理彬，张雷，马金盾. 基于跟踪异常与相关性检验的目标丢失判断[J]. 计算机工程与应用, 2021, 57(18): 204-212.
[5]	吴卓钊，范科峰，莫玮. 多尺度权重评估的MSRCR混合曝光成像算法[J]. 计算机工程与应用, 2021, 57(17): 224-229.
[6]	唐维军，徐琨，柳有权，夏悬. 自动驾驶汽车虚拟测试中的树木点云生成方法[J]. 计算机工程与应用, 2021, 57(11): 185-192.
[7]	陈建促，王越，朱小飞，李章宇，林志航. 融合多特征图的野生动物视频目标检测方法[J]. 计算机工程与应用, 2020, 56(7): 221-227.
[8]	林克正，张元铭，李昊天. 信息熵加权的HOG特征提取算法研究[J]. 计算机工程与应用, 2020, 56(6): 147-152.
[9]	高树静，王程龙，董廷坤. 基于ZYNQ的优化Adaboost人脸检测[J]. 计算机工程与应用, 2020, 56(6): 201-206.
[10]	常戬，贺春泽，董育理，任营. 改进双边滤波和阈值函数的图像增强算法[J]. 计算机工程与应用, 2020, 56(3): 207-213.
[11]	刘佳敏，何宁，尹晓杰. 基于Retinex-UNet算法的低照度图像增强[J]. 计算机工程与应用, 2020, 56(22): 211-216.
[12]	郭静，宋文爱，杨吉江，王青，梁雅琪，雷毅，高雪梅，李海振. 计算机辅助诊断人脸形态学疾病研究综述[J]. 计算机工程与应用, 2020, 56(19): 22-33.
[13]	刘淇缘，卢树华，兰凌强. 遮挡人脸检测方法研究进展[J]. 计算机工程与应用, 2020, 56(13): 33-46.
[14]	李静，降爱莲. 复杂场景下基于R-FCN的小人脸检测研究[J]. 计算机工程与应用, 2020, 56(1): 203-208.
[15]	晁静静，沈文忠，宋天舒. 基于HOG和SVM的双眼虹膜图像的人眼定位算法[J]. 计算机工程与应用, 2019, 55(9): 184-189.

一种适用于人脸检测的自适应光照补偿方法

Adaptive illumination compensation algorithm for face detection

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics