有效用于人脸识别的光照不变特征表示算法

doi:10.3778/j.issn.1002-8331.1503-0296

计算机工程与应用 ›› 2017, Vol. 53 ›› Issue (1): 147-152.DOI: 10.3778/j.issn.1002-8331.1503-0296

有效用于人脸识别的光照不变特征表示算法

孔锐1，2，揭英达1

1.暨南大学信息科学技术学院，广州 510632
2.暨南大学电气信息学院，广东珠海 519070

出版日期:2017-01-01 发布日期:2017-01-10

Efficient illumination-robust features representation algorithm for face recognition

KONG Rui1，2, JIE Yingda1

1.College of Information and Science Technology, Jinan University, Guangzhou 510632, China
2.College of Electrical and Information, Jinan University, Zhuhai, Guangdong 519070, China

Online:2017-01-01 Published:2017-01-10

摘要/Abstract

摘要： 在光照变化环境下，人脸识别的鲁棒性是人脸识别系统中一大挑战。针对光照变化对人脸识别的影响，对经典光照不变特征表示算法进行了研究，提出一种基于局部标准差光照不变的人脸特征表示算法及其加权形式。结合完备线性鉴别分析（Complete-Linear Discriminant Analysis，C-LDA）算法提取特征，在Extended Yale-B与YALE 人脸库中，与其他处理光照变化的经典方法相比，如多尺度Retinex（Multi Scale Retinex，MSR）、韦伯脸（Weber-Face，WF）和局部归一化（Local Normalization，LN），提出的算法能获得更高识别率。

关键词: 光照不变特征表示, 人脸识别, 局部标准差

Abstract: In the change illumination conditions which can not be controlled, the robustness of face recognition is a challenge in face recognition system.Concerning the illumination changes on the influence of the recognition rate in face recognition, a new face recognition algorithm for varying illumination environment is proposed according to the classic illumination invariant feature representation algorithm, which is based on Local Standard Deviation and its weighted form. Compared with the existed representative approaches, such as WF（Weber-Face）, MSR（Multi Scale Retinex）and LN（Local Normalization）, the novel algorithm can obtain higher recognition rate on the Extended Yale-B Database and the YALE Face Database when combined with the analysis of complete linear discriminant（Complete-Linear Discriminant Analysis, C-LDA） algorithm for feature extraction.

Key words: illumination-robust features representation;face recognition, local standard deviation

孔锐1，2，揭英达1. 有效用于人脸识别的光照不变特征表示算法[J]. 计算机工程与应用, 2017, 53(1): 147-152.

KONG Rui1，2, JIE Yingda1. Efficient illumination-robust features representation algorithm for face recognition[J]. Computer Engineering and Applications, 2017, 53(1): 147-152.

[1]	乔慧，周水生. 非线性角度2DPCA及其在人脸识别中的应用[J]. 计算机工程与应用, 2021, 57(8): 112-118.
[2]	胡文涛，陈秀宏. 基于邻域图的低秩投影学习[J]. 计算机工程与应用, 2021, 57(7): 209-214.
[3]	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.
[4]	石正宇，陈仁文，黄斌. 基于自归一化神经网络的低分辨率人脸识别[J]. 计算机工程与应用, 2021, 57(3): 137-143.
[5]	李俊瑶，黎智辉，谢兰迟，侯欣雨，叶东. 基于老化模型的跨年龄人脸识别研究进展[J]. 计算机工程与应用, 2021, 57(24): 27-38.
[6]	刘金金，李清宝，李晓楠. 基于对抗学习和知识蒸馏的神经网络压缩算法[J]. 计算机工程与应用, 2021, 57(21): 180-187.
[7]	徐遐龄，刘涛，田国辉，于文娟，肖大军，梁陕鹏. 有遮挡环境下的人脸识别方法综述[J]. 计算机工程与应用, 2021, 57(17): 46-60.
[8]	徐然然，吴小俊，尹贺峰. 鉴别性非负表示分类及其在人脸识别中的应用[J]. 计算机工程与应用, 2021, 57(13): 147-153.
[9]	王钰，刘凡，王菲. 基于自编码器和稀疏表示的单样本人脸识别[J]. 计算机工程与应用, 2021, 57(1): 168-172.
[10]	董艳花，张树美，赵俊莉. 有遮挡人脸识别方法综述[J]. 计算机工程与应用, 2020, 56(9): 1-12.
[11]	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.
[12]	袁小平，崔棋纹，程干，张侠，张毅，王溯源. 改进型Gabor自商图算法及其在人脸识别中的应用[J]. 计算机工程与应用, 2020, 56(5): 206-213.
[13]	张飞翔，余学儒，何卫锋，李琛. 结合改进的损失函数与多重范数的人脸识别[J]. 计算机工程与应用, 2020, 56(24): 144-150.
[14]	陈哲，吴小俊. 基于结构化低秩恢复的鲁棒人脸识别算法[J]. 计算机工程与应用, 2019, 55(6): 126-132.
[15]	白创，陈翔. 新型LeNet-FC卷积神经网络模型算法的研究[J]. 计算机工程与应用, 2019, 55(5): 105-111.

有效用于人脸识别的光照不变特征表示算法

Efficient illumination-robust features representation algorithm for face recognition

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