交通监控环境下面向驾驶员辨识的人脸识别关键技术研究

This project focuses on solving two key problems, which are the illumination processing of face image and the single sample face recognition under Complex Illumination Variation. Aiming at the problem of complex illumination variation, the project constructs a detachment model of the facial features and illumination variation, constructs the illumination coefficients of monotone distribution to describe the global and local illumination variation. Further we build nonlinear illumination control model to realize the active control of illumination variation. The project proposes an illumination invariant measure based on local region in logarithm domain, and constructs an Multi-local neighborhood fusion facial feature to enhance the robustness of the facial feature and preserves the discriminative information of the face image. Aiming at the problem of single sample face classification, an illumination invariant feature sparse representation model is constructed, which insulates illumination interference, eliminates auxiliary face intrinsic information, and preserves the discriminative information of the face image. Further we construct an illumination invariant feature sparse representation classification model based on vector projection by introducing vector projection algorithm into illumination invariant feature sparse representation model with virtual images.

本项目围绕复杂光照环境下人脸图像光照处理与单样本人脸识别两个关键问题展开研究。针对监控环境下的复杂光照变化，建立人脸固有特征和光照分离模型，构建单调分布的光照系数，描述人脸图像全局和局部光照变化，进一步构建非线性光照控制模型，实现光照变化的主动控制；构建对数域局部邻域光照不变测度，通过融合多局部邻域光照不变测度，构建多局部邻域光照不变测度人脸特征，在保持人脸鉴别信息的同时，增强人脸特征对光照变化的鲁棒性。针对光照变化条件下单样本人脸识别问题，构建一种光照不变特征稀疏表示模型，分离光照变化对人脸固有信息的干扰，消除辅助人脸固有信息，保持人脸图像的鉴别信息；在此基础上，将矢量投影算法引入稀疏表示模型，构建基于矢量投影的光照不变稀疏表示分类模型，降低光照变化对分类的影响，构建基于LU分解的虚拟图像并引入稀疏表示模型，进一步提高分类模型的对光照变化和噪声的鲁棒性。

驾驶员人脸识别在交通执法及涉车案件侦破中具有重要作用，但交通监控环境下，由于存在复杂的光照变化和单样本问题，现有人脸识别方法效果不佳，亟需寻求新的方法，解决交通监控环境下驾驶员人脸识别难题。.项目围绕复杂光照环境下人脸图像光照处理与单样本人脸识别两个关键问题展开研究。针对监控环境下的复杂光照变化，建立了人脸固有特征和光照分离模型，构建了单调分布的光照系数，描述人脸图像全局和局部光照变化，进一步构建了非线性光照控制模型，实现了光照变化的主动控制；构建了对数域局部邻域光照不变测度，通过融合多局部邻域光照不变测度，构建了多局部邻域光照不变测度人脸特征，在保持人脸鉴别信息的同时，增强了人脸特征对光照变化的鲁棒性。实验结果表明，人脸图像受复杂光照影响时，与现有主流方法相比，所提出的方法取得了更高的识别率。.针对光照变化下单样本人脸识别问题，项目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，设计了人脸特征分解模型，将其引入基于稀疏表示模型，构建了基于人脸特征分解的稀疏表示模型，分离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；其次，通过融合光照不变特征，构建了光照不变特征稀疏表示模型，在分离光照干扰、消除辅助人脸固有信息的同时，保持了人脸图像的鉴别信息；在此基础上，将矢量投影算法引入稀疏表示模型，构建了基于矢量投影的光照不变稀疏表示分类模型，降低了光照变化对人脸识别的影响，构建了基于LU分解的虚拟图像并引入稀疏表示模型，进一步提高了分类模型的对光照变化和噪声的鲁棒性。实验结果表明，在复杂光照环境下，所提方法与现有主流方法相比，识别率有较大提高。项目形成了解决交通监控环境下驾驶员人脸识别的新方法，提高了驾驶员人脸识别效果，具有重要的理论意义和应用价值。