变化光照条件下基于单张参考图像的人脸识别算法评测-谢晓华.pdfVIP

变化光照条件下基于单张参考图像的人脸识别算法评测 谢晓华 (Xiaohua Xie) sysuxiexh@ 中国科学院深圳先进技术研究院 可视计算研究中心 2011-08-18 1. 前言 本人在博士学习期间，一直学习从事人脸图像处理和人脸识别方面的研究。几年学习下来， 实现过不少相关的主流和非主流算法。因此想把一些总结写下来，与诸位同行交流学习。这 篇报告主要对变化光照条件下基于单张参考图像的人脸识别算法进行比较，并给出一些结论。 “基于单张参考图像”意思是进行人脸识别实验的时候每个人只有一张图像作为模板。在这 样的限制下，LDA 等监督学习算法是无法用的，最有效的方法是从图像中提取光照不敏感 特征进行匹配。而“基于单张参考图像”也是大多数应用系统的需求。 在研究人脸光照问题的时候，很多人喜欢用 CMU-PIE 和 Yale B 人脸库中不同光照但相同 pose 和相同 expression 下的人脸图像来进行实验。这两个数据库有个特点是，在相同 pose 和expression 下，每个人的不同光照图像几乎在3 秒钟之内拍摄完毕。用这样的测试库进行 实验，的确可以只考虑光照问题而避免其它因素的干扰。但是这样的实验设置又与实际应用 相差甚远。众所周知，影响人脸识别效果的因素主要包括光照、姿势和表情。但是我认为这 三个因素之间并不孤立，而存在互相影响。譬如，在相同pose 下，算法A 获得比算法 B 更 佳的performance ，但是当pose 也在变化的时候 （即使是微小的变化），算法A 就未必优于 算法B 了。因此，本报告的实验采用FRGC 2.0 database 中的图像。这些图像采集于不同时 间段，存在光照、姿势（当然变化不是很大）、表情的变化，更加接近实际应用环境。 识别实验分两种模式进行，即人脸辨别（face identification ）和人脸认证（face verification ）， 分别以Rank-1 识别率和ROC 曲线作为不同算法performance 的衡量。 评测结论在“讨论”部分给出。值得说明的是，本报告中的实验方法部分参考了文献[7]， 部分结论也与文献[7]中的一致。 本报告仅在网络发表，供同行交流，请勿包装发表或者作为其他商用。欢迎来信交流或者 提供您的算法来进行评测比较。转载请注明原作者。 2. 测试库 FRGC 2.0 database [1] The FRGC 2.0 database consists of 50,000 images captured from 625 subjects. The images were taken in different periods, under controlled and uncontrolled environments, with variations in illumination, expression, and ornaments (glasses). The controlled images were taken in a studio setting, under two lighting conditions and with two facial expressions. The uncontrolled images were taken in the varying illumination conditions, e.g., hallways, atriums, and outside. 3. 本实验所用的子集 Only 275 subjects were selected in our experiment, each has five controlled images and uncontrolled images with neutral expressions, totally 2750 images. Each selected image was simply aligned according to the eye coordinates and resized to 100×100. 图1： 人脸图像样本