基于光照变化处理监控合成人脸生成方法研究.pdfVIP

中条件下的合成人脸生成

†、埃里克格兰杰†?

法尼亚·莫哈耶里·、亚历山大·比洛多

†?

LIVIA，蒙特利尔魁北克大学高等理工学院LITIV，蒙特利尔理工学院

fmokhayeri@livia.etsmtl.ca、eric.granger@etsmtl.ca、ga

bilodeau@polymtl.ca

由于相机的互操作性，可以从中捕获的内容中提取。最

抽象的

在静态人脸识别(FR)中，头捕获的脸部与系统后，操作中捕获的面部由于角度、表情、照明、模

中的目标个人的参考静态进行匹配。由于不受控制糊、分辨率、比例和遮挡而变化。本文重点研究与照明和对

的捕获条件（、表情、照明、模糊、比例等的变化）以比度变化相关的面部外观变化。这些是影响FR性能的最重

及对目标进行建模的参考静态图像数量有限，FR是要因素。照明和对比度的变化通常是由相机视点特定的操作

中的一个具有性的问题。本文介绍了一种新方法，条件引起的，例如照明条件、阴影、比例以及面部与相机的

可以根据相机特定的捕捉条件为每个参考静态图像生成多个接近程度[8]。

合成面部图像，以处理照明变化。对于每个参考静态图像，在过去的几十年里，出现了各种各样的方法来补偿影响

根据亮度和对比度失真，从出现在机视点中的非目标个FR性能的照明变化。这些方法可以分为以下几类技术：（1）

体中选择一组不同的面孔。然后使用边缘保留图像分解将这照明归一化，（2）照明不变特征提取，（3）照明条件建模，

些面部图像分解为细节层和大规模层，以获得它们的照明相以及（4）人脸图像合成。方法尝试将图像调整到正常

关分量。最后，这些图像的大规模图层与每个参考静态图像的照明条件。直方图均衡、伽马校正、直方图规范/匹配和定

一起变形，以生成包含照明和对比度条件的多个合成参考静向局部直方图均衡是该领域的基本方法[9][10]。这些技术是

态图像。使用ChokePoint数据集获得的实验结果表明，这些有效的，但它们处理不均匀照明变化的能力仍然有限[11][12]。

合成人脸生成了增强的人脸模型。随着合成人脸数量的增光照不变表示策略提取对不同光照具有鲁棒性的面部描述符，例

加，所方法在一系列捕获条件下了更高水平的准如边缘图、几何特征、灰度级导数，例如局部二值模式

确性和鲁棒性。（LBP）和Gabor特征[13][14]。由于照明方向的变化，这

些方法不足以克服实际应用中的照明变化。另一种策略涉及

索引术语——、人脸识别、图像变形、合成人脸生

对允许恢复光照不变特征的光照条件进行建模，然后部署

成

FR的特征。作者利用双凸集是由非均匀模糊和变化照明下的图

1。简介像形成的来补偿照明变化。然而，这种技术很难从单张

脸部图像中估计照明和反射率源。最后，人脸图像合成方法

中的人脸识别（FR）由于使用