復雜光線環境下的機場人臉識別設計與應用

詹紅梅

（廈門瑞為信息 技術有限公司，福建 廈門 361000）

1 人臉識別技術背景

隨著科學技術和生物醫學技術的發展，生物識別技術在個人身份識別領域獲得了進一步的研究和廣泛的應用，包括人臉識別、聲紋識別、指紋識別和虹膜識別等[1]。生物特征識別是一種通過學習人體的生理特征或行為模式來確定個人身份的技術。生物特征識別作為人的固有屬性，不易被復制和偽造，已逐漸成為最有效的身份識別和驗證手段[2]。

人臉識別是一種非接觸式識別技術，與其他生物識別技術相比，它具有交互性更好、安全性更高以及可操作更強的優勢。目前該技術已經廣泛應用于公共信息安全、公共交通以及國家軍事安全等領域，對機場、高鐵等具有高質量出行需求的場所，人臉識別技術的應用具有較高的符合性。

機場場景使用復雜，人臉識別率易受光線、角度以及高度等多種因素的影響。為了提高人臉識別的準確率，在圖像光學處理方面仍存在很大的優化空間。

2 人臉識別光照問題

2.1 機場復雜光照環境影響人臉識別

復雜的光環境影響圖像采集的質量，傳統方法對識別過程中光照變化的處理能力較差。FRVT評價結果表明，在應用人臉識別的過程中，光照變化會直接影響識別率[3]。

與人臉識別中的幾個難點問題相比，表情、遮擋和姿態等重要問題與被識別對象的行為有關。在實踐中，該問題可以通過人為干預在一定程度上得到解決，但照明與具體的環境條件有關，在機場應用中很難通過人為手段保持良好的照明[4]。

越來越多的人開始就如何減小光照對人臉識別影響的問題展開研究，提出了許多用于減小光照影響的算法。在人臉識別應用中，采集到的人臉圖像和識別時的圖像的光照通常是變化的，場景非固定不變的。在機場的實際應用、復雜的環境問題（例如模糊照片、遮擋、角度、背光和暗光等）都會導致難以識別攝像頭拍攝的人臉圖像，圖像質量差的照片將被發送到的人臉識別環節，直到識別失敗后再進行下一次抓拍。

因此，長期困擾人臉識別的光照問題仍有很大的研究空間，而降低復雜光照條件下人臉識別的穩定性是研究的重點。

2.2 機場復雜光照環境影響光學成像

在應用人臉識別的過程中，人臉特征值的提取易受現場光照的影響。此外，由于成像角度、表情姿態等人為因素的影響，基于可見光的人臉檢測識別算法在不同環境下的識別效果也存在較大的差異，光照的變化直接影響人臉識別的識別率和效率。在不同的測試環境下，精度也是不同的。同一個人在光線好的情況下比較容易比對成功，而在強光、弱光、背光以及陰陽臉的情況下抓拍的人臉很有可能被拒誤或誤識，如圖1所示。

圖1 常見復雜光線環境采集照片

目前，國內越來越多機場追求綠色環保和自然采光，并采用了大透明玻璃設計。陽光穿透玻璃直接照射在人臉采集設備上，給人臉識別廠商帶來了很大的挑戰，自然光在不同的時間和天氣下都有自己的特點且會隨時間變化而變化，圖像呈現的效果也是不同的。

基于以上原因以及機場照明環境的干擾，采集的圖像質量參差不齊，現場采集的人臉圖像部分信息丟失，影響識別率。需要通過判斷圖片的好壞來決定是注冊還是放棄，因此選擇最佳質量的人臉照片并輸入系統，用于后續的人臉識別。

3 光照成像處理算法

獲得最佳圖像的關鍵因素取決于場景的光照、姿態和面部表情，其中光照變化是最棘手的問題。為了提高光照變化下的人臉識別效果，可以將光照歸一化、光照不變特征提取和三維光照模型3種方法相結合。

3.1 光照歸一化算法

通過光照歸一化處理可以對不同光照圖像中人臉的灰度進行歸一。該方法可以較好地解決光照問題，從動態范圍調整圖像的灰度。通過壓縮亮度區域，可以增強圖像暗區域像素的灰度值[5]。采用直方圖均衡化（Histogram Equalization，HE）方法優化處理人像，可以有效地解決光照歸一化問題，如圖2所示。

圖2為對應的原始圖像和直方圖以及直方圖均衡化后的人臉圖像和對應的直方圖。其中圖2（a）為原始圖像，圖2（b）為原始圖像對應的直方圖，圖2（c）是HE處理后的人臉圖像，圖2（d）是HE處理后的圖像對應的直方圖。對比2幅人臉圖像（圖2（a）和圖2（c））可以看到，均衡后的人臉圖像的面部特征更加清晰，整個圖像也更加明亮。同時，從它們對應的直方圖來看，圖2（d）的灰度分布更均勻、更寬，而圖2（b）的灰度分布更集中、更小。

圖2 人臉圖像經HE算法處理后的效果對比圖

3.2 光照不變特征提取算法

在實際應用中采用光照不變特征提取算法匹配場景光照的變化，從采集到的人臉圖像中逐幀提取最穩定光照下的人臉特征。商圖像（Quotient Image，QI）方法可以較好地在光照不變的情況進行特征提取，如圖3所示。

圖3為經SQI算法處理后的人臉灰度圖像的對比效果。第一排為原始圖像，第二排為SQI處理后的結果圖像?？梢钥吹奖魂幱案采w的臉部經過處理后變得清晰，一定程度上消除了陰影的影響。

圖3 經SQI處理人臉灰度圖像的效果圖

3.3 3D光照模型算法

3D光照模型（3D Morphable Model）算法從光照變化下的人臉子空間選擇了光照變化條件下所采集的人臉照片做為學習對象。先對圖像的人臉紋理和三維形狀進行處理和建模，計算出圖像光線和視線之間的角度以及紋理統計系數。再利用綜合分析法對上述系數進行優化，并將優化后的系數作為人臉特征進行人臉識別[6]。

4 主要研究內容

在機場應用人臉識別的過程中，為降低復雜光照對成像的影響，主要采用以下技術手段進行分析和優化，包括單幀寬動態、人臉優先曝光、暗處增強、 強光抑制和ISP技術等。

4.1 單幀寬動態

動態范圍是相機支持的最大輸出與最小輸出的比值或者是圖像中最亮與最暗部分的灰度比。通常普通相機的動態范圍大約為1∶1000（60 dB），而寬動態范圍相機的動態范圍值更大，大約為1∶1800～1∶5600（65 dB～75 dB）。寬動態技術解決了光線變化場景下相機拍攝的圖像中亮區曝光過大和暗區曝光不足的問題，該技術可以保證在光線變化的情況下獲得質量更好的照片。

基于單幀雙曝光模式的寬動態融合方法，根據曝光格式獲取長短曝光像素。根據曝光率和每個像素的明暗面積計算得到映射曲線。通過長曝光像素、短曝光像素以及兩者之前的映射曲線確定邊緣方向，進而得到邊緣方向的插值，根據插值再反向融合長短曝光。

在機場的實際應用中，相機每秒拍攝25～30幀照片，每幀都受到光線環境的影響。單幀寬度動態被用來有效地解決照片的質量問題，并提高采集照片的可用性。

4.2 人臉優先曝光

利用人臉優先曝光技術可以先識別并聚焦畫面中的人臉。該技術通?？梢灾С滞粡垐D片中的8～9張人臉。事實上，人臉優先級不僅是人臉要對焦的優先級，也是人臉曝光的優先級，背光采集人像表現更為突出。

人臉優先自動對焦功能是基于典型的人像拍攝距離，激活專門的數字識別自動檢測程序掃描人臉特征，然后在人臉區域選擇自動對焦系統的自動對焦。

在機場的實際應用中，難免會受到自然光和機場內部光線的影響，利用人臉優先曝光，可以過濾人臉背景信息的干擾，對局部人臉進行優先曝光處理，保證局部人臉圖像的質量。

4.3 暗處增強

暗處增強技術是對采集的圖像進行暗亮均衡計算，將圖像劃分為不同區域進行計算和分別曝光，暗部區域增益更大，亮部區域增益較小，通過忽略強光來提亮暗部，提高整體亮度。在某些應用中，視野可能包括非常明亮的區域，并且所包括的對象被明亮的區域包圍，使圖片變暗且不分層。

在機場的實際應用中，存在光線較弱的場景，例如遠機位登機口一般處于最底層，陰雨天光線較弱，夜間門口光線不足，導致人像質量較差，無法正常使用人臉識別。

4.4 強光抑制

在采集人臉圖像的過程中，強光對采集圖像的影響非常大，通過抑制強光來降低整體的亮度，提升成像質量。通過DSP對視頻信息中的強光部分進行處理，可以平衡視頻信號亮度，使其達到正常范圍，解決同一張圖像存在的比對度過大的問題。

在機場的實際應用中，強光干擾采集人像的現象十分突出，會導致照片曝光過度，采用強光抑制技術可以解決該問題。

4.5 ISP技術

在機場人臉成像和人臉識別的整個過程中，采用ISP技術采集人像，并對圖像進行多算法處理，主要作用是對攝像機的圖像傳感器信息進行處理，通過去除傳感器中的壞點數據、減少噪聲以及采用自動白平衡、自動對焦、自動曝光、自銳化和自動縮放等方法來采集高清、高質量的人像，滿足機場人臉識別的要求。

5 結語

綜上所述，該文在研究過程中介紹了人臉識別技術的背景，分析了機場復雜光照環境對人臉識別的影響，指出因在復雜光照環境下采集圖像的差異化而影響人臉識別效果的問題。該文通過3種光照成像處理算法（光照歸一化、光照不變特征提取和3D光照模型結合處理）的結合處理來改善在光照變化下的人臉識別效果，并通過單幀寬動態、人臉優先曝光、暗處增強、強光抑制以及ISP技術等技術對成像進行優化。消除光照變化對人臉圖像的影響取決于消除某一過程中的光照變化，在一定程度上可以有效地提高人臉識別的準確率和效率。