人脸识别作为最常用的生物特征之一,在刑侦、安防、金融等领域取得了广泛的应用,近些年成为了计算机视觉和模式识别的研究热点。理想情况下,人脸识别的准确率相当高,然而在实际应用中,识别系统不得不面临光照变化的问题,使识别率显著下降。光照条件复杂难控,给人脸识别系统的采集、特征提取、分类识别等产生诸多不利的影响。理论和实践表明,由光照变化引起的同一人的面部差异甚至比不同人之间的差异还要大,因此光照问题是人脸识别中最具挑战性的问题之一。为了解决人脸识别受光照影响较大的问题,本文从人脸图像预处理、光照不变特征提取以及特征融合方法三个方面展开光照变化情况下人脸识别方法的研究。主要工作如下:1.研究了自商图像法并对其进行改进。针对现有基于自商图像的方法忽略对特征进行选择,导致处理后图像相似度较高的问题,提出一种自商图像结合随机投影的方法。首先用自商图像法对人脸进行预处理,削弱光照影响,然后利用线性判别分析构建初始样本空间,通过随机投影将样本投影至多个不同的子空间,以此丰富样本特征多样性和完备性,从而增大不同样本之间的鉴别性,提高类别可分离性。最后用最近邻分类器选择出与测试样本距离最小的训练样本,确定测试样本的类别。2.研究了光照鲁棒特征提取方法。针对光照变化情况下,单一特征难以对人脸进行准确描述的问题,将局部敏感直方图应用到人脸特征提取中,提出一种融合局部敏感直方图和高斯拉普拉斯特征的人脸识别方法。本文充分利用局部敏感直方图的思想,根据人脸图像中距离中心像素点的距离不同,将图像中的像素点灰度值乘以浮点权重,来降低背景的干扰,以达到提取光照不变特征的目的;同时结合高斯拉普拉特征来弥补部分纹理细节损失,从而实现光照变化情况下,人脸图像的准确表征。3.研究了特征融合时的权值确定方法。针对特征融合时,采用固定权值适用性差的问题,提出了一种采用标准差进行自适应融合的方法。在人脸识别中,提取到的特征可能会包含噪声等的干扰,这些无关信息会影响人脸识别的正确分类。本文利用标准差的大小作为衡量不同特征中人脸信息量多少的依据,以此实现多特征权重的自适应设定,将特征进行自适应融合。