Directional illumination estimation sets and multilevel matching metrics for illumination-robust face

摘要

在复杂光照环境下提升人脸识别性能是一项极具挑战性的研究课题。当前，基于光照估计的光照不变特征提取方法被广泛应用于缓解光照变化对识别效果带来的负面影响。然而，现有技术多依赖于光照特性变化缓慢这一假设进行估计，导致在面对复杂多变的光照条件时，其估计精度和不变特征提取效果均存在明显不足。为解决上述问题，我们依据Lambertian反射模型，提出一种新颖的照明估计方法，用于从面部图像中提取方向性光照不变特征集。该特征集不仅能够更有效地保留人脸的基础信息，还能显著降低因快速光照变化而产生的干扰影响。同时，我们设计了一种多层次匹配指标分类策略，通过内积计算与残差匹配机制实现更精确的匹配效果。实验结果表明，在Yale BC、CAS-PEAL-R1、Control以及AR等常用人脸数据库上，所提方法能够有效增强复杂光照条件下人脸识别的准确率。

1 引言

近年来，人脸识别作为计算机视觉与模式识别领域的重要研究方向，取得了显著进展。然而，由于面部姿态、表情以及光照等因素的干扰，人脸识别在实际应用中仍面临诸多挑战。其中，光照变化是影响人脸识别性能的关键因素之一，对识别效果产生了较大限制，并制约了相关技术的实际应用[1]、[2]。为提升复杂光照环境下的人脸识别准确性，研究人员提出了多种有效策略。这些策略大致可分为三类：基于稀疏表示的方法、基于深度学习的方法以及基于光照不变特