复杂光线环境下的机场人脸识别设计与应用

詹红梅

（厦门瑞为信息 技术有限公司，福建 厦门 361000）

1 人脸识别技术背景

随着科学技术和生物医学技术的发展，生物识别技术在个人身份识别领域获得了进一步的研究和广泛的应用，包括人脸识别、声纹识别、指纹识别和虹膜识别等[1]。生物特征识别是一种通过学习人体的生理特征或行为模式来确定个人身份的技术。生物特征识别作为人的固有属性，不易被复制和伪造，已逐渐成为最有效的身份识别和验证手段[2]。

人脸识别是一种非接触式识别技术，与其他生物识别技术相比，它具有交互性更好、安全性更高以及可操作更强的优势。目前该技术已经广泛应用于公共信息安全、公共交通以及国家军事安全等领域，对机场、高铁等具有高质量出行需求的场所，人脸识别技术的应用具有较高的符合性。

机场场景使用复杂，人脸识别率易受光线、角度以及高度等多种因素的影响。为了提高人脸识别的准确率，在图像光学处理方面仍存在很大的优化空间。

2 人脸识别光照问题

2.1 机场复杂光照环境影响人脸识别

复杂的光环境影响图像采集的质量，传统方法对识别过程中光照变化的处理能力较差。FRVT评价结果表明，在应用人脸识别的过程中，光照变化会直接影响识别率[3]。

与人脸识别中的几个难点问题相比，表情、遮挡和姿态等重要问题与被识别对象的行为有关。在实践中，该问题可以通过人为干预在一定程度上得到解决，但照明与具体的环境条件有关，在机场应用中很难通过人为手段保持良好的照明[4]。

越来越多的人开始就如何减小光照对人脸识别影响的问题展开研究，提出了许多用于减小光照影响的算法。在人脸识别应用中，采集到的人脸图像和识别时的图像的光照通常是变化的，场景非固定不变的。在机场的实际应用、复杂的环境问题（例如模糊照片、遮挡、角度、背光和暗光等）都会导致难以识别摄像头拍摄的人脸图像，图像质量差的照片将被发送到的人脸识别环节，直到识别失败后再进行下一次抓拍。

因此，长期困扰人脸识别的光照问题仍有很大的研究空间，而降低复杂光照条件下人脸识别的稳定性是研究的重点。

2.2 机场复杂光照环境影响光学成像

在应用人脸识别的过程中，人脸特征值的提取易受现场光照的影响。此外，由于成像角度、表情姿态等人为因素的影响，基于可见光的人脸检测识别算法在不同环境下的识别效果也存在较大的差异，光照的变化直接影响人脸识别的识别率和效率。在不同的测试环境下，精度也是不同的。同一个人在光线好的情况下比较容易比对成功，而在强光、弱光、背光以及阴阳脸的情况下抓拍的人脸很有可能被拒误或误识，如图1所示。

图1 常见复杂光线环境采集照片

目前，国内越来越多机场追求绿色环保和自然采光，并采用了大透明玻璃设计。阳光穿透玻璃直接照射在人脸采集设备上，给人脸识别厂商带来了很大的挑战，自然光在不同的时间和天气下都有自己的特点且会随时间变化而变化，图像呈现的效果也是不同的。

基于以上原因以及机场照明环境的干扰，采集的图像质量参差不齐，现场采集的人脸图像部分信息丢失，影响识别率。需要通过判断图片的好坏来决定是注册还是放弃，因此选择最佳质量的人脸照片并输入系统，用于后续的人脸识别。

3 光照成像处理算法

获得最佳图像的关键因素取决于场景的光照、姿态和面部表情，其中光照变化是最棘手的问题。为了提高光照变化下的人脸识别效果，可以将光照归一化、光照不变特征提取和三维光照模型3种方法相结合。

3.1 光照归一化算法

通过光照归一化处理可以对不同光照图像中人脸的灰度进行归一。该方法可以较好地解决光照问题，从动态范围调整图像的灰度。通过压缩亮度区域，可以增强图像暗区域像素的灰度值[5]。采用直方图均衡化（Histogram Equalization，HE）方法优化处理人像，可以有效地解决光照归一化问题，如图2所示。

图2为对应的原始图像和直方图以及直方图均衡化后的人脸图像和对应的直方图。其中图2（a）为原始图像，图2（b）为原始图像对应的直方图，图2（c）是HE处理后的人脸图像，图2（d）是HE处理后的图像对应的直方图。对比2幅人脸图像（图2（a）和图2（c））可以看到，均衡后的人脸图像的面部特征更加清晰，整个图像也更加明亮。同时，从它们对应的直方图来看，图2（d）的灰度分布更均匀、更宽，而图2（b）的灰度分布更集中、更小。

图2 人脸图像经HE算法处理后的效果对比图

3.2 光照不变特征提取算法

在实际应用中采用光照不变特征提取算法匹配场景光照的变化，从采集到的人脸图像中逐帧提取最稳定光照下的人脸特征。商图像（Quotient Image，QI）方法可以较好地在光照不变的情况进行特征提取，如图3所示。

图3为经SQI算法处理后的人脸灰度图像的对比效果。第一排为原始图像，第二排为SQI处理后的结果图像。可以看到被阴影覆盖的脸部经过处理后变得清晰，一定程度上消除了阴影的影响。

图3 经SQI处理人脸灰度图像的效果图

3.3 3D光照模型算法

3D光照模型（3D Morphable Model）算法从光照变化下的人脸子空间选择了光照变化条件下所采集的人脸照片做为学习对象。先对图像的人脸纹理和三维形状进行处理和建模，计算出图像光线和视线之间的角度以及纹理统计系数。再利用综合分析法对上述系数进行优化，并将优化后的系数作为人脸特征进行人脸识别[6]。

4 主要研究内容

在机场应用人脸识别的过程中，为降低复杂光照对成像的影响，主要采用以下技术手段进行分析和优化，包括单帧宽动态、人脸优先曝光、暗处增强、 强光抑制和ISP技术等。

4.1 单帧宽动态

动态范围是相机支持的最大输出与最小输出的比值或者是图像中最亮与最暗部分的灰度比。通常普通相机的动态范围大约为1∶1000（60 dB），而宽动态范围相机的动态范围值更大，大约为1∶1800～1∶5600（65 dB～75 dB）。宽动态技术解决了光线变化场景下相机拍摄的图像中亮区曝光过大和暗区曝光不足的问题，该技术可以保证在光线变化的情况下获得质量更好的照片。

基于单帧双曝光模式的宽动态融合方法，根据曝光格式获取长短曝光像素。根据曝光率和每个像素的明暗面积计算得到映射曲线。通过长曝光像素、短曝光像素以及两者之前的映射曲线确定边缘方向，进而得到边缘方向的插值，根据插值再反向融合长短曝光。

在机场的实际应用中，相机每秒拍摄25～30帧照片，每帧都受到光线环境的影响。单帧宽度动态被用来有效地解决照片的质量问题，并提高采集照片的可用性。

4.2 人脸优先曝光

利用人脸优先曝光技术可以先识别并聚焦画面中的人脸。该技术通常可以支持同一张图片中的8～9张人脸。事实上，人脸优先级不仅是人脸要对焦的优先级，也是人脸曝光的优先级，背光采集人像表现更为突出。

人脸优先自动对焦功能是基于典型的人像拍摄距离，激活专门的数字识别自动检测程序扫描人脸特征，然后在人脸区域选择自动对焦系统的自动对焦。

在机场的实际应用中，难免会受到自然光和机场内部光线的影响，利用人脸优先曝光，可以过滤人脸背景信息的干扰，对局部人脸进行优先曝光处理，保证局部人脸图像的质量。

4.3 暗处增强

暗处增强技术是对采集的图像进行暗亮均衡计算，将图像划分为不同区域进行计算和分别曝光，暗部区域增益更大，亮部区域增益较小，通过忽略强光来提亮暗部，提高整体亮度。在某些应用中，视野可能包括非常明亮的区域，并且所包括的对象被明亮的区域包围，使图片变暗且不分层。

在机场的实际应用中，存在光线较弱的场景，例如远机位登机口一般处于最底层，阴雨天光线较弱，夜间门口光线不足，导致人像质量较差，无法正常使用人脸识别。

4.4 强光抑制

在采集人脸图像的过程中，强光对采集图像的影响非常大，通过抑制强光来降低整体的亮度，提升成像质量。通过DSP对视频信息中的强光部分进行处理，可以平衡视频信号亮度，使其达到正常范围，解决同一张图像存在的比对度过大的问题。

在机场的实际应用中，强光干扰采集人像的现象十分突出，会导致照片曝光过度，采用强光抑制技术可以解决该问题。

4.5 ISP技术

在机场人脸成像和人脸识别的整个过程中，采用ISP技术采集人像，并对图像进行多算法处理，主要作用是对摄像机的图像传感器信息进行处理，通过去除传感器中的坏点数据、减少噪声以及采用自动白平衡、自动对焦、自动曝光、自锐化和自动缩放等方法来采集高清、高质量的人像，满足机场人脸识别的要求。

5 结语

综上所述，该文在研究过程中介绍了人脸识别技术的背景，分析了机场复杂光照环境对人脸识别的影响，指出因在复杂光照环境下采集图像的差异化而影响人脸识别效果的问题。该文通过3种光照成像处理算法（光照归一化、光照不变特征提取和3D光照模型结合处理）的结合处理来改善在光照变化下的人脸识别效果，并通过单帧宽动态、人脸优先曝光、暗处增强、强光抑制以及ISP技术等技术对成像进行优化。消除光照变化对人脸图像的影响取决于消除某一过程中的光照变化，在一定程度上可以有效地提高人脸识别的准确率和效率。