复杂光照条件下自适应的车脸重识别算法

作者：马娜; 温廷新; 贾旭; 李晓会

来源：计算机工程, 2022, 1-12.

DOI：10.19678/j.issn.1000-3428.0065453

• 车脸重识别
• 鉴别网络
• 有监督学习
• 自适应特征提取
• 时间注意力机制

为了提高车脸特征提取对于复杂光照条件的自适应性，从而降低图像采集过程中光照变化给车脸重识别带来的影响，提出了一种对光照强度变化具有较好鲁棒性的基于自适应特征提取的车脸重识别模型。首先，基于Yolov3模型对采集的图像进行预处理后，采用改进的MobileNetV3模型提取出车脸图像的原始特征；其次，由于光照条件变化时，不同类型的车脸特征受影响程度不同，因此，这里通过训练获得的两种特征转换矩阵，将原始特征划分为不受光照条件影响的稳定特征与易受光照条件影响的易变特征；最后，在训练网络模型时，一方面通过对提出的鉴别网络输出结果的信息熵约束，保证样本间稳定特征分布的一致性，另一方面，通过融合稳定特征和基于时间注意力机制调整的易变特征，实现对车脸样本的有监督学习。实验结果表明，对于三种车脸图像数据集，提出算法的识别准确率可分别达到0.866，0.872，0.923，相对于对比的算法分别提升了0.033，0.026，0.041。尤其对光照差异较大的车脸图像对，提出的模型仍可以获得较好的识别效果。

• 单位
  辽宁工程技术大学; 工商管理学院; 辽宁工业大学