毛 亮 薛月菊 魏颖慧 朱婷婷

①(深圳职业技术学院粤港澳大湾区人工智能应用技术研究院 深圳518055)

②(华南农业大学电子工程学院 广州510642)

③(西安电子科技大学数学与统计学院 西安710071)

1 引言

人脸识别一直是模式识别和计算机视觉领域最活跃的研究方向之一。在过去的二十年中，人脸识别技术尽管已经取得了长足的进展，但面向现实的人脸识别系统仍然面临着诸多挑战。这些挑战主要来自于人脸图像中可能存在的多种多样的难以预测的变化，如表情、姿势、光照、分辨率和遮挡等。这些变化可能导致训练图像和待识别图像之间发生严重的数据偏移，从而导致人脸识别率降低[1]。其中眼镜是常见的遮挡物体，一般可分为全框、半框和无框3类，如图1所示，从左到右表示戴全框、戴半框和戴无框眼镜的人脸图像，这里指的眼镜不包括太阳镜、运动眼镜等。实际应用中，由于相似人脸这类细粒度特性和眼镜遮挡的影响，人脸识别的准确率会出现显著的下降。因此，本文以如何去除眼镜作为主要研究对象。

图1 戴不同类型眼镜的人脸图像

近年来，研究人员提出了一些从人脸图像中提取特征和去除眼镜的方法，如2004年，Wu等人[2]提出一种自动去除眼镜的方法，利用戴眼镜的人脸图像与不戴眼镜的对应部分之间的统计映射去除眼镜，但对于一些无框眼镜，很难去除；2005年，Du等人[3]提出了一个从正面人脸图像中提取并摘除眼镜的方法。首先利用自适应二值化检测正面人脸图像中眼镜遮挡的部分，然后使用基于PCA重构的递归误差补偿方法，虽然对人工合成戴眼镜人脸图像可进行眼镜去除，但对光照变化较敏感；……