[发明专利]鲁棒红外人脸识别技术

说明书

技术领域

本发明涉及一种鲁棒红外人脸识别方法，特别是一种温度归一化方法和基于血流图的识别方法。 

背景技术

用红外来进行人脸识别这一设想是美国Mikos公司的Prokoski博士于1992年最早提出。除红外人脸图像的上述特点外，Prokoski博士更进一步指出：人脸温谱图正是由人脸组织与结构如血管大小和血管分布等的红外热辐射决定的，而每个人的血管分布是独特的，不可复制的，且这种特性不随年龄的增长而变化，所以它们如同指纹一样与人的生理结构有关，具有唯一性。 

近几年来，美国、日本、以色列、新加坡及我国等少数几个国家相继开展了红外人脸识别的研究。这些工作主要体现在如下几个方面：1)红外人脸数据库的建立]；2)红外图像用于人脸识别的可行性论证及性能分析；3)温谱图的分析。如Eqninox公司建立了相同条件下的红外与普通图像数据库，在此基础上对二组数据库运用相同的算法，以比较其识别率，其测试结果表明[7]，在光照变化较大的情况下：1)对同一张脸在相同的变化条件下，红外图像的变化要比普通图像的变化要小；2)不管用哪种方法(PCA，LDA等)，红外图像的识别率均高于普通图像。 

但是，值得注意的是这个结论是针对同时段数据，即训练样本与测试样本同时采集。如果考虑到时延数据，即测试样本来自几星期或几个月以后，研究发现红外人脸识别的性能会急剧下降，识别率将从90-95％降到60-70％。究其原因，就在于人脸温谱图会随着环境温度、心理状况(愤怒，害羞等)，以及生理状况(如发烧，疲劳，喝酒等)的变化而变化，且导致温谱图的变化是非线性的。基于温谱图的识别系统都面临“对同时段数据识别性能好，而对时延数据性能下降”的问题。因此，如何在图像预处理中消除这些因素的影响，并将图像转化到与训练样本图像相同的环境背景中成为了红外人脸识别的一个难点。 

归一化作为图像预处理中最重要的的内容之一被广泛的应用到各种应用系统中。目前，在红外图像的归一化方面，Kakuta等提出了一种通过两幅图像的皮肤温度差来处理不同时段红外图像的方法。该方法较好的对手臂、大腿等人体16个部位的红外图像进行了温度归一化。但这种方法也有它的局限性，人脸不同部位随环境温度的变化其自身温度的改变量是不同的，如果直接对整幅图像做相同的温差处理，原本随环境温度变化其自身变化较小的部位的温度值将会很大程度的发生变化，而这与实际情况是不符的。因此，这种操作必然会产生一定的误差。 

此外，由于人脸温谱图是由人脸组织与结构如血管血流速度和血管分布等的红外热辐射决定的，而人脸的血流速率和血管分布特征是人体的内部特征，不直接与外界接触，从生物学的角度来说，应该具有更加稳定的特征。基于这个认识，不少研究者从血流率和血管分布两个方面开展了研究，目前比较典型的有：一方面，基于人脸的血管分布，Moulay A和Abdelhakim B于2008年5月在Canadian Conference on Computer and Robot Vision上发表了文章“ThermalFaceprint：A new thermal face signature extraction for infrared face recognition”，该文献提出了一种重构人脸血管分布的红外人脸识别方法；另一方面，在血流率上，Wu S Q，Jiang L J和Xie S L等发表在2005年AVBPA会议的文章“InfraredFace Recognition by Using Blood Perfusion Data”中提出，从生物力学角度，基于皮肤表面可用以下热平衡公式，建立了一个点对点的血流转换模型。本文的研究主要是基于第二方面，得到一个更稳定的血流特征，在环境温度变化的情况下，提高时延红外人脸系统的识别性能。但是，该模型是建立在若干理想假设的前提下，而且认为人脸温度点之间是没有关联的，这不符合生物组织的传热原理。基于上述理由，本发明试图利用工程物理学的方法，用于定量分析人脸的生物热传过程，尝试找到更加稳定的人脸生物特征。