[发明专利]一种基于可见光图像与红外图像融合的人脸识别方法及系统

说明书

本发明公开了一种基于可见光图像与红外图像融合的人脸识别方法及系统，所述方法包括将可见光图像和红外图像进行通道叠加生成融合图像；根据所述融合图像训练卷积神经网络以获得卷积神经网络分类器；和/或通过卷积神经网络分类器将所述融合图像转换为标准特征向量；和/或通过卷积神经网络分类器将所述融合图像转换为目标特征向量；目标特征向量与标准特征向量逐一进行比对，求取相似度，进行人脸识别。所述系统包括图像获取模块、图像融合模块、卷积神经网络分类器训练模块、特征向量获取模块、相似度获取模块、人脸识别模块。本发明为全被动、非接触式识别，无需受检者配合完成各种活体识别动作，从而可以做到实时识别。

技术领域

本发明属于图像处理领域，更具体地，涉及一种基于可见光图像与红外图像融合的人脸识别方法及系统。

背景技术

近年来，随着深度学习技术的飞速发展，基于深度学习的人脸识别算法已逐渐成熟，并被广泛应用，在一些公开数据集的比测中，人脸识别算法的识别准确率甚至已经超过人眼，但在实际工程应用中，常规基于深度学习的可见光人脸识别算法还存在受光照影响严重、防伪能力弱的缺陷，容易被人脸照片、动态视频、人头3D模型等非活体人脸攻破。

目前业界存在一些基于可见光图像的活体检测手段，大多是通过提示受检者在进行身份验证时进行眨眼、摆头、点头等动作，以完成身份验证。此方法虽具备一定活体检测能力，但是检测耗时，通常需要数秒时间完成，用户体验不佳。也存在利用近红外图像进行活体检测的技术，但是该技术需要额外配置近红外照射灯对目标进行照射才能获得近红外图像，而且目前存在的利用近红外图像进行活体检测的技术是通过对可见光图像和近红外图像分别进行训练，生成两个网络模型，识别时再分别处理，然后再对两个相似度进行加权以获得最终识别结果，实现过程较为复杂。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种基于可见光图像与红外图像融合的人脸识别方法及系统，其目的在于将可见光图像和红外图像先通过通道叠加生成融合图像再进行卷积神经网络分类器的训练以及人脸识别，由此解决目前活体检测手段繁琐以及人脸识别过程复杂的技术问题。

为实现上述目的，按照本发明的一个方面，提供了一种基于可见光图像与红外图像融合的人脸识别方法，包括以下步骤：

S1、采集人脸可见光图像和红外图像；

S2、将所述可见光图像和所述红外图像进行通道叠加生成融合图像；

S3、人脸识别模型采用卷积神经网络模型，根据所述融合图像训练卷积神经网络以获得卷积神经网络分类器；

和/或

通过卷积神经网络分类器将所述融合图像转换为标准特征向量；依据所述标准特征向量完成人脸注册；

和/或

通过卷积神经网络分类器将所述融合图像转换为目标特征向量；

S4、提取目标特征向量，与已注册的标准特征向量逐一进行比对，求取相似度，与设定的阈值比较判断，进行人脸识别。

根据本发明实施例，所述步骤S1的人脸可见光图像和红外图像由已光轴配准的可见光传感器和红外传感器采集。

根据本发明实施例，所述可见光图像为三通道图像，所述红外图像为单通道图像，所述通道叠加生成融合图像是将三通道可见光图像和单通道红外图像缩放到同一分辨率，将两幅图像分别进行归一化，归一化后的可见光图像作为融合图像的前三个通道，红外图像作为融合图像的第四个通道。

根据本发明实施例，所述卷积神经网络为基于残差网络的卷积神经网络。

根据本发明实施例，所述步骤S1中所述可见光图像包括第一可见光图像、第二可见光图像以及第三可见光图像中的一个或多个；