鲁棒红外人脸识别方法

摘要

本发明涉及一种鲁棒的红外人脸识别方法。本发明包括以下几个主要环节：首先检测出图像中的人脸，估计出人脸的方向，并做几何归一化。然后计算人脸图像中每个点随温度变化的权重，利用线性归一化的方法将不同温度下的图像转换为参考温度下的图像。最后，为了获得更加鲁棒的生物特征，温度归一化的图像通过Pennes生物热传方程反向求解得到对应的离散血流图，并采用二次特征提取的方法进行识别。实验表明，该发明能大大提高时延数据的识别率，可用于实时红外人脸识别系统中，具有很高的理论研究意义和实际应用价值。

主权项

1.一种鲁棒红外人脸识别方法，其特征在于：包括如下步骤：a)采集图像，对图像进行人脸检测，几何归一化和人脸方向检测；b)对图像进行温度归一化：对于两幅不同温度下的人脸温谱图f(x，y)和g(x，y)，其中f(x，y)是在标准温度T_e1下采集的，g(x，y)是在变化环境温度下采集的，其过程如下：对于两幅不同温度下的人脸温谱图f(x，y)和g(x，y)，其中f(x，y)是在标准温度T_e1下采集的，g(x，y)是在变化环境温度下采集，首先提取出图像g(x，y)的状态参数并求出g(x，y)采集时的环境温度T_e2，T_e2为图像中温度值最低的点对应的温度值，然后计算两幅图像采集时的环境温度差ΔT＝T_e1-T_e2，对于图像中的每一个点x_k：if T_e2＞T_e1$x_k=x_k-\frac{x_{\max }-x_k}{x_{\max }-x_{\min }}*\left|\mathrm{\Delta T}\right|$else$x_k=x_k+\frac{x_{\max }-x_k}{x_{\max }-x_{\min }}*\left|\mathrm{\Delta T}\right|$其中x_max＝max(g(x，y))，x_min＝min(g(x，y))，为该点随温度变化的权重；通过对图像中的每个点执行上述操作，就可以将红外人脸图像g(x，y)转换到与图像f(x，y)相同的环境温度下；c)为了获得更加鲁棒的生物特征，温度归一化的红外人脸图像通过Pennes方程求出血流量，该工作包括：①将原有的三维的Pennes方程简化为二维形式；$K(\frac{{\partial }^{2}f(x,y)}{\partial x^2}+\frac{{\partial }^{2}f(x,y)}{\partial y^2})+W_b{C}_b(T_a-f(x,y))+q_m=0$其中K为人体组织导热系数，W_b为体积血流量，C_b为血的比热容，T_a为动脉血温度，q_m为体积人体代谢产热热流量；②通过对二维Pennes方程离散化，反向求解得到血流率W_b，并以血流率进行人脸识别；③图像像素点的间隔为实际人脸离散化后的取样间隔距离，将二维Pennes方程改写成由实际间隔距离决定的Pennes方程；d)特征提取及识别。