远红外人脸识别方法技术

本发明专利技术公开了一种远红外人脸识别方法，包括以下步骤：用红外热像仪采集的红外人脸图像，然后对所采集的红外人脸图像进行预处理以及归一化，得到大小和分辨率统一的红外人脸图像；利用LBP算子提取红外人脸图像中的局部微结构特征；引入LBP共生矩阵来表征红外人脸的局部特征；采用偏最小二乘回归分类器挖掘LBP模式矩阵中的鉴别特征。本发明专利技术能大大提升非约束环境下的识别率，可应用于公共安全领域的夜间实时自动人脸识别系统中。

【技术实现步骤摘要】
【专利摘要】本专利技术公开了一种，包括以下步骤：用红外热像仪采集的红外人脸图像，然后对所采集的红外人脸图像进行预处理以及归一化，得到大小和分辨率统一的红外人脸图像；利用LBP算子提取红外人脸图像中的局部微结构特征；引入LBP共生矩阵来表征红外人脸的局部特征；采用偏最小二乘回归分类器挖掘LBP模式矩阵中的鉴别特征。本专利技术能大大提升非约束环境下的识别率，可应用于公共安全领域的夜间实时自动人脸识别系统中。【专利说明】
本专利技术涉及生物特征识别领域，具体为一种。
技术介绍
人脸识别特指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术。人脸识别是模式识别、机器学习和计算机视觉领域最具挑战性的研究方向之一，是一个高维的模式识别问题。在可见光人脸识别领域，已有的研究要求待识别人是配合的，正面站在摄像头前，并且保持均匀的光照。然而，在实际的人脸识别里，人脸的姿态是非可控的，同时光照条件变化多端，人脸也会存在彼此遮挡，这些对人脸识别提出了很大的挑战。远红外人脸识别具有消除光照及阴影的影响、被动性、实现全天候识别等特点，成为弥补可见光人脸识别不足的重要研究方向之一。远红外成像用于人脸识别也有其缺陷:一方面，由于红外热像仪分辨率的限制，红外人脸图像的分辨率不高；另一方面，人脸温谱图会随着外界环境温度、心理状况以及生理状况的变化而变化，且导致温谱图的变化是非线性的。因此，提取低质量、不稳定红外人脸图像的不变特征，成为红外人脸识别系统的关键技术。局部二进制模式(LBP)以其计算简单性和对局部结构特征描述的有效性被广泛应用于图像的纹理检索、指纹识别、人脸识别中。李子青等人提出的基于局部二进制模式(LBP)的近红外人脸识别方法，通过提取红外人脸的局部特征，取得了比基于整体特征更好的识别性能。近红外成像需要在照相机上安装一个近红外发光二极管，对测试者具有有较强的刺激，不具有人脸识别被动性的优点。与近红外人脸图像相比，远红外人脸成像是通过获取人脸发出的热辐射来成像的，是由人脸的温度分布决定，不需要测试者的配合。谢志华等人提出了基于LBP的远红外人脸特征提取方法，在克服环境温度影响上具有较强的鲁棒性。上述研究都表明基于LBP的红外人脸识别不论在算法复杂度和识别性能上，都要明显优好于基于整体统计特征提取方法。然而，上述红外人脸识别研究都是基于LBP模式的直方图统计特征、采用均匀模式降维，具有以下三方面的不足:①近红外成像识别虽然不受光照影响，但对测试者有较强的刺激，缺乏被动性的优点；②直方图统计丢失LBP模式的空间位置信息；③特征选择没有考虑红外图像统计特征，对局部结构中的鉴别特征挖掘不足。
技术实现思路
本专利技术的目的是为了克服上述不足提供一种。本专利技术，包括以下步骤: 步骤1:用红外热像仪采集的红外人脸图像，然后对所采集的红外人脸图像进行预处理以及归一化，得到大小和分辨率统一的红外人脸图像； 步骤2:利用LBP算子提取红外人脸图像中的局部微结构特征； 步骤3:引入LBP共生矩阵来表征红外人脸的局部特征； 步骤4:采用偏最小二乘回归分类器挖掘LBP模式矩阵中的鉴别特征。本专利技术，具有以下有益效果: ①本专利技术基于具有被动性优点的远红外成像进行人脸识别，保持了红外人脸识别光照和化妆鲁棒的特点，同时对识别对象的被动性，特别适合夜间的自动身份识别。②本专利技术提出的将LBP与共生矩阵结合的局部特征表示方法，提取了局部结构特征之间的位置信息，弥补了传统LBP直方图表示对空间位置信息表示的不足。由于LBP共生矩阵提取了具有鉴别能力的空间位置信息，提高了红外人脸识别特征提取的有效性。③本专利技术中的偏最小二乘分类器，基于偏最小二乘统计回归训练LBP共生矩阵特征，同时考虑了 LBP共生矩阵特征的信息量和可分性，抽取出有效特征，提高最终分类识别的准确度。【专利附图】【附图说明】图1是LBP编码原理图； 图2是红外人脸LBP编码结果图； 图3是共生矩阵位置和距离参数图； 图4是本专利技术方法 的流程示意图。【具体实施方式】下面结合附图及实施例进一步说明本专利技术。实施例:本专利技术首先对采集的热红外人脸图像做归一化处理，然后用LBP共生矩阵表示法提取红外人脸的局部信息，提取包含丰富空间位置的局部特征，最后同时考虑局部特征的信息量和可分性，通过PLS方法抽取有效鉴别特征进行分类识别。1.对红外热像仪采集的红外人脸图像进行预处理、归一化，得到大小和分辨率统一的红外人脸图像。本专利技术中将人脸区域的尺寸统一归一化为60X80像素。2.利用LBP算子提取红外人脸图像中的局部微结构特征。对于红外人脸图像的每一个像素点c，具体的计算公式为:【权利要求】1.一种，其特征在于包括以下步骤: 步骤1:用红外热像仪采集的红外人脸图像，然后对所采集的红外人脸图像进行预处理以及归一化，得到大小和分辨率统一的红外人脸图像； 步骤2:利用LBP算子提取红外人脸图像中的局部微结构特征； 步骤3:引入LBP共生矩阵来表征红外人脸的局部特征； 步骤4:采用偏最小二乘回归分类器挖掘LBP模式矩阵中的鉴别特征。2.根据权利要求1所述的，其特征在于所述步骤I中，得到的红外人脸图像的尺寸为60X80像素。3.根据权利要求1所述的，其特征在于所述步骤2中，LBP编码值的计算公式为: 4.根据权利要求1所述的，其特征在于所述步骤3中，LBP共生矩阵特征的具体计算公式为:5.根据权利要求1所述的，其特征在于所述步骤4中偏最小二乘分类器的具体实现，首先基于LBP共生矩阵特征间信息量和类别可分性，统计回归得到不同特征的权重；然后根据权重大小排序，实现LBP共生矩阵的降维，从而挖掘LBP共生矩阵中鉴别特征； 其中，PLS的目标函数为: 【文档编号】G06K9/00GK103914693SQ201410161447【公开日】2014年7月9日 申请日期:2014年4月22日 优先权日:2014年4月22日 【专利技术者】谢志华, 刘国栋 申请人:江西科技师范大学本文档来自技高网...

【技术保护点】
一种远红外人脸识别方法，其特征在于包括以下步骤：步骤1：用红外热像仪采集的红外人脸图像，然后对所采集的红外人脸图像进行预处理以及归一化，得到大小和分辨率统一的红外人脸图像；步骤2：利用LBP算子提取红外人脸图像中的局部微结构特征；步骤3：引入LBP共生矩阵来表征红外人脸的局部特征；步骤4：采用偏最小二乘回归分类器挖掘LBP模式矩阵中的鉴别特征。

【技术特征摘要】

【专利技术属性】
技术研发人员：谢志华，刘国栋，
申请(专利权)人：江西科技师范大学，
类型：发明
国别省市：江西;36