【技术实现步骤摘要】
热成像人员身份识别方法、终端设备及存储介质
[0001]本专利技术涉及基于红外热成像技术与深度学习的人员身份识别技术，特别是一种热成像人员身份识别方法、终端设备及存储介质。
技术介绍
[0002]人脸识别成为近几年来商业落地最为成功的科研成果之一。人脸识别的准确性直接或间接影响到安保、金融、电子政务等多个领域安全，高效的人脸识别带给用户更加良好的使用体验。同时在广泛的商业应用下，经济利益推动人脸识别技术进一步发展，不断寻找更优的分类器，提高识别的鲁棒性。
[0003]目前，人脸识别系统多采用普通的可见光人脸图像进行识别。经典的分类网络有：AlexNet(2012，Hinton等)、GoogleNet(2014，Christian Szegedy等)、VGG(2014，牛津大学视觉几何团队)、ResNet(2015，微软研究院Kaiming He等)。这些基于可见光图像进行识别的网络在理想条件下的人脸识别能力已超过人类本身的平均能力，但却容易受到环境光线变化的影响。虽然在识别之前可以通过一些预处理算法对光照进行处理，但...
【技术保护点】
【技术特征摘要】
1.一种热成像人员身份识别方法，其特征在于，包括以下步骤：S1、使用热像仪采集不同人员的人脸图片，利用采集的人脸图片形成的热成像数据集构建训练集；采集正常光照条件下的人脸可见光图片，构建可见光数据集；S2、在卷积神经网络的输出层之前添加两个依次连接的全连接层，得到改进模型；利用所述训练集训练所述改进模型，获得人员身份识别模型；将由热成像数据集与可见光人脸图片数据共同组成的跨模态图片翻译数据集输入CycleGAN网络模型中，得到一个输入为热成像图片，输出为对应可见光图片的图片翻译模型；S3、由热像仪实时采集人脸图片，利用所述人员身份识别模型对热像仪实时采集的人脸图片进行特征提取，将提取的特征与红外数据库中的特征数据进行比对，若判断人员为红外数据库中的人员，则输出该人员身份信息；否则，利用所述翻译模型将热像仪采集的人脸图片翻译成可见光图片，将翻译所得可见光图像输入可见光人脸识别系统中，进行人员身份识别。2.根据权利要求1所述的热成像人员身份识别方法，其特征在于，步骤S1之后，步骤S2之前，还包括：对所述训练集内的人脸图片进行预处理。3.根据权利要求1所述的热成像人员身份识别方法，其特征在于，步骤S1中，所述人脸图片包括不同角度、不同表情的人脸图片。4.根据权利要求1所述的热成像人员身份识别方法，其特征在于，步骤S1的具体实现过程包括：针对每位志愿者，分别采集正面、侧面、以及志愿者不同表情、佩戴眼镜与不佩戴眼镜的红外人...
【专利技术属性】
技术研发人员：何赟泽，党相昭，杜闯，刘圳康，王洪金，王耀南，
申请(专利权)人：湖南大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。