红外图像人脸识别方法研究进展

介绍了红外图像人脸识别应用前景和困难所在,阐述了红外图像人脸识别的特征,报告了红外图像人脸识别近年来的研究进展,综述了红外图像人脸识别的方法和技术,介绍了基于红外频谱的人脸和伪装检测方法、基于热红外成像的人脸识别方法、基于支撑向量机的红外图像人脸识别方法,基于线性辨别分析的红外图像人脸识别新方法,并进行了简单的分析和比较.最后探讨了红外图像人脸识别领域的发展与研究方向.     

基于血流模型和贝叶斯的红外人脸识别

人脸识别是图像处理领域的一个热点。由于红外人脸识别可以避免可见光人脸识别存在的一些固有的缺陷,因此有着广阔的应用前景。本文从统计学角度和生物特征角度提出基于贝叶斯分类和血流模型的红外人脸识别方法,这种方法可以充分利用人脸血流模型的优势,减弱环境因素对红外人脸识别的性能的影响,提取精确的生物学特征,同时根据统计特征,并使用贝叶斯分类器,增加样本之间的类间距,减少样本之间的类内距。该方法首先将人脸温谱图转换为人脸血流图,然后使用PCA算法对人脸血流模型数据进行降维处理,并训练产生内部子空间和外部子空间,最后通过贝叶斯分类算法进行人脸识别。文中按照这个思路做了对比实验,实验结果证明这种方法是行之有效的。     

基于血流模型和贝叶斯的红外人脸识别

人脸识别是图像处理领域的一个热点。由于红外人脸识别可以避免可见光人脸识别存在的一些固有的缺陷,因此有着广阔的应用前景。文中从统计学角度和生物特征角度提出基于贝叶斯分类和血流模型的红外人脸识别方法,这种方法可以充分利用人脸血流模型的优势,减弱环境因素对红外人脸识别的性能的影响,提取精确的生物学特征,同时根据统计特征,并使用贝叶斯分类器,增加样本之间的类间距,减少样本之间的类内距。该方法将人脸温谱图转换为人脸血流图;使用PCA算法对人脸血流模型数据进行降维处理,并训练产生内部子空间和外部子空间;通过贝叶斯分类算法进行人脸识别。文中按照这个思路做了对比实验,实验结果证明这种方法是行之有效的。     

基于可视信息眼镜摘除的热红外人脸识别方法

在热红外人脸识别中,眼镜作为人脸图像中常见的遮挡物,造成了人脸眼睛区域信息的丢失,严重影响了人脸识别效果。针对该问题,提出了一种在热红外图像中去除眼镜的算法,对热红外图像进行眼镜检测,使用无眼镜的热红外图像的平均眼睛模板来代替有眼镜的热红外图像的眼镜区域,再基于核主成分分析算法利用可视化图像和热红外图像融合的方法,进行图像融合,获得较好的无眼镜热红外图像,通过分类识别来实现人脸识别。实验结果表明,在热红外人脸识别中,该方法在戴眼镜的情况下能够提高人脸识别的准确率和取得较好的识别效果。     

面向时延数据的分块PCA红外人脸识别

时延数据下的高识别性能是红外人脸识别系统应用的基础,提出一种基于分块PCA的红外人脸识别方法,提高红外人脸识别系统对时延数据识别率.为了充分利用图像的局部特征,对图像进行大小分块,并对各分块图像进行主成分分析;然后,为了缓解外部环境温度对识别的影响,通过训练学习不同温度下的红外人脸数据,去除每个图像块受环境温度影响较大的特征值.最后,为了结合整体特征,并将余下的特征值组合成特征向量用于识别.实验结果表明,本文提出的方法可以提高红外人脸识别系统对时延数据的识别率.     

基于PCA+LDA的热红外成像人脸识别

研究热红外成像人脸识别技术,提出一种基于主成分分析(PCA)和线性鉴别分析(LDA)的热红外成像人脸识别方法.针对热红外人脸图像的特点,首先对图像进行预处理得到一组标准热红外人脸图像,利用PCA算法对图像向量进行降维并提取其全局特征,对降维后的热红外人脸全局特征采用LDA算法训练生成一个使类间离散度最大、类内离散度最小的最佳分类器.最后,进行基于PCA+LDA的热红外人脸图像识别研究,实验结果表明该方法可获得较高的识别率.     

基于Gabor小波和SVD的热红外人脸识别研究

由于热红外人脸图像具有防伪装、防欺诈以及独立于环境光照的特点,所以近年来热红外人脸识别问题备受关注。提出一种基于Gabor小波和SVD的热红外人脸识别新方法。对归一化后的热红外人脸图像进行多方向多尺度Gabor变换,得到多个Gabor特征矩阵;对每个矩阵进行奇异值分解,并把每个矩阵最大的奇异值组合起来作为最终的热红外人脸特征向量;使用径向基神经网络进行分类识别。在自建热红外人脸数据库上的实验结果表明,相比于传统的识别方法,该方法具有较好的识别效果。     

基于形变模型的红外人脸鲁棒识别*

针对人脸识别中的光照、表情和遮挡变化三大难题,引进热红外人脸克服光照变化,并且采用融合局部形变模型的人脸分类方法克服表情和遮挡变化。该方法将热红外测试人脸看成人脸库的线性组合,并用形变模型表示,通过 最小优化求解组合系数,根据系数的稀疏性进行人脸识别。为了进一步提高算法的鲁棒性,采用人脸分片加权的策略。在Equinox人脸库上通过大量实验表明：基于红外光的人脸识别性能明显高于可见光对光照变化的影响;融合局部形变模型的人脸识别方法可以有效地提高识别率且克服红外人脸识别中的眼镜干扰与表情变化问题。     

基于决策级的多源人脸融合识别

仅依赖于可见光谱进行人脸识别,在实际应用中存在很多问题。目前的研究表明,红外人脸识别也可以作为一种很好的生物鉴定技术。但是,红外图像也有自己的缺陷,其中眼镜的存在对识别的影响很大。文章提出了一种对可见光和红外人脸进行融合识别的方法。首先用PCA提取人脸主分量,计算测试样本与各类的欧氏距离,并通过构造的转换函数获得子决策;然后在决策级用D-S证据理论对子决策进行融合,得到最优决策。实验结果表明,该方法有效地提高了识别率。     

基于辐射能量的红外人脸识别

人脸识别至今还是计算机视觉中的一个难题,用红外人脸图像来进行识别是近几年才发展的一个新领域,虽然其独立于光源,不易受外部光线的影响,但研究发现,人脸温谱图因受到一系列内在(生理、心理等)和外在(环境、成像等)条件的影响而使识别率下降。针对这一问题,根据Stefan-Boltzmann定律,提出把易受环境温度影响的面部温度数据转换为较为鲁棒的辐射能量数据来进行识别,以提高红外图像人脸识别的性能。理论分析显示,当人体处于一个稳定的状态时,辐射能量图对周围环境温度的敏感度较低。实验结果表明,基于辐射能量图的识别率高于基于温谱图的识别率。     

Recognition in the near infrared spectrum for face,gender and facial expressions

Visible face recognition systems are subjected to failure when recognizing the faces in unconstrained scenarios. So, recognizing faces under variable and low illumination conditions are more important since most of the security breaches happen during night time. Near Infrared (NIR) spectrum enables to acquire high quality images, even without any external source of light and hence it is a good method for solving the problem of illumination. Further, the soft biometric trait, gender classification and non verbal communication, facial expression recognition has also been addressed in the NIR spectrum. In this paper, a method has been proposed to recognize the face along with gender classification and facial expression recognition in NIR spectrum. The proposed method is based on transfer learning and it consists of three core components, i) training with small scale NIR images ii) matching NIR-NIR images (homogeneous) and iii) classification. Training on NIR images produce features using transfer learning which has been pre-trained on large scale VIS face images. Next, matching is performed between NIR-NIR spectrum of both training and testing faces. Then it is classified using three, separate SVM classifiers, one for face recognition, the second one for gender classification and the third one for facial expression recognition. It has been observed that the method gives state-of-the-art accuracy on the publicly available, challenging, benchmark datasets CASIA NIR-VIS 2.0, Oulu-CASIA NIR-VIS, PolyU, CBSR, IIT Kh and HITSZ for face recognition. Further, for gender classification the Oulu-CASIA NIR-VIS, PolyU,and IIT Kh has been analyzed and for facial expression the Oulu-CASIA NIR-VIS dataset has been analyzed.

     

基于标准n元组分类器的二值人脸图象快速识别方法

人脸图象识别是模式识别和人工智能领域里一个活跃的课题,广泛地应用于身份鉴别等生物测定学领域。二值人脸图象识别又是其中的一项重要内容。该文介绍一种标准ｎ元组分类器方法,充分利用ｎ元组分类器的优点,实验表明,在二值人脸图象识别领域里,这是一种简易、高效、迅捷的方法。     

基于实时视频的人脸识别技术的研究

人脸识别是机器视觉、模式识别等领域的研究热点,具有广阔的应用前景,提出了一种基于实时视频的人脸识别方法,重点介绍了相似度计算,图像二值化,以及人脸识别的编程实现过程,并结合实际图片进行了人脸识别测试,实践结果表明系统效果良好。     

面向不同传感器与复杂场景的人脸识别系统防伪方法综述

人脸识别技术作为一项重要的生物特征识别技术,在人们的日常生活中得到广泛应用。尽管人脸识别技术已取得明显进展,但当前的人脸识别系统仍容易受到非法用户的恶意攻击,因此人脸防伪技术成为人脸识别过程中必不可少的一个环节。在简述人脸防伪概念及常见攻击类型的基础上,分析人脸防伪方法的主要建模思路,从面向不同传感器与面向复杂场景的人脸识别系统防伪方法切入,分类阐述不同人脸防伪方法的基本原理及发展脉络。总结公开人脸防伪数据库,分析比较代表性防伪方法及其性能表现,并对人脸防伪问题的未来发展趋势进行展望。     

基于形状-色彩的改进的Laplacianface人脸识别算法

针对人脸识别算法中普遍存在的鲁棒性不高的问题,提出一种新颖的特征提取手段,使提取的特征相对于图像尺度,人脸姿态等条件具有不变性;同时,将特征提取算法集成至Laplacianface人脸识别算法中,形成一种改进的基于形状-色彩特征的人脸识别算法。实验结果表明算法不仅提高了现有人脸识别算法的准确度,而且在人脸姿态等条件发生变化的情况下仍然能保持较高的识别率,有效提高了算法的鲁棒性。     

基于Cost-Sensitive主成分分析的人脸识别

目前现有的人脸识别算法寻求最高的正确识别率,且假设所有的错误分类具有相同的错分代价,但此假设在现实的人脸识别系统中往往不成立。为此,提出一种基于代价敏感（Cost-Sensitive）主成分分析的人脸识别方法,该方法在主成分分析理论中引入一个代价敏感函数,将不同错误识别所造成的损失进行分类划分,以确定不同的损失代价,实现更精确的人脸识别。在AR、FERET和UMIST人脸数据集上的实验结果表明,与经典的基于子空间的人脸识别方法相比,提出的方法以最少的代价达到了较高的k最近邻分类识别精度。     

人脸立体模式识别

简单回顾了人脸识别技术,在分析立体视觉理论的基础上,描述了三维人脸图像模式构建机理和信号小波滤波思想,介绍了贝叶斯统计识别理论的工作原理,将其应用于立体人脸识别。给出了基于DSP的三维人脸识别系统设计思想。     

人脸自动检测与识别技术的研究及应用

本文提出了一种基于可疑人脸区域发现算法和结合投影图的人脸识别算法，算法在标准的人脸库上进行了实验，实验结果表明该算法能在人脸库中正确检测到绝大多数人脸的位置，并且在识别过程中体现了比标准特征脸方法更高的识别率和更小的计算量。以此算法为基础，研制和开发了一种计算机自动考勤系统。