基于细节点提取的自动化热成像人脸识别

本文提出了一种基于热成像人脸图像中细节点使用的高效人脸识别方法。人脸热图由热红外相机捕获。利用图像处理方法对捕获的热图进行预处理，从中提取基于血液灌注数据的不同生理特征。血液灌注数据与面部皮肤下的血管分布有关。在本工作中，使用了三种不同的方法获取血液灌注图像， namely 位平面切片与中轴变换、形态学腐蚀与中轴变换、Sobel 边缘算子。每个人的血管分布都是独特的，因此从人脸血液灌注数据中提取的一组细节点对于该人脸而言也应是唯一的。本文讨论了两种从血液灌注数据中提取细节点的方法。为了提取特征，将整张人脸图像划分为大小相等的块，并计算每个块中的细节点总数以构建最终特征向量。因此，特征向量的大小等于所考虑的块的总数。使用五层前馈反向传播神经网络作为分类工具。我们进行了大量实验，在我们实验室自建的数据集上，通过改变块大小来评估所提出的人脸识别方法的性能。研究发现，第一种方法优于其他两种方法，在位平面 4 且块大小为 16X16 时，准确率达到了 97.62%。