基于血液灌注数据的细节点热成像人脸识别

本文描述了一种基于红外人脸图像血液灌注数据的高效人脸识别方法。血液灌注数据以人体组织中的区域血流为特征，因此不完全依赖于周围温度。与光学图像数据相比，这些数据在推导具有判别力的人脸热图以实现更好的人脸图像分类和识别方面具有巨大潜力。血液灌注数据与面部皮肤下的血管分布有关。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。单张人脸可能存在多组这样的细节点，但所有这些组都仅对应该特定人脸。我们将整张人脸图像划分为相等的块，并计算每个块中的细节点总数以构建最终向量。因此，特征向量的大小等于所考虑的块的总数。在分类方面，使用了一个五层前馈反向传播神经网络。我们进行了大量实验，通过改变块大小来评估所提出的人脸识别系统的性能。实验是在我们实验室自建的数据集上进行的。当块大小为 8X8 时，取得了最高 91.47% 的识别成功率。