[發明專利]一種近紅外人臉圖像識別方法、裝置、電子設備及存儲介質

有效

• 申請號: 201910208630.0
• 申請日: 2019-03-19
• 公開（公告）號: CN110084110B
• 公開（公告）日: 2020-12-08
• 發明（設計）人: 彭春蕾;王楠楠;高新波;李潔
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04
• 代理公司: 西安嘉思特知識產權代理事務所(普通合伙) 61230
• 代理人: 張捷

本發明公開了一種近紅外人臉圖像識別方法、裝置、電子設備及存儲介質，包括：根據待測試近紅外人臉圖像，得到第一高維深度特征表示；根據M張可見光人臉圖像，對應得到M個第二高維深度特征表示；根據所述第一高維深度特征表示和M個所述第二高維深度特征表示，對所述待測試近紅外人臉圖像進行人臉識別。本發明利用第一高維深度特征表示和第二高維深度特征表示分別對近紅外人臉圖像和可見光人臉圖像進行表示，第一高維深度特征表示和第二高維深度特征表示比現有方法所采用的特征表示具有更強的表征能力，從而提高了對近紅外人臉圖像的識別準確率。

技術領域

本發明屬于人工智能和模式識別技術領域，具體涉及一種近紅外人臉圖像識別方法、裝置、電子設備及存儲介質。

背景技術

由于近紅外成像設備不受光照和夜間環境的干擾，近紅外人臉圖像與可見光人臉圖像之間的識別在社會公共安全領域中具有廣泛的應用價值。例如，在安防監控中可以采用近紅外成像設備，獲取到不受光照因素干擾的人臉圖像，這時可以將采集到的近紅外人臉圖像與身份數據庫中的可見光人臉圖像進行比對，從而確認目標人員的身份信息。由于近紅外和可見光人臉圖像的成像機制不同，所采集到的圖像在紋理和顏色等方面存在很大的差異，給近紅外和可見光人臉識別帶來困難。隨著越來越多的監控攝像設備支持近紅外成像，近紅外和可見光人臉識別研究具有重要的意義。

現有的近紅外和可見光人臉識別方法大多是在特征空間進行直接匹配，基本思路為：對于近紅外人臉圖像和可見光人臉圖像，首先分別提取出魯棒的人臉表示特征，然后設計特征距離測量方式對提取到的人臉表示特征進行距離度量，最后將距離最小的近紅外人臉圖像和可見光人臉圖像作為識別匹配結果。

但是，上述方法在近紅外和可見光人臉識別過程中，僅考慮到在特征空間對近紅外和可見光圖像進行直接比對，將比對得到的初始比對距離作為識別準則，從而影響了對近紅外人臉圖像的識別準確率。

發明內容

為了解決現有技術中存在的上述問題，本發明提供了一種近紅外人臉圖像識別方法、裝置、電子設備及存儲介質。本發明要解決的技術問題通過以下技術方案實現：

一種近紅外人臉圖像識別方法，包括：

根據待測試近紅外人臉圖像，得到第一高維深度特征表示；

根據M張可見光人臉圖像，對應得到M個第二高維深度特征表示；

根據所述第一高維深度特征表示和M個所述第二高維深度特征表示，對所述待測試近紅外人臉圖像進行人臉識別。

在本發明的一個實施例中，根據待測試近紅外人臉圖像，得到第一高維深度特征表示，包括：

將所述待測試近紅外人臉圖像劃分為若干大小相同的第一圖像塊，且沿第一方向相鄰的兩個所述第一圖像塊按照第一預設大小相互重疊；

基于所述第一圖像塊，按照訓練后的模型，得到所述第一圖像塊的深度特征表示；

將所有所述第一圖像塊的深度特征表示按照順序進行拼接處理，得到所述第一高維深度特征表示。

在本發明的一個實施例中，基于所述第一圖像塊，按照訓練后的模型，得到所述第一圖像塊的深度特征表示，包括：

將每個所述第一圖像塊輸入至訓練后的卷積神經網絡模型，對應得到所述第一圖像塊的深度特征表示。

在本發明的一個實施例中，根據M張可見光人臉圖像，對應得到M個第二高維深度特征表示，包括：

將每張所述可見光人臉圖像劃分為若干大小相同的第二圖像塊，且沿第一方向相鄰的兩個所述第二圖像塊按照第二預設大小相互重疊；

基于所述第二圖像塊，按照訓練后的模型，得到所述第二圖像塊的深度特征表示；