[發明專利]一種跨光譜人臉識別方法、裝置、電子設備及其存儲介質

有效

• 申請號: 202010162753.8
• 申請日: 2020-03-10
• 公開（公告）號: CN111539246B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 龐遼軍;曹志誠;胡嘉鈺;趙恒
• 申請（專利權）人: 西安電子科技大學;西安西電信安智能科技有限公司
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V10/46;G06V10/82;G06T5/00;G06N3/0464;G06N3/048;G06N3/084
• 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: 李園園

1.一種跨光譜人臉識別方法，其特征在于，包括：

獲取可見光人臉圖像集、紅外人臉圖像集，所述紅外人臉圖像集包括遠紅外人臉噪聲圖像集、近紅外人臉干凈圖像集；

對所述可見光人臉圖像集、所述遠紅外人臉噪聲圖像集和所述近紅外人臉干凈圖像集進行預處理得到可見光人臉預處理圖像集、遠紅外人臉預處理噪聲圖像集和近紅外人臉預處理干凈圖像集；

根據所述遠紅外人臉預處理噪聲圖像集和所述近紅外人臉預處理干凈圖像集得到紅外人臉訓練圖像對集；

構建紅外人臉圖像去噪網絡模型，根據紅外人臉訓練圖像對集對所述紅外人臉圖像去噪網絡模型進行訓練得到訓練好的紅外人臉圖像去噪網絡模型；

將所述遠紅外人臉噪聲圖像集輸入至所述訓練好的紅外人臉圖像去噪網絡模型得到去噪后的紅外人臉圖像集；

對所述可見光人臉圖像集和所述去噪后的紅外人臉圖像集進行人臉識別以實現跨光譜人臉識別。

2.根據權利要求1所述的跨光譜人臉識別方法，其特征在于，對所述可見光人臉圖像集、所述遠紅外人臉噪聲圖像集和所述近紅外人臉干凈圖像集進行預處理得到可見光人臉預處理圖像集、遠紅外人臉預處理噪聲圖像集和近紅外人臉預處理干凈圖像集，包括：

對所述可見光人臉圖像集進行灰度轉換、歸一化處理得到所述可見光人臉預處理圖像集；

對所述遠紅外人臉噪聲圖像集和所述近紅外人臉干凈圖像集進行圖像增強、歸一化處理得到所述紅外人臉預處理噪聲圖像集和所述近紅外人臉預處理干凈圖像集。

3.根據權利要求1所述的跨光譜人臉識別方法，其特征在于，根據所述遠紅外人臉預處理噪聲圖像集和所述近紅外人臉預處理干凈圖像集得到紅外人臉訓練圖像對集，包括：

對所述遠距離紅外人臉預處理噪聲圖像集進行噪聲特征提取得到遠距離紅外人臉噪聲集；

將所述遠距離紅外人臉噪聲集與所述近距離紅外預處理干凈圖像集進行相加處理得到短距離紅外預處理噪聲圖像集；

由所述近距離紅外人臉預處理干凈圖像集和所述近距離紅外人臉預處理噪聲圖像集組成所述紅外人臉訓練圖像對集。

4.根據權利要求1所述的跨光譜人臉識別方法，其特征在于，構建的紅外人臉圖像去噪網絡模型主體結構采用VGG網絡結構，并在所述VGG網絡結構中加入多尺度特征融合模塊、殘差密集模塊、卷積模塊，其中，

所述多尺度特征融合模塊采用多個卷積激活層并聯方式，每個所述卷積激活層包括一卷積層和一激活層，且每個所述卷積激活層中卷積層的卷積核大小不同；

所述殘差密集模塊包括三個依次連接的殘差密集塊，每個所述殘差密集塊包括三個依次連接的子殘差密集塊，每個子殘差密集塊包括依次連接的一卷積層、一批量歸一化層和一激活層，且每個所述殘差密集塊中卷積層的卷積核大小相同；

所述卷積模塊采用多個卷積層級聯方式，且每個所述卷積層的卷積核大小不同；

所述多尺度特征融合模塊中每個卷積激活層的輸出均通過第一多尺度拼接層與所述殘差密集模塊連接，所述殘差密集模塊中每個殘差密集塊通過第二多尺度拼接層與所述卷積模塊連接。

5.根據權利要求4所述的跨光譜人臉識別方法，其特征在于，所述三個子殘差密集塊中第一個殘差密集塊的輸入與第一個子殘差密集塊的輸出、第二個子殘差密集塊的輸出、第三個子殘差密集塊的輸出連接，所述第二個殘差密集塊的輸入與所述第二個子殘差密集塊的輸出、所述第三個子殘差密集塊的輸出連接，所述第三個殘差密集塊的輸入與所述第三個子殘差密集塊的輸出連接，所述第三個子殘差密集塊的輸出與所述第二多尺度拼接層連接。

6.根據權利要求1所述的跨光譜人臉識別方法，其特征在于，根據紅外人臉訓練圖像對集對所述紅外人臉圖像去噪網絡模型進行訓練得到訓練好的紅外人臉圖像去噪網絡模型，包括：

構建基于MSE+Gradient+SSIM的復合損失函數；

根據紅外人臉訓練圖像對集并利用所述基于MSE+Gradient+SSIM的復合損失函數對所述紅外人臉圖像去噪網絡模型進行訓練得到所述訓練好的紅外人臉圖像去噪網絡模型。