[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

本發明公開了一種跨光譜人臉識別方法、裝置、電子設備及其存儲介質，方法包括獲取可見光人臉圖像集、紅外人臉圖像集；對可見光人臉圖像集、紅外人臉圖像集進行預處理；根據預處理后的人臉圖像集生成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；利用訓練好的紅外人臉圖像去噪網絡模型進行去噪；對可見光人臉圖像集和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。本發明提出了一套完整的基于深度圖像去噪的跨光譜人臉識別方法，可以解決傳統人臉識別技術的適用范圍窄、識別性能不高、且特征提取魯棒性差等缺陷。

技術領域

本發明屬于模式識別、數字圖像處理技術領域，具體涉及一種跨光譜人臉識別方法、裝置、電子設備及其存儲介質。

背景技術

人臉識別是一種具有特定優勢的生物識別模態。相比于其他生物特征，它具有普遍性高、易采集性好、大眾接受性高等眾多優點，所以人臉識別已成為應用最廣泛的生物特征識別技術之一。

迄今為止，大多研究人員僅僅關注基于可見光的人臉識別技術，該技術在惡劣氣候和環境如不均勻光照、夜間和雨雪等情況下通常表現不佳。隨著現實世界中各種復雜環境下應用的出現，基于可見光的人臉識別技術越來越難以滿足要求，如真實世界中的監控任務經常發生在夜間以及雨雪天等糟糕的大氣環境下，在此環境下通過可見光獲取高清人臉圖像是一件難以完成的任務。因此使用可見光和紅外線相結合的跨光譜人臉識別技術在實際中尤為迫切。紅外人臉圖像噪聲和可見光人臉圖像噪聲不盡相同，如噪聲類型和噪聲水平都不相同。相比于可見光人臉圖像，紅外人臉圖像的質量要低很多，該異源圖像質量不對等問題是導致跨光譜人臉識別率低的主要原因，而噪聲則是導致紅外圖像質量降低的主要因素。

目前的圖像去噪技術大多是針對非人臉圖像設計的，且這其中少數面向人臉圖像的去噪技術也局限于可見光情形，因此直接使用這些方法無法很好滿足目前跨光譜人臉識別需求。

發明內容

為了解決現有技術中存在的上述問題，本發明提供了一種跨光譜人臉識別方法、裝置、電子設備及其存儲介質。

本發明的一個實施例提供了一種跨光譜人臉識別方法，該方法包括：

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。

在本發明的一個實施例中，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。

在本發明的一個實施例中，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：