[發明專利]一種基于遮擋人臉的熱紅外人臉識別方法

在審

• 申請號: 202210253354.1
• 申請日: 2022-03-15
• 公開（公告）號: CN114821702A
• 公開（公告）日: 2022-07-29
• 發明（設計）人: 殷光強;李超;李振慧;王治國;許洪裱;楊釗賢
• 申請（專利權）人: 電子科技大學
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V10/80;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 成都天嘉專利事務所(普通合伙) 51211
• 代理人: 彭紅艷

本發明涉及圖像識別技術領域，特別是涉及一種基于遮擋人臉的熱紅外人臉識別方法，包括人臉遮擋類型的判別和采用自適應算法群對判別后的熱紅外人臉進行自適應識別。通過本識別方法，能有效解決難以實現精確識別的問題。

技術領域

本發明涉及圖像識別技術領域，特別是涉及一種基于遮擋人臉的熱紅外人臉識別方法。

背景技術

國內外人臉識別的技術手段已經從傳統的完整光學圖像發展到多種圖像特征獲取，正在向著人臉檢測快速化、精準化、高魯棒性發展方向。基于遮擋的紅外人臉識別技術主要有遮擋判別和人臉識別算法，目前對遮擋情況進行判別主要使用深度網絡無監督特征學習或YOLO算法等；對于識別算法，已有學者進行了不同特征提取方法混合的多維融合研究。目前雖然已有一些關于遮擋的熱紅外人臉識別研究，但各種方法都有著各自的缺陷。當設計一體化判別識別算法時，不同的模塊之間的精確度往往不夠，難以實現獨立精確識別。并且，現有的熱紅外人臉識別算法模型在面對紅外設備采集的實際圖像時，表現出泛化能力差、識別率低、性能因遮擋而下降等問題。

發明內容

為解決上述技術問題，本發明提出了一種基于遮擋人臉的熱紅外人臉識別方法，能有效解決難以實現精確識別的問題。

本發明是通過采用下述技術方案實現的：

一種基于遮擋人臉的熱紅外人臉識別方法，其特征在于：包括以下步驟：

S₁.識別模型提取熱紅外圖像中的人臉特征，根據提取的人臉特征，對人臉遮擋類型進行判別，并得到相應的判別參數M；

S₂.將判別參數M以及對應的熱紅外圖像輸入構建的自適應算法群，自適應識別算法群根據輸入的判別參數M自適應的分配每個識別器的決策權重，加權計算后，將該計算結果與人臉數據庫進行對比，實現對人臉的識別；

其中，自適應算法群由多個識別器根據識別模型得到的不同決策權值融合得到，不同識別算法對應識別不同的遮擋類型，具體為：

F＝{f₁,f₂,…f_N}，N≥3；

其中，f₁,f₂,…f_N表示N個不同的識別器。

所述步驟S₁具體包括以下步驟：

S₁₁.圖像采集，得到熱紅外圖像，并進行識別模型的訓練；其中，所述識別模型為用注意力機制替換YOLO基礎算法中對應的卷積神經網絡后得到的；

S₁₂.利用訓練好的識別模型進行特征提取并進行分類，得到相應的判別參數M；所述判別參數M利用概率來表示，即第x個特征被分類為第m種遮擋情況的概率。

所述步驟S₁₂中識別模型進行特征提取并進行分類具體指：識別模型提取輸入的熱紅外圖像的特征數據，增加其中重點區域的權重后進行特征的更新，多次迭代得到不同特征的分類情況。

所述特征數據包括人臉的鼻梁、兩頰、下巴和眼睛周邊的特征數據。

所述步驟S₁₂中進行分類具體指：根據遮擋位置及大小同時判斷是否佩戴口罩以及是否佩戴眼鏡；若判斷出是佩戴了口罩，根據不同口罩材料的反射率不同，通過比對，對口罩類型進行分類，得到具體的口罩型號。

所述步驟S₂還包括：根據自適應算法群中不同識別器的識別情況，對參數M進行編碼，得到一組向量值，將其作為決策權值為自適應算法群中不同識別器提供權重進行最后的識別。