[发明专利]基于卷积神经网络的多波段光源人脸识别方法

说明书

本发明公开了一种基于卷积神经网络的多波段光源人脸识别方法，通过采集不同波段光源下的人脸数据，然后基于不同种类的卷积神经网络提取相关特征向量，再基于arcface方法对特征向量进行降维和特征选择，最后采用最近邻分类器获取人脸识别结果，解决了复杂光照变化下人脸识别面临存在的主要问题，能够在融合不同光源的人脸图像信息，提高识别精度；能够在非可见光环境下，实现更为精准的人脸识别；包含更丰富信息的较低维度的特征向量表达人脸，可以提高信息极度丰富下的识别速度，进一步提高了人脸识别能力。

技术领域

本发明涉及模式识别与计算机视觉领域，具体涉及一种基于卷积神经网络的人脸识别方法。

背景技术

在人的感知系统所获得的信息中，视觉信息大约占到80％-85％。图像与视频等相关的应用在国民日常生活的地位日益突出。图像处理学科既是科学领域中具有挑战性的理论研究方向，也是工程领域中的重要应用技术。

人脸识别技术是指利用分析比较的计算机技术识别人脸，属于生物特征识别技术，是对生物体(一般特指人)本身的生物特征来区分生物体个体。人脸识别是一项热门的计算机技术研究领域，其中包括人脸追踪侦测，自动调整影像放大，夜间红外侦测，自动调整曝光强度等技术。

人脸识别技术是基于人的脸部特征，对输入的人脸图像或者视频流，首先判断其是否存在人脸，如果存在人脸，则进一步的给出每个脸的位置、大小和各个主要面部器官的位置信息；并依据这些信息，进一步提取每个人脸中所蕴涵的身份特征，并将其与已知的人脸进行对比，从而识别每个人脸的身份。

传统的人脸识别方法一般分三步：

首先，建立人脸的面像档案。即用摄像机采集单位人员的人脸的面像文件或取他们的照片形成面像文件，并将这些面像文件生成面纹(Faceprint)编码贮存起来。

其次，获取当前的人体面像。即用摄像机捕捉的当前出入人员的面像，或取照片输入，并将当前的面像文件生成面纹编码。

最后，用当前的面纹编码与档案库存的比对。即将当前的面像的面纹编码与档案库存中的面纹编码进行检索比对。上述的“面纹编码”方式是根据人脸脸部的本质特征和开头来工作的。这种面纹编码可以抵抗光线、皮肤色调、面部毛发、发型、眼镜、表情和姿态的变化，具有强大的可靠性，从而使它可以从百万人中精确地辨认出某个人。人脸的识别过程，利用普通的图像处理设备就能自动、连续、实时地完成。

但目前的人脸识别技术存在以下缺点：当前的人脸识别算法对图像采集要求非常严格，对光照、姿态、表情等因素进行了限定，基本都是采用固定环境下(如固定光照﹑不能有表情﹑正视镜头等)采集的图像进行识别，这就使得系统的实用性大大降低。在这些干扰因素中，又以光照变化最为突出，特别是在户外人脸识别中，光照变化带来的干扰会导致同一人脸在不同光照下的图像相似度比不同人脸在相同光照下的图像相似度还要低。若训练样本又唯一，那么光照条件的不稳定性使得识别任务会变得更加艰巨。

发明内容

本发明需要解决的技术问题是提供一种基于卷积神经网络的多波段光源人脸识别方法，解决复杂光照变化下人脸识别面临存在的主要问题，进一步提高识别性能。

为解决上述技术问题，本发明所采取的技术方案如下。

基于卷积神经网络的多波段光源人脸识别方法，具体包括以下步骤：

A.采集可见光a、近红外b、中红外c、远红外d和热红外e的多波段光源图像做为人脸识别的数据源；

B.基于不同种类的卷积神经网络，提取不同光源数据下的人脸特征表达向量；

可见光:Fa＝Fa1+Fa2+...+Fan；

近红外:Fb＝Fb1+Fb2+...+Fbn；

中红外:Fc＝Fc1+Fc2+...+Fcn；