基于简化血流模型和改进韦伯局部描述子的人脸识别方法
【专利摘要】本发明涉及一种基于简化血流模型和改进韦伯局部描述子的人脸识别方法，通过简化血流模型的转换和改进的韦伯局部描述子提取鲁棒性的热红外人脸特征，实现热红外人脸图像的识别。本发明利用简化血流模型把红外人脸温谱图转换为血流图，能够获得更加稳定的人脸生物特征；使用改进的韦伯局部描述子对血流图提取局部特征，能够更充分利用局部鉴别信息；通过PCA方法降维，三阶近邻法对特征分类，实现热红外人脸图像的识别。
【专利说明】基于简化血流模型和改进韦伯局部描述子的人脸识别方法
【技术领域】
[0001] 本发明属于生物识别【技术领域】，涉及热红外人脸图像识别，尤其是一种基于简化 血流模型和改进韦伯局部描述子的人脸识别方法。
【背景技术】
[0002] 红外人脸识别分为近红外人脸识别和远红外人脸识别。近红外人脸识别的识别过 程在照相机上安装一个近红外发光二极管和长通光滤波器来得到一张清晰的人脸正面图 像，可以很大程度上减少环境光照对获取的人脸照片的影响。但是其主要缺点是需要测试 者的配合，使得近红外人脸识别不具有人脸识别被动性的优点。此外，由于近红外人脸图像 是通过人脸的反射光成像得到，如果测试者的脸部没有正对着照相机，就会有阴影的存在， 影响识别的性能。与近红外人脸图像相比，远红外人脸成像是通过获取人脸发出的热辐射 来成像的，是由人脸的温度分布决定，不需要测试者的配合。远红外人脸识别也称为热红外 人脸识别。本发明是基于远红外的人脸识别，为了方便，下面简称为红外人脸识别。
[0003] 红外人脸识别技术是由美国Mikos公司的Prokoski博士于1992年最早提出的。 相对于可见光的人脸识别技术，红外人脸识别技术可以在光照条件变化、人脸姿态变化、人 脸表情、化妆、照片欺诈等条件下获得更好的识别率。红外人脸识别技术基于人脸的温度信 息，反映的是人体皮肤表面温度特征，容易受到环境温度等因素的影响。所以，如何消除这 些因素的影响，提取鲁棒性的红外人脸特征，是红外人脸识别研究的重要方向。
[0004] 人脸温谱图是由人脸组织与结构（如血管大小和血管分布等）的红外热辐射决定 的，温谱图虽然容易受环境温度、情绪等因素影响，但每个人的血管分布是独特的、不可复 制的，且这种特性不随年龄的增长而变化，所以它们如同指纹一样与人的生理结构有关， 具有唯一性。所以，如何利用血管分布的生理特征来进行人脸识别，是提高红外人脸识别性 能的一个重要方向。
[0005] 特征提取方法是人脸识别的关键，随着红外人脸识别技术的发展，许许多多的特 征提取方法也被提出。基于局部二进制模式（LBP)的红外人脸识别方法，LBP方法能够提取 丰富的局部纹理信息，高效得描述纹理。韦伯局部描述子（WLD)是一种新的局部特征提取 方法。WLD和LBP的区别在于：LBP方法反映的是中心像素和临近像素之间的差异，而WLD 方法既反映了中心像素和临近像素之间的差异，还包括了梯度方向变化的信息。但是WLD 在计算梯度方向信息方面存在不足，梯度方向的计算容易受到图像噪声的干扰，影响最终 的热红外人脸识别的效果。
【发明内容】
[0006] 本发明的目的在于克服现有技术不足，提供一种利用图像处理技术和智能技术解 决热红外人脸识别问题的鉴别能力更强的基于简化血流模型和改进韦伯局部描述子的人 脸识别方法。
[0007] 本发明采用的技术方案是：
[0008] -种基于简化血流模型和改进的韦伯局部描述子的热红外人脸识别方法，包括一 旋压机，该旋压机顶部设置有上主轴和下主轴，上主轴吊装在旋压机内上顶部且通过气缸 驱动，上主轴底部固装有卡具，在与下主轴的旋压机内底部安装有下主轴，该下主轴底部贯 穿旋压机底部壳体且由液压缸驱动，在与卡具对应的下主轴顶部固装有放置车轮毛坯的模 具，该旋压机前端开放且旋压机内呈三个内侧壁，在与模具对应的三个内侧壁位置上分别 安装有三个喷涂组件。
[0009] 而且，每个喷涂组件包括基板、夹持板、滚轮、电磁阀、雾化仓以及喷头，基板分别 安装在三个内侧壁对应喷涂组件的位置上，每个基板上均安装一对平行设置的夹持板，两 夹持板之间安装一滚轮，夹持板相对于模具保持倾斜，保证滚轮与模具上的车轮毛坯外表 面留有微小间隙，在每个基板上顶面安装有两个电磁阀，两个电磁阀分别控制一条压缩空 气输送管路和一条脱模剂输送管路，压缩空气输送管路进口端与压缩空气源连接，压缩空 气输送管路出口端与雾化仓进口连接，脱模剂输送管路进口端与脱模剂料桶连接，脱模剂 输送管路进口端出口端与雾化仓进口连接，雾化仓出口连接有喷头。
[0010] 而且，在压缩空气输送管路出口端与雾化仓进口的管路上安装有进气量调节阀。
[0011] 本发明优点和积极效果为：
[0012] 通过简化血流模型，将热红外人脸易受外界环境因素影响的温度特征信息（温谱 图）转换成为人体的生物特征信息（血流图），突出了人脸的特征，弱化了背景因素等非特 征信息对识别的影响。血流图不仅反映了温谱图的特征，而且还反映了动脉和皮肤表面之 间组织的人脸生理特征；通过改进的韦伯特征描述子，利用差励和同向性Sobel算子计算 分别计算得到的差励信息和梯度方向信息，对噪声具有更强的抗干扰能力，构建更加稳定 的热红外人脸特征直方图，得到更加鲁棒性的热红外人脸特征，提高热红外人脸识别性能。
【专利附图】
【附图说明】：
[0013] 图1是本发明的结构原理框图；
[0014] 图2是温谱图和血流图的对比；
[0015] 图3是改进韦伯局部描述子的流程图。
【具体实施方式】：
[0016] 下面通过附图结合具体实施例对本发明作进一步详述，以下实施例只是描述性 的，不是限定性的，不能以此限定本发明的保护范围。
[0017] 一种基于简化血流模型和改进韦伯局部描述子的人脸识别方法，其总体如图1所 示，包括如下步骤：
[0018] ⑴温谱图转换血流图：将温谱图转换为血流图通过简化的血流模型实现，得到人 脸的血流图像；
[0019] ⑵高斯平滑：对上述血流图像进行高斯平滑操作，去除噪声的干扰，提高红外人脸 识别性能；
[0020] ⑶改进的韦伯局部描述子提取局部特征：通过改进的韦伯局部描述子对分块的血 流图进行局部特征提取，其中方向信息的计算利用同向性Sobel算子，得到更加稳定的局 部鉴定信息，得到改进的WLD，通过步骤⑴至步骤⑶分别完成训练图像中的WLD改进以及测 试图像的WLD改进，分别得到特征库图像信息以及测试图像信息；
[0021] ⑷PCA方法降维：对训练图像中改进的WLD以及测试图像改进的WLD分别进行降 维；
[0022] (5)识别：计算上述降维后的特征库图像信息与测试图像信息的低维空间内图像之 间的距离，通过三阶近邻分类将得到最终的识别结果。
[0023] 对于各步骤具体说明如下：
[0024] 步骤⑴中的温谱图转换血流图是为了提高红外人脸识别系统的性能和稳定性，首 先人脸简化血流模型，把易受外部环境影响的温度信息（温谱图）转为人体的生理信息 (血流图），比如血流的运动参数。而人体的血液循环信息相对来说是稳定的，不受外部环 境影响的，可以基于这些特定的生物信息来识别不同的人。
[0025] 简化血流模型如下：
【权利要求】
1. 一种基于简化血流模型和改进韦伯局部描述子的人脸识别方法，其特征在于：包括 如下步骤： ⑴温谱图转换血流图：将温谱图转换为血流图通过简化的血流模型，得到人脸的血流 图像； ⑵高斯平滑：对上述血流图像进行高斯平滑操作，去除噪声的干扰，提高红外人脸识别 性能； ⑶改进韦伯局部描述子提取局部特征：通过改进的韦伯局部描述子对分块的血流图进 行局部特征提取，其中方向信息的计算利用同向性Sobel算子，得到更加稳定的局部鉴定 信息，得到改进的WLD，通过步骤⑴至步骤⑶分别完成训练图像中的改进的WLD以及测试图 像的改进的WLD，分别得到特征库图像信息以及测试图像信息； ⑷PCA方法降维：对训练图像中改进的WLD以及测试图像改进的WLD分别进行降维； (5)识别：计算上述降维后的特征库图像信息与测试图像信息的低维空间内图像之间的 距离，通过三阶近邻分类将得到最终的识别结果。
2. 根据权利要求1所述的基于简化血流模型和改进韦伯局部描述子的人脸识别方法， 其特征在于：步骤⑴所述的简化的血流模型如下 ：
其中，各物理变量的含义为：Ta为动脉温度、Te为环境温度、T为皮肤温度，ε、σ、α、cb为常量参数。 通过简化血流模型的转换，得到人脸的血流图。
3. 根据权利要求1所述的基于简化血流模型和改进韦伯局部描述子的人脸识别方法， 其特征在于：步骤⑵所述的高斯平滑采用下式计算： Γ=I*G(x,y,σ) 其中，*代表卷积运算，高斯核函数如下：
其中σ是高斯滤波器的方差。
4. 根据权利要求1所述的基于简化血流模型和改进韦伯局部描述子的人脸识别方法， 其特征在于：步骤⑶所述的改进韦伯局部描述子提取局部特征是：先对人脸图像进行分 块，把人脸划分为iXj个子图像区域；然后分别对每个子图像利用改进的韦伯局部描述子 提取局部特征，计算图像的像素点差励值，用周围像素与中心像素的差励值之和比上中心 像素值，得到一个比率，从中可以得到局部图像的显著变化信息，计算周围像素和中心像素 的差值之和与中心像素的比率采用下式：
其中Voo和Vcu分别是差励算子4和feu的输出，Voo代表周围像素和中心像素的差励 值之和，Vcu代表原始图像，X。是中心像素。 再做arctan变换得到当前中心像素的差励：
这个差励ξ(X。）的变化范围在[_y，y]，为了形成可统计的直方图，把差励量化到M个 区间，€m(m=0，l，...M-l)。对于每个区间Im,都有Im= [dm，um],其中下区间(4=(m/ Μ-1/2) π，上区间U111=[(m+l)/M-l/2] π。 方向所描述是方向信息，图像水平方向和垂直方向的梯度变化比率，引入各向同性Sobel算子来代替原始的方法来计算梯度方向信息，各向同性Sobel算子的梯度方向的计 算方法如下： 广 0(.x;.)-arctan(-^) Js fsW=fi〇*I>f,n=fn^ 方向θ(x。）的变化范围是[-^]。和差励一样，为了更好的建立直方图，把方向的变 化量化到T个主方向。在量化之前做如下映射f:
方向变化的范围扩大到[〇,2π]。量化函数如下：
得到差励和方向之后，构建一个2D的直方图，{WLD(€m，〇t)};m= 0，l，...，M-l;t= 0, 1，. . .，T-I;M和T分别代表差励区间的个数和主方向的个数，得到的2D直方图，每一行 代表一个差励区间，每一列代表一个主方向，每一小块代表一个确定的差励区间Im和主方 向Ot。为了便于分类，把2D直方图转换为一维直方图，2D直方图的每一行组成一维直方图 H(k)，（k= 0, 1，...，M-1)，每一个子直方图H(k)对应一个差励区间€k，所有的子直方图连 接起来得到整个的一维直方图H= {HJ，m= 0, 1，· · ·，M-I。
5.根据权利要求1所述的基于简化血流模型和改进韦伯局部描述子的人脸识别方法， 其特征在于：步骤(5)所述的识别是：用L(x，y)表示样本X和y之间的距离，特征的维数为 k，得到下面的距离函数。Minkowsky距离公式为：
采用三阶近邻法来计算低维空间内图像之间的距离，三阶近邻法的距离是曼哈顿距 离,也就是在λ= 1时的Minkowsky距离，距离公式为： k L(^y) =YJ\^-yi\ f=l 通过三阶近邻分类得到最终的识别结果。
【文档编号】G06K9/46GK104239863SQ201410464356
【公开日】2014年12月24日 申请日期:2014年9月12日 优先权日:2014年9月12日
【发明者】杨巨成, 张坤宇, 岳洋, 熊聪聪, 陈亚瑞, 张晓元 申请人:天津卓朗科技发展有限公司, 天津科技大学