基于簡化血流模型和改進(jìn)韋伯局部描述子的人臉識別方法
【專利摘要】本發(fā)明涉及一種基于簡化血流模型和改進(jìn)韋伯局部描述子的人臉識別方法，通過簡化血流模型的轉(zhuǎn)換和改進(jìn)的韋伯局部描述子提取魯棒性的熱紅外人臉特征，實現(xiàn)熱紅外人臉圖像的識別。本發(fā)明利用簡化血流模型把紅外人臉溫譜圖轉(zhuǎn)換為血流圖，能夠獲得更加穩(wěn)定的人臉生物特征；使用改進(jìn)的韋伯局部描述子對血流圖提取局部特征，能夠更充分利用局部鑒別信息；通過PCA方法降維，三階近鄰法對特征分類，實現(xiàn)熱紅外人臉圖像的識別。
【專利說明】基于簡化血流模型和改進(jìn)韋伯局部描述子的人臉識別方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于生物識別【技術(shù)領(lǐng)域】，涉及熱紅外人臉圖像識別，尤其是一種基于簡化 血流模型和改進(jìn)韋伯局部描述子的人臉識別方法。

【背景技術(shù)】
[0002] 紅外人臉識別分為近紅外人臉識別和遠(yuǎn)紅外人臉識別。近紅外人臉識別的識別過 程在照相機上安裝一個近紅外發(fā)光二極管和長通光濾波器來得到一張清晰的人臉正面圖 像，可以很大程度上減少環(huán)境光照對獲取的人臉照片的影響。但是其主要缺點是需要測試 者的配合，使得近紅外人臉識別不具有人臉識別被動性的優(yōu)點。此外，由于近紅外人臉圖像 是通過人臉的反射光成像得到，如果測試者的臉部沒有正對著照相機，就會有陰影的存在， 影響識別的性能。與近紅外人臉圖像相比，遠(yuǎn)紅外人臉成像是通過獲取人臉發(fā)出的熱輻射 來成像的，是由人臉的溫度分布決定，不需要測試者的配合。遠(yuǎn)紅外人臉識別也稱為熱紅外 人臉識別。本發(fā)明是基于遠(yuǎn)紅外的人臉識別，為了方便，下面簡稱為紅外人臉識別。
[0003] 紅外人臉識別技術(shù)是由美國Mikos公司的Prokoski博士于1992年最早提出的。 相對于可見光的人臉識別技術(shù)，紅外人臉識別技術(shù)可以在光照條件變化、人臉姿態(tài)變化、人 臉表情、化妝、照片欺詐等條件下獲得更好的識別率。紅外人臉識別技術(shù)基于人臉的溫度信 息，反映的是人體皮膚表面溫度特征，容易受到環(huán)境溫度等因素的影響。所以，如何消除這 些因素的影響，提取魯棒性的紅外人臉特征，是紅外人臉識別研究的重要方向。
[0004] 人臉溫譜圖是由人臉組織與結(jié)構(gòu)（如血管大小和血管分布等）的紅外熱輻射決定 的，溫譜圖雖然容易受環(huán)境溫度、情緒等因素影響，但每個人的血管分布是獨特的、不可復(fù) 制的，且這種特性不隨年齡的增長而變化，所以它們?nèi)缤讣y一樣與人的生理結(jié)構(gòu)有關(guān)， 具有唯一性。所以，如何利用血管分布的生理特征來進(jìn)行人臉識別，是提高紅外人臉識別性 能的一個重要方向。
[0005] 特征提取方法是人臉識別的關(guān)鍵，隨著紅外人臉識別技術(shù)的發(fā)展，許許多多的特 征提取方法也被提出?；诰植慷M(jìn)制模式（LBP)的紅外人臉識別方法，LBP方法能夠提取 豐富的局部紋理信息，高效得描述紋理。韋伯局部描述子（WLD)是一種新的局部特征提取 方法。WLD和LBP的區(qū)別在于：LBP方法反映的是中心像素和臨近像素之間的差異，而WLD 方法既反映了中心像素和臨近像素之間的差異，還包括了梯度方向變化的信息。但是WLD 在計算梯度方向信息方面存在不足，梯度方向的計算容易受到圖像噪聲的干擾，影響最終 的熱紅外人臉識別的效果。


【發(fā)明內(nèi)容】

[0006] 本發(fā)明的目的在于克服現(xiàn)有技術(shù)不足，提供一種利用圖像處理技術(shù)和智能技術(shù)解 決熱紅外人臉識別問題的鑒別能力更強的基于簡化血流模型和改進(jìn)韋伯局部描述子的人 臉識別方法。
[0007] 本發(fā)明采用的技術(shù)方案是：
[0008] -種基于簡化血流模型和改進(jìn)的韋伯局部描述子的熱紅外人臉識別方法，包括一 旋壓機，該旋壓機頂部設(shè)置有上主軸和下主軸，上主軸吊裝在旋壓機內(nèi)上頂部且通過氣缸 驅(qū)動，上主軸底部固裝有卡具，在與下主軸的旋壓機內(nèi)底部安裝有下主軸，該下主軸底部貫 穿旋壓機底部殼體且由液壓缸驅(qū)動，在與卡具對應(yīng)的下主軸頂部固裝有放置車輪毛坯的模 具，該旋壓機前端開放且旋壓機內(nèi)呈三個內(nèi)側(cè)壁，在與模具對應(yīng)的三個內(nèi)側(cè)壁位置上分別 安裝有三個噴涂組件。
[0009] 而且，每個噴涂組件包括基板、夾持板、滾輪、電磁閥、霧化倉以及噴頭，基板分別 安裝在三個內(nèi)側(cè)壁對應(yīng)噴涂組件的位置上，每個基板上均安裝一對平行設(shè)置的夾持板，兩 夾持板之間安裝一滾輪，夾持板相對于模具保持傾斜，保證滾輪與模具上的車輪毛坯外表 面留有微小間隙，在每個基板上頂面安裝有兩個電磁閥，兩個電磁閥分別控制一條壓縮空 氣輸送管路和一條脫模劑輸送管路，壓縮空氣輸送管路進(jìn)口端與壓縮空氣源連接，壓縮空 氣輸送管路出口端與霧化倉進(jìn)口連接，脫模劑輸送管路進(jìn)口端與脫模劑料桶連接，脫模劑 輸送管路進(jìn)口端出口端與霧化倉進(jìn)口連接，霧化倉出口連接有噴頭。
[0010] 而且，在壓縮空氣輸送管路出口端與霧化倉進(jìn)口的管路上安裝有進(jìn)氣量調(diào)節(jié)閥。
[0011] 本發(fā)明優(yōu)點和積極效果為：
[0012] 通過簡化血流模型，將熱紅外人臉易受外界環(huán)境因素影響的溫度特征信息（溫譜 圖）轉(zhuǎn)換成為人體的生物特征信息（血流圖），突出了人臉的特征，弱化了背景因素等非特 征信息對識別的影響。血流圖不僅反映了溫譜圖的特征，而且還反映了動脈和皮膚表面之 間組織的人臉生理特征；通過改進(jìn)的韋伯特征描述子，利用差勵和同向性Sobel算子計算 分別計算得到的差勵信息和梯度方向信息，對噪聲具有更強的抗干擾能力，構(gòu)建更加穩(wěn)定 的熱紅外人臉特征直方圖，得到更加魯棒性的熱紅外人臉特征，提高熱紅外人臉識別性能。

【專利附圖】

【附圖說明】：
[0013] 圖1是本發(fā)明的結(jié)構(gòu)原理框圖；
[0014] 圖2是溫譜圖和血流圖的對比；
[0015] 圖3是改進(jìn)韋伯局部描述子的流程圖。

【具體實施方式】：
[0016] 下面通過附圖結(jié)合具體實施例對本發(fā)明作進(jìn)一步詳述，以下實施例只是描述性 的，不是限定性的，不能以此限定本發(fā)明的保護(hù)范圍。
[0017] 一種基于簡化血流模型和改進(jìn)韋伯局部描述子的人臉識別方法，其總體如圖1所 示，包括如下步驟：
[0018] ⑴溫譜圖轉(zhuǎn)換血流圖：將溫譜圖轉(zhuǎn)換為血流圖通過簡化的血流模型實現(xiàn)，得到人 臉的血流圖像；
[0019] ⑵高斯平滑：對上述血流圖像進(jìn)行高斯平滑操作，去除噪聲的干擾，提高紅外人臉 識別性能；
[0020] ⑶改進(jìn)的韋伯局部描述子提取局部特征：通過改進(jìn)的韋伯局部描述子對分塊的血 流圖進(jìn)行局部特征提取，其中方向信息的計算利用同向性Sobel算子，得到更加穩(wěn)定的局 部鑒定信息，得到改進(jìn)的WLD，通過步驟⑴至步驟⑶分別完成訓(xùn)練圖像中的WLD改進(jìn)以及測 試圖像的WLD改進(jìn)，分別得到特征庫圖像信息以及測試圖像信息；
[0021] ⑷PCA方法降維：對訓(xùn)練圖像中改進(jìn)的WLD以及測試圖像改進(jìn)的WLD分別進(jìn)行降 維；
[0022] (5)識別：計算上述降維后的特征庫圖像信息與測試圖像信息的低維空間內(nèi)圖像之 間的距離，通過三階近鄰分類將得到最終的識別結(jié)果。
[0023] 對于各步驟具體說明如下：
[0024] 步驟⑴中的溫譜圖轉(zhuǎn)換血流圖是為了提高紅外人臉識別系統(tǒng)的性能和穩(wěn)定性，首 先人臉簡化血流模型，把易受外部環(huán)境影響的溫度信息（溫譜圖）轉(zhuǎn)為人體的生理信息 (血流圖），比如血流的運動參數(shù)。而人體的血液循環(huán)信息相對來說是穩(wěn)定的，不受外部環(huán) 境影響的，可以基于這些特定的生物信息來識別不同的人。
[0025] 簡化血流模型如下：

【權(quán)利要求】
1. 一種基于簡化血流模型和改進(jìn)韋伯局部描述子的人臉識別方法，其特征在于：包括 如下步驟： ⑴溫譜圖轉(zhuǎn)換血流圖：將溫譜圖轉(zhuǎn)換為血流圖通過簡化的血流模型，得到人臉的血流 圖像； ⑵高斯平滑：對上述血流圖像進(jìn)行高斯平滑操作，去除噪聲的干擾，提高紅外人臉識別 性能； ⑶改進(jìn)韋伯局部描述子提取局部特征：通過改進(jìn)的韋伯局部描述子對分塊的血流圖進(jìn) 行局部特征提取，其中方向信息的計算利用同向性Sobel算子，得到更加穩(wěn)定的局部鑒定 信息，得到改進(jìn)的WLD，通過步驟⑴至步驟⑶分別完成訓(xùn)練圖像中的改進(jìn)的WLD以及測試圖 像的改進(jìn)的WLD，分別得到特征庫圖像信息以及測試圖像信息； ⑷PCA方法降維：對訓(xùn)練圖像中改進(jìn)的WLD以及測試圖像改進(jìn)的WLD分別進(jìn)行降維； (5)識別：計算上述降維后的特征庫圖像信息與測試圖像信息的低維空間內(nèi)圖像之間的 距離，通過三階近鄰分類將得到最終的識別結(jié)果。
2. 根據(jù)權(quán)利要求1所述的基于簡化血流模型和改進(jìn)韋伯局部描述子的人臉識別方法， 其特征在于：步驟⑴所述的簡化的血流模型如下 ：
其中，各物理變量的含義為：Ta為動脈溫度、Te為環(huán)境溫度、T為皮膚溫度，ε、σ、α、cb為常量參數(shù)。 通過簡化血流模型的轉(zhuǎn)換，得到人臉的血流圖。
3. 根據(jù)權(quán)利要求1所述的基于簡化血流模型和改進(jìn)韋伯局部描述子的人臉識別方法， 其特征在于：步驟⑵所述的高斯平滑采用下式計算： Γ=I*G(x,y,σ) 其中，*代表卷積運算，高斯核函數(shù)如下：
其中σ是高斯濾波器的方差。
4. 根據(jù)權(quán)利要求1所述的基于簡化血流模型和改進(jìn)韋伯局部描述子的人臉識別方法， 其特征在于：步驟⑶所述的改進(jìn)韋伯局部描述子提取局部特征是：先對人臉圖像進(jìn)行分 塊，把人臉劃分為iXj個子圖像區(qū)域；然后分別對每個子圖像利用改進(jìn)的韋伯局部描述子 提取局部特征，計算圖像的像素點差勵值，用周圍像素與中心像素的差勵值之和比上中心 像素值，得到一個比率，從中可以得到局部圖像的顯著變化信息，計算周圍像素和中心像素 的差值之和與中心像素的比率采用下式：
其中Voo和Vcu分別是差勵算子4和feu的輸出，Voo代表周圍像素和中心像素的差勵 值之和，Vcu代表原始圖像，X。是中心像素。 再做arctan變換得到當(dāng)前中心像素的差勵：
這個差勵ξ(X。）的變化范圍在[_y，y]，為了形成可統(tǒng)計的直方圖，把差勵量化到M個 區(qū)間，€m(m=0，l，...M-l)。對于每個區(qū)間Im,都有Im= [dm，um],其中下區(qū)間(4=(m/ Μ-1/2) π，上區(qū)間U111=[(m+l)/M-l/2] π。 方向所描述是方向信息，圖像水平方向和垂直方向的梯度變化比率，引入各向同性Sobel算子來代替原始的方法來計算梯度方向信息，各向同性Sobel算子的梯度方向的計 算方法如下： 廣 0(.x;.)-arctan(-^) Js fsW=fi〇*I>f,n=fn^ 方向θ(x。）的變化范圍是[-^]。和差勵一樣，為了更好的建立直方圖，把方向的變 化量化到T個主方向。在量化之前做如下映射f:
方向變化的范圍擴大到[〇,2π]。量化函數(shù)如下：
得到差勵和方向之后，構(gòu)建一個2D的直方圖，{WLD(€m，〇t)};m= 0，l，...，M-l;t= 0, 1，. . .，T-I;M和T分別代表差勵區(qū)間的個數(shù)和主方向的個數(shù)，得到的2D直方圖，每一行 代表一個差勵區(qū)間，每一列代表一個主方向，每一小塊代表一個確定的差勵區(qū)間Im和主方 向Ot。為了便于分類，把2D直方圖轉(zhuǎn)換為一維直方圖，2D直方圖的每一行組成一維直方圖 H(k)，（k= 0, 1，...，M-1)，每一個子直方圖H(k)對應(yīng)一個差勵區(qū)間€k，所有的子直方圖連 接起來得到整個的一維直方圖H= {HJ，m= 0, 1，· · ·，M-I。
5.根據(jù)權(quán)利要求1所述的基于簡化血流模型和改進(jìn)韋伯局部描述子的人臉識別方法， 其特征在于：步驟(5)所述的識別是：用L(x，y)表示樣本X和y之間的距離，特征的維數(shù)為 k，得到下面的距離函數(shù)。Minkowsky距離公式為：
采用三階近鄰法來計算低維空間內(nèi)圖像之間的距離，三階近鄰法的距離是曼哈頓距 離,也就是在λ= 1時的Minkowsky距離，距離公式為： k L(^y) =YJ\^-yi\ f=l 通過三階近鄰分類得到最終的識別結(jié)果。
【文檔編號】G06K9/46GK104239863SQ201410464356
【公開日】2014年12月24日 申請日期:2014年9月12日 優(yōu)先權(quán)日:2014年9月12日
【發(fā)明者】楊巨成, 張坤宇, 岳洋, 熊聰聰, 陳亞瑞, 張曉元 申請人:天津卓朗科技發(fā)展有限公司, 天津科技大學(xué)