紅外人臉識別中的決策融合和有限元分析.pdf

1、人臉識別技術(shù)以其具有直觀性、被動性和非侵犯性，在生物特征識別領(lǐng)域有著無法比擬的優(yōu)勢。在諸多影響人臉識別性能的因素中，光照的變化是識別領(lǐng)域最具挑戰(zhàn)的難題之一?？紤]到紅外圖像基于目標(biāo)溫度成像，完全不受外部光照的影響，且每個人的臉部溫譜圖各不相同，即使是長得一模一樣的雙胞胎，臉部溫譜圖也不同。因此，將紅外技術(shù)與人臉識別技術(shù)相結(jié)合，在高安全性部門的警戒、入口控制及計算機(jī)保密等領(lǐng)域有著廣闊的應(yīng)用前景。本論文在簡單介紹紅外人臉圖像特性的基礎(chǔ)上，以血

2、流量穩(wěn)定不變的靜態(tài)模型為條件，研究了常態(tài)下基于血流圖的決策融合方法；以外部環(huán)境溫度影響血流量發(fā)生變化的條件下，研究了非常態(tài)下基于有限元分析的方法，并進(jìn)行了相關(guān)的實驗測試。
　　 論文首先分析了紅外人臉圖像的特性及人臉識別的特點，詳細(xì)描述了紅外人臉識別系統(tǒng)，包括數(shù)據(jù)庫采集、人臉檢測與定位、特征提取及分類識別。此外，考慮到信息融合的思想已逐步運用到識別系統(tǒng)中，因此，簡單介紹了像素級融合、特征級融合和決策級融合三種融合方法。
　

3、　 考慮到紅外圖像分辨率低，人臉邊緣輪廓和細(xì)節(jié)特征比較模糊，這對圖像的有效識別產(chǎn)生一定的影響，而有效的人臉識別算法，必須充分挖掘不同方面的特征信息，本文采用了決策融合的方法。該方法主要基于三種特征提取方法的改進(jìn)：離散余弦變換計算速度快，有限個系數(shù)即可保留大部分能量，但其只考慮了整體特征，所以本文利用了DCT變換的強壓縮性能，選取小波分解后的低頻子帶進(jìn)行分塊DCT變換，保留適當(dāng)?shù)腄CT系數(shù)作為其分塊的特征，從而得到局部信息，然后對各個分

4、塊特征進(jìn)行融合得到整體信息；盡管PCA能有效保留源圖像的主要信息，但其基于整個數(shù)據(jù)庫變換，基于單幅圖像本身變換的DCT方法在一定條件下比PCA方法要好，所以本文在小波分解的基礎(chǔ)上采用DCT變換和FLD的特征提取方法；小波變換對信號具有自適應(yīng)性，能有效壓縮圖像，但傳統(tǒng)意義上的小波執(zhí)行時間長，且需要較大的內(nèi)存支持，不適于實時系統(tǒng)。所以本文利用提升小波結(jié)構(gòu)簡單，運算量低，原位運算，節(jié)省存儲空間，在小波變換的基礎(chǔ)上改進(jìn)為以提升小波結(jié)合PCA的方

5、法進(jìn)行特征提取。實驗結(jié)果表明，在原有基礎(chǔ)上，三種方法識別率均有一定的提高，對于改進(jìn)后的特征識別方法在融合后識別率也有進(jìn)一步的提高。
　　 雖然基于能量圖與血流圖的紅外人臉識別在識別性能上均高于基于溫譜圖的紅外人臉識別，但它們均假定為基于靜態(tài)模型下，即血流量保持穩(wěn)定不變。事實上，外部環(huán)境溫度、喝酒、發(fā)燒或運動等因素都會對血流產(chǎn)生影響，進(jìn)而影響識別性能。為此，本文針對非常態(tài)紅外人臉識別，嘗試開展有限元分析。具體采用Pennes方程作