浅谈面部图像识别技术之热感相机

 

      另一种获取面部识别输入数据的方式是使用热感相机，通过这种方法，相机只能检测头部的形状，而忽略了眼镜、帽子或化妆品等目标配件。与传统相机不同，热感相机即使在光线不足和夜间条件下也能捕捉面部图像，无需使用闪光灯和曝光相机位置。

      然而，使用热感图像进行人脸识别的一个问题是用于人脸识别的数据库是有限的。在2004有人研究了热人脸识别在现实生活和手术场景中的应用，同时建立了一个新的热人脸图像数据库。这项研究使用了低灵敏度、低分辨率的铁电传感器，这些传感器能够获得长波热红外（LWIR）。

      结果表明，融合LWIR和常规视觉相机在室外探测器上有更好的效果。室内实验结果表明，视觉准确率为97.05％，LWIR准确率为93.93％，融合准确率为98.40％，而室外实验证明视觉准确率为67.06％，LWIR准确率为83.03％，融合准确率为89.02％。这项研究在10周内使用了240名受试者来创建一个新的数据库。

      这些数据是在晴天、雨天和阴天收集的。2018年，来自美国陆军研究实验室（ARL） 的研究人员开发了一项技术，这种方法利用人工智能和机器学习，使研究人员能够直观地比较传统和热面部图像。该技术允许他们将热感相机获得的面部图像与传统相机捕获的数据库中的图像进行匹配。

      这种方法被称为交叉光谱合成法，因为它是如何将来自两种不同成像模式的面部识别联系起来的，该方法通过分析多个面部区域和细节来合成单个图像。它由一个非线性回归模型和一个优化问题组成，非线性回归模型将特定的热图像映射成相应的可见面部图像，优化问题将潜在的投影重新投回图像空间。

      ARL的科学家研究已经开始注意到，这种教学方法是将全局数据信息（即整个行业面部的特征）与局部进行信息（即眼睛、鼻子和嘴巴的特征）相结合来工作的。在ARL进行的性能测试中，研究人员发现，多区域交叉频谱合成模型的性能，以约30％以上的基线改善方法，比最先进的方法增加了约5％。

      除了不断增强合成图像的可辨别性之外，面部进行识别信息系统分析可以直接用于将热面部特征转换成面部的精细可见图像。它还被测试用于热图像的标志点识别。

版权声明：本文为Yun88网的原创文章，转载请附上原文出处链接及本声明。
 

 

更多产品了解

欢迎扫码加入云巴巴企业数字化交流服务群

产品交流、问题咨询、专业测评

都在这里！