论文部分内容阅读
近红外光主动照射技术可以实现全黑环境下的成像,因此被广泛应用于安防监控方面。但近红外监控视频中的人脸往往呈现不同的姿态角度。对于可见光下的人脸识别,姿态变化会带来人脸识别率的显著下降。虽然定性分析表明中波红外和长波红外人脸识别更少地受到姿态变化的影响,但由于可用数据集的缺失,姿态变化对近红外人脸识别的定量分析目前无法开展。现有的近红外人脸数据集大多基于正脸角度拍摄,还未见公开的包含多个角度姿态变换的近红外人脸数据集。姿态变换对于近红外人脸识别的定量影响不得而知,姿态变化非敏感近红外人脸识别算法的验证更无从开展。基于研究现状中存在的上述问题,本文建立了一个多个角度姿态变换的近红外人脸数据库SWU-NIRPV(西南大学近红外姿态变换人脸数据库),深入讨论了姿态变换对近红外人脸识别的影响机制,并设计神经网络试图实现姿态变化非敏感近红外人脸识别。本文的主要贡献在于:(1)建立了一个黑暗条件下包含57个姿态变换角度的近红外人脸公开数据库SWU-NIRPV,以10°为间隔,覆盖了左右两侧0°(正脸)至±90°(侧脸)的近红外人脸数据,同时在各个偏航角度上进一步划分了俯视、平视以及仰视集。(2)从非交叉与交叉角度讨论分析了姿态变换对近红外人脸识别的影响,并探索影响产生的机制。近红外人脸识别同样受到姿态变换的影响,仅10°的偏航便足以使近红外人脸识别算法大打折扣。交叉角度下30°偏航的人脸数据有利于较小偏航角度(10°至40°)的识别效果,而60°偏航的人脸数据则有利于较大偏航角度(50°至80°)的近红外人脸识别,此外俯仰变化也是姿态变换条件下近红外人脸识别不容忽视的重要因素。(3)提出实现姿态变化非敏感近红外人脸识别的方法。利用胶囊网络模块建立CNN-Caps,并在(2)中结论的基础上对LBP-Softmax、CNN-Gray、Resnet50与CNN-Caps进行了验证。交叉角度下四种模型基于0°+90°+30°+60°训练集的识别效果均得到明显提升,其中Resnet50在所有角度上达到了98.10%的平均识别率。