基于多尺度分析和局部三进制模式的热红外人脸鲁棒识别研究

Face recogniton suffers from the problems such as illumination change, disguise and pose variations. The thermal face images reflect the physical (temperature) characteristics of face, which would not be affected by external light and disguise. Additionally, an infrared face recognition system can work on all-weather conditions and has no shadow problem. So, infrared face recognition is an active research area of face recognition.In 2011, this project team have proposed infrared face recognition based on LBP(OPT ENG, 2011),which shows that local feature extraction is appreciated for infrared image.To improve robustness of local feature extraction,this research project focuses on infrared face extraction method based on multiscale analysis and local ternary pattern(LTP).The main missions of this project are: ①Based on the separability discriminant criterion in multiscae LTP domain, the most suitable multiscae transform is selected;② Adaptive threshold LTP in multiscale transform domain is developed according to multi-objecte volutionary algorithms ( separabielity discriminant and robust); ③ Multiscale LTP patterns statistical modeling is applied to multiscale LTP patterns and model parameters are calculated by Hidden Markov Tree(HMT).The purpose of the project explores the theory optimization combining multiscale transform and LTP, can make a good foundation for developing a ruboust infrared face recognition systme with high performance and independent copyright. The research achievements of this project can also be applied in image analysis, pattern recognition, video retrieval and information security.

可见光人脸识别面临光照变化、化妆、姿态等因素影响问题。热红外人脸识别具有消除光照及阴影的影响、实现全天候识别等特点，成为弥补可见光人脸识别不足的重要途径。基于红外人脸图像易受环境温度影响的特点，项目组提出了基于LBP的局部特征提取方法（OPT ENG，2011），表明局部特征更有利于鲁棒红外人脸识别。在此基础上，本项目研究基于多尺度分析和LTP的特征提取方法，从三个方面提高红外人脸识别的鲁棒性：①研究多尺度变换下LTP可分性评价标准，选择最适合识别的多尺度变换；②基于可分析和鲁棒性两个目标，采用多目标优化算法，研究面向多尺度分析的自适应阈值LTP；③通过隐马尔科夫树模型（HMT）对多尺度的LTP 系数特征进行统计建模，提出一种基于隐马尔科夫树模型的特征抽取方法。通过本项目的研究，探索多尺度变换与LTP最优结合的理论，为开发一套具有自主版权、无需严格约束高性能红外人脸识别系统打下坚实的基础。

可见光人脸识别面临光照变化、化妆、姿态等因素影响问题。热红外人脸识别具有消除光照及阴影的影响、实现全天候识别等特点，成为弥补可见光人脸识别不足的重要途径。本项目研究了面向热红外人脸识别的鲁邦特征提取技术，重点开展了基于多尺度分析和局部二进制模式的红外人脸识别研究，在以下三个方面开展了研究：① 在多尺度特征提取方面，开展了基于多小波变换的红外人脸特征提取研究；②提高LBP特征提取有效性方面，基于红外人脸图像的特点，对传统LBP直方图方法开展了改进研究；③开展了多尺度分析和改进LBP共生直方图相结合的鲁邦特征提取研究。取的的主要研究成果有：① 多尺度分析和高阶局部特征能提取更多的鉴别局部特征，提升热红外人脸识别对环境温度和时延等因素的鲁棒性；② 提出了基于多尺度LBP共生直方图热红外人脸识别方法，相对于传统的LBP特征提取方法，在时延数据下识别性能有了大幅度的提高；③发表相关论文14篇（SCI 1篇，EI期刊4篇），申请国家发明专利1项。研究结果表明：充分挖掘红外人脸中的局部鉴别特征，是提高红外人脸鲁棒性的重要途径之一，已有的局部特征提取方法对局部特征提取的有效性仍然还有提升的空间。未来的工作是进一步加强多尺度分析与局部特征描述的有效融合。