留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于局部二元模式的快速红外人脸识别系统

谢志华,  刘国栋

downloadPDF
文章导航 > 红外与激光工程  > 2013 >  42(12): 3190-3195
谢志华, 刘国栋. 基于局部二元模式的快速红外人脸识别系统[J]. 红外与激光工程, 2013, 42(12): 3190-3195.
引用本文: 谢志华, 刘国栋. 基于局部二元模式的快速红外人脸识别系统[J]. 红外与激光工程, 2013, 42(12): 3190-3195.
shu
Xie Zhihua, Liu Guodong. Fast thermal infrared face recognition system based on local binary pattern[J]. Infrared and Laser Engineering, 2013, 42(12): 3190-3195.
Citation: Xie Zhihua, Liu Guodong. Fast thermal infrared face recognition system based on local binary pattern[J]. Infrared and Laser Engineering, 2013, 42(12): 3190-3195.
shu

基于局部二元模式的快速红外人脸识别系统

  • 1.

    江西科技师范大学 光电子与通信重点实验室,江西 南昌 330013

基金项目: 

国家自然科学基金（61201456 ）;江西自然科学基金（20132BAB201052）

详细信息
    作者简介:

    谢志华（1977-），男，副教授，博士，主要从事生物识别与红外图像处理的研究。Email：xie_zhihua68@aliyun.com

  • 中图分类号: O484

Fast thermal infrared face recognition system based on local binary pattern

  • 1.

    Key Lab of Optic-Electronic and Communication,Jiangxi Sciences and Technology Normal University,Nanchang 330013,China

  • 摘要: 红外人脸成像具有对光照、人脸皮肤、表情、姿态等因素变化不敏感的特点，可以在一定程度上弥补这些因素对可见光人脸识别影响的不足。为了充分提取红外人的局部鉴别特征，文中提出了一个基于局部二元模式的快速红外人脸识别系统。该系统首先通过thermoVision A40型红外热像仪获分辨率为320240的红外人脸图像，并通过人脸检测和归一化方法提取大小为6080的标准红外人脸图像。其次，基于人脸图像的对称性，将红外人脸图像分块。通过局部二元模式直方图提取每一分块所包含的纹理模式特征。最后，采用Kruskal-Wallis（KW）特征选择算法，进一步抽取对识别有贡献的局部纹理特征用于分类识别。实验结果表明：提出的热红外人脸系统识别率明显优于基于主成分分析（PCA）和线性鉴别分析（LDA）的传统红外人脸识别系统，可以达到98.6%的识别率。与此同时，提出的红外人脸识别系统识别速度也快于传统基于PCA和LDA系统，可以广泛应用于实时人脸识别中。
    Abstract: Infrared face recognition, being light- independent, and not vulnerable to facial skin, expressions and posture, can avoid or limit the drawbacks of face recognition in visible light. In this paper, a fast infrared face recognition system based on local features was proposed. Firstly, the original IR images captured by an IR camera thermoVision A40 were 320240 pixels. The sensitivity was as high as 0.08 ℃, the face image was normalized to size of 6080 by preprocessing and face detection. Secondly, based on the symmetry of face, the whole infrared face image was divided into small sub-blocks. To make full use of the local features of infrared face image, a local binary pattern (LBP) was chosen to get the composition of micropatterns of sub-blocks. Finally, Kruskal-Wallis (KW) feature selection method was proposed to improve the effectiveness of discriminant feature extraction. The experiment results illustrate that the system recognition rate can reach 98.6%, outperform the traditional methods based on Principal Component Analysis(PCA) and Linear Discriminant Analysis (LDA). Furthermore, the speed of proposed system is much faster than the traditional methods and can be used in real-time face recognition system.
  • [1] Han Hu, Shan Shiguang, Chen Xilin, et al. A comparative study on illumination preprocessing in face recognition[J]. Pattern Recognition, 2013, 46(6): 1691-1699.
    [2] Wu S Q, Jiang L J, Cheng L, et al. RIFARS: a real-time infrared face recognition system[C]//Asian Biometrics Workshop, 2003: 1-6.
    [3] Hua S G, Zhou Y, Liu T. PCA+LDA based thermal infrared imaging face recognition [J]. Pattern Recognition and Artificial Intelligence, 2008, 21(2): 160-164. (in Chinese) 华顺刚, 周羽, 刘婷, 等. 基于PCA+LDA的热红外成像人脸识别[J]. 模式识别与人工智能, 2008, 21(2): 160-164.
    [4] Li S Z, Chu R, Liao S C. Illumination invariant face recognition using near-infrared images [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2007, 29(4): 627-639.
    [5] Wu S Q, Li W S, Xie S L. Skin heat transfer model of facial thermograms and its application in face recognition[J]. Pattern Recognition, 2008, 41(8): 2718-2729.
    [6] Hermosilla G. A comparative study of thermal face recognition methods in unconstrained environments [J].Pattern Recognition, 2012, 45(7): 2445-2459.
    [7] Zhang Yankun, Liu Chongqing. A novel face recognition method based on linear discriminant analysis [J]. Journal of Infrared and Millimeter Waves, 2003, 22(5): 327-330. (in Chinese) 张燕昆, 刘重庆. 一种新颖的基于LDA 的人脸识别方法 [J]. 红外与毫米波学报, 2003, 22 (5) :327-330.
    [8] Li Yan, Tang Xinyi, Ge Jun, et al. Real-time multi-channels infrared image acquisition system based on FPGA[J]. Infrared and Laser Engineering, 2012, 41(5): 1363-1368. (in Chinese) 李燕, 汤心溢, 葛军,等. 基于FPGA 的多通道红外图像实时采集系统[J]. 红外与激光工程, 2012, 41(5): 1363-1368.
    [9] Li J, Yu D W, Kuang G. The research on face recognition app roaches of infrared imagery[J]. Journal of National University of Defense Technology, 2006, 28(2): 73-76. (in Chinese) 李江, 郁文贤, 匡刚要, 等. 红外图像人脸识别方法[J]. 国防科技大学学报, 2006, 28(2): 73-76.
    [10] Ahonen T, Hadid A, Pietikäinen M. Face description with local binary patterns: application to face recognition.[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2006, 28(12): 2037-2041.
    [11] Liu Yuewei, Chen Weihong. A SAS Macro for testing differences among three or more independent groups using Kruskal-Wallis and Nemenyi tests[J]. Journal of Huazhong University Science Technology (Medical Science), 2012, 32(1): 2012: 130-134.
    [12] Ojala T, Pietikäinen M. Multi-resolution gray-scale and rotation invariant texture classification with local binary patterns[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2002, 24(7): 971-987.
    [13] Liu Jing, Sun Jiyin, Chen Shan, et al. FLIR image matching method based on DLBP feature[J]. Infrared and Laser Engineering, 2011, 40(4): 762-766. (in Chinese) 刘婧, 孙继银, 陈珊, 等. 基于DLBP 特征的FLIR 图像匹配方法[J]. 红外与激光工程, 2011, 40(4): 762-766.
    [14] Xie Zhihua, Liu Guodong. Infrared face recognition based on intensity of local micropattern-weighted local binary pattern [J]. Optical Engineering, 2011, 50(7): 077201-1-6.
    [15] Jin Weiqi, Wang Jihui, Wang Xia, et al. Development on performance evaluation of thermal imaging systems[J]. Infrared and Laser Engineering, 2009, 38(1): 7-13. (in Chinese) 金伟其, 王吉晖, 王霞,等. 红外成像系统性能评价技术的新进展[J]. 红外与激光工程, 2009, 38(1): 7-13.
    [16] Theodorsson-Norheim E. Kruskal-Wallis test: basic computer program to perform nonparametric one-way analysis of variance and multiple comparisons on ranks of several independent samples [J]. Computer Methods and Programs Biomedicine, 1986, 23(1): 57-62.
    [17] Qin Yuhua, Ding Xiangqian, Gong Huili. High dimensional feature selection in near infrared spectroscopy classification[J]. Infrared and Laser Engineering, 2013, 42(5): 1355-1359. (in Chinese) 秦玉华,丁香乾,宫会丽. 高维特征选择方法在近红外光谱分类中的应用[J]. 红外与激光工程, 2013, 42(5): 1355-1359.
  • [1] 吴鹏飞, 邓植中, 雷思琛, 谭振坤, 王姣.  基于激光散斑图像多特征参数的表面粗糙度建模研究 . 红外与激光工程, 2023, 52(12): 20230348-1-20230348-11. doi: 10.3788/IRLA20230348
    [2] 苏晏园, 范广宇, 龚海梅, 李雪, 陈永平.  InGaAs近红外人脸图像检测超轻量算法研究 . 红外与激光工程, 2022, 51(10): 20220078-1-20220078-10. doi: 10.3788/IRLA20220078
    [3] 程稳, 吉洪湖, 施小娟, 王浩.  带全遮挡导流支板的二元排气系统与后体组合模型的流动传热与红外特性分析 . 红外与激光工程, 2022, 51(9): 20210965-1-20210965-11. doi: 10.3788/IRLA20210965
    [4] 王宇恒, 吉洪湖, 程稳, 李基权.  收扩喷管设计对双S形二元排气系统气动与红外特征的影响 . 红外与激光工程, 2021, 50(11): 20210084-1-20210084-10. doi: 10.3788/IRLA20210084
    [5] 徐云飞, 张笃周, 王立, 华宝成.  非合作目标局部特征识别轻量化特征融合网络设计 . 红外与激光工程, 2020, 49(7): 20200170-1-20200170-7. doi: 10.3788/IRLA20200170
    [6] 陈明, 赵连飞, 苑立民, 徐峰, 韩默.  基于特征选择YOLOv3网络的红外图像绝缘子检测方法 . 红外与激光工程, 2020, 49(S2): 20200401-20200401. doi: 10.3788/IRLA20200401
    [7] 宁明峰, 张世杰, 王诗强.  基于凸包的非合作目标视觉导航系统特征点选择方法 . 红外与激光工程, 2019, 48(3): 317004-0317004(9). doi: 10.3788/IRLA201948.0317004
    [8] 黄达, 黄树彩, 赵炜, 陆屹.  天基光谱探测特征波段的选择 . 红外与激光工程, 2018, 47(S1): 166-171. doi: 10.3788/IRLA201847.S117005
    [9] 苏安, 王高峰, 蒙成举, 唐秀福, 高英俊.  光子晶体二元缺陷微腔的光传输特性 . 红外与激光工程, 2017, 46(6): 620004-0620004(7). doi: 10.3788/IRLA201746.0620004
    [10] 王丁, 吉洪湖, 卢浩浩.  波瓣混合器对双S形二元排气系统红外特性的影响 . 红外与激光工程, 2017, 46(2): 204004-0204004(6). doi: 10.3788/IRLA201746.0204004
    [11] 侯榜焕, 姚敏立, 贾维敏, 沈晓卫, 金伟.  空谱结构保持的高光谱图像分类 . 红外与激光工程, 2017, 46(12): 1228001-1228001(8). doi: 10.3788/IRLA201746.1228001
    [12] 苏安, 欧阳志平, 王高峰, 罗家昌, 徐德胜, 高英俊.  二元级联结构光子晶体的全向反射镜功能 . 红外与激光工程, 2016, 45(S2): 84-89. doi: 10.3788/IRLA201645.S221001
    [13] 崔法毅.  色度马氏距离图与灰度图特征自适应融合的彩色人脸识别 . 红外与激光工程, 2015, 44(4): 1382-1389.
    [14] 陈庚, 谭晓茗, 单勇, 张靖周.  二元弯曲混合管出口结构参数对红外抑制器气动和辐射特性的影响 . 红外与激光工程, 2015, 44(6): 1704-1711.
    [15] 陈媛媛, 王志斌, 王召巴.  思维进化蝙蝠算法及其在混合气体红外光谱特征选择中的应用 . 红外与激光工程, 2015, 44(3): 845-851.
    [16] 谢志华, 刘国栋.  基于多尺度局部二元模式共生直方图的红外人脸识别 . 红外与激光工程, 2015, 44(1): 391-397.
    [17] 杜兴, 张荣庆.  基于色彩和纹理特征融合的模糊人脸识别方法 . 红外与激光工程, 2014, 43(12): 4192-4197.
    [18] 齐永锋, 火元莲.  基于局部三值微分模式的人脸识别方法 . 红外与激光工程, 2014, 43(2): 640-646.
    [19] 陈媛媛, 王志斌, 王召巴.  基于改进蝙蝠算法的红外光谱特征选择 . 红外与激光工程, 2014, 43(8): 2715-2721.
    [20] 秦玉华, 丁香乾, 宫会丽.  高维特征选择方法在近红外光谱分类中的应用 . 红外与激光工程, 2013, 42(5): 1355-1359.
  • 加载中
WeChat 点击查看大图
计量
  • 文章访问数:  428
  • HTML全文浏览量:  63
  • PDF下载量:  55
  • 被引次数: 0
出版历程
  • 收稿日期:  2013-03-08
  • 修回日期:  2013-04-11
  • 刊出日期:  2013-12-25

基于局部二元模式的快速红外人脸识别系统

  • 1. 江西科技师范大学 光电子与通信重点实验室,江西 南昌 330013
    • 作者简介:

    谢志华（1977-），男，副教授，博士，主要从事生物识别与红外图像处理的研究。Email：xie_zhihua68@aliyun.com

  • 收稿日期: 2013-03-08
  • 修回日期: 2013-04-11
  • 刊出日期: 2013-12-25
基金项目:

国家自然科学基金（61201456 ）;江西自然科学基金（20132BAB201052）

  • 中图分类号: O484

摘要: 红外人脸成像具有对光照、人脸皮肤、表情、姿态等因素变化不敏感的特点，可以在一定程度上弥补这些因素对可见光人脸识别影响的不足。为了充分提取红外人的局部鉴别特征，文中提出了一个基于局部二元模式的快速红外人脸识别系统。该系统首先通过thermoVision A40型红外热像仪获分辨率为320240的红外人脸图像，并通过人脸检测和归一化方法提取大小为6080的标准红外人脸图像。其次，基于人脸图像的对称性，将红外人脸图像分块。通过局部二元模式直方图提取每一分块所包含的纹理模式特征。最后，采用Kruskal-Wallis（KW）特征选择算法，进一步抽取对识别有贡献的局部纹理特征用于分类识别。实验结果表明：提出的热红外人脸系统识别率明显优于基于主成分分析（PCA）和线性鉴别分析（LDA）的传统红外人脸识别系统，可以达到98.6%的识别率。与此同时，提出的红外人脸识别系统识别速度也快于传统基于PCA和LDA系统，可以广泛应用于实时人脸识别中。

English Abstract

    全文HTML

参考文献 (17)

目录

    /

    返回文章
    返回

    版权所有 © 2019 《红外与激光工程》编辑部｜ 地址: 天津市空港经济区中环西路58号｜ 邮政编码: 300308

    津ICP备19007885号-1

    本系统由 北京仁和汇智信息技术有限公司 开发    百度统计