红外热像仪中基于生理的人脸识别以进行体温快速检测

过去几年，学术界和商业界都对生物计量学产生了极大的关注。它已成为传统身份识别方式的首选替代方式，这些身份识别卡未嵌入人的身体特征中。对包括面部，指纹，虹膜和视网膜识别在内的几种生物识别方式的研究已取得了不同程度的成功。人脸识别是最吸引人的方式，因为它是人类之间自然的识别方式。

最近，研究人员研究了使用红外热像仪进行人脸识别，可以进行体温快速检测。然而，这些在热面部识别中的许多研究工作仅将热红外波段用作在黑暗中观察或减少光可变性的有害影响的方法。从方法上讲，它们与可见波段的人脸识别算法没有太大区别，可见波段可以分为基于外观的方法和基于特征的方法。最近，已经尝试融合可见光和红外热像仪模态以提高面部识别的性能。

研究提出了一种解决热面部识别问题的新颖方法，该方法可以充分利用热红外波段的潜力。它由统计面部分割和针对热现象学量身定制的生理特征提取算法组成。生理载体由面部血管网络的热烙印形成。预测了从热面部图像提取血管网络并将其用作面部识别的特征空间的可能性。目标是人们对红外热像仪中人脸识别的另一种思考方式，以促进体温快速检测。与其他方式相比，它具有明显的优势。面部热图像由红外热像仪捕获。对于要存储在数据库中的每个主题，记录五个不同的姿势。将两步分割算法应用于每个姿势图像，以从面部提取血管网络。

图为红外热像仪测体温

为了建立可行性，提出了一种使用热成像中包含的生物热信息来捕获面部生理模式的特定方法。该方法的基础是利用特征和时不变的生理信息来构建特征空间。尽管面部热图随时间推移而移动，但浅层脉管系统与周围组织之间的对比度仍保持不变。这种生理特征具有永久性，在皮肤下很难改变。因此，它为可以使用它的任何面部识别方法提供了强大的优势。具体来说，方法如下：首先，使用新颖的贝叶斯分割算法将面部组织与背景分离。其次，通过使用白色大礼帽分割并进行各向异性扩散，从皮肤表面提取血管轮廓网络。第三，将TMP定位在血管网络中，并将其用作特征向量的基础。第四，它通过匹配基于TMP的特征向量来执行识别。从指纹识别中借鉴了一些想法，因为血管网络似乎与神经网络在现象学上相似。

最重要结论是，基于生理的人脸识别来对体温快速检测似乎是可行的，并且具有潜力，尤其是作为一种解决随时间推移永久性低的问题的方法。确定了眼镜和浓密的面部毛发的存在，以及大量的汗液，这可能是热量散发的结果。大量汗水在热面部贴图中引入了非线性位移，当前特征提取机制无法很好地处理该非线性位移。更重要的是，结果证明了生理框架在人脸识别中的可行性，并为该领域进一步的方法学和实验研究开辟了道路。

参考文献

Pradeep Buddharaju, Ioannis T. Pavlidis, et al. Physiology-Based Face Recognition

in the Thermal Infrared Spectrum. IEEE Transactions On Pattern Analysis And Machine Intelligence.