[发明专利]一种基于注意力机制的红外宽光谱人脸识别方法及系统

说明书

本发明提供一种基于注意力机制的红外宽光谱人脸识别方法及系统，其中方法包括：获取人脸各个关键区域的红外宽光谱数据；对各关键区域的红外宽光谱数据进行并联的多种不同二维卷积提取局部特征，二维卷积的维度由大到小，得到各关键区域在多种不同卷积维度下由粗到细的多种特征，并将多种由粗到细的特征拼接得到每个区域局部特征，使得局部特征包含全面且丰富的人脸特征；结合注意力机制学习各区域局部特征的注意权重，以将关键区域的局部特征融合得到人脸宽光谱特征向量；基于全连接网络提取人脸宽光谱特征向量的全局特征；基于全局特征判断其所属的人的身份，以进行人脸识别。本发明基于红外宽光谱特征进行人脸识别，提高了人脸识别的准确率。

技术领域

本发明属于生物特征识别与红外宽光谱技术的交叉融合领域，更具体地，涉及一种基于注意力机制的红外宽光谱人脸识别方法及系统。

背景技术

目前基于可见光成像的人脸识别技术已经趋于成熟，但是在某些条件下仍存在弊端，例如：(1)弱光照甚至是无光照；(2)面部进行妆容打扮、做夸张表情、伪装、甚至整容；(3)受照片欺骗。在这些情况下，可见光人脸识别系统的鲁棒性差，识别率降低。

2003年，ZhiHong Pan等人首次探索了近红外光谱范围(0.7μm～1.0μm，包含31个波段)内用于光谱人脸识别的面部光谱测量，由于近红外光谱图像是在连续光谱上的连续图像，可以更好的表示反射、吸收和发射电磁波能量的皮肤信息，提高鲁棒性，验证了在存在面部姿势和表情变化的情况下随着时间的推移，近红外光谱用于人脸识别的实用性。2010年Di.W等人探索可见光光谱范围(0.4μm～0.72μm，包含33个波段)内用于光谱人脸识别的技术应用。利用提取的六个特征波段，采用2DPCA算法提取图像特征，K近邻算法实现人脸图像分类，识别率为78.33％。2015年，Uzair M等人探索了可见光和近红外光谱的总范围为0.4μm～1.09μm的光谱人脸识别方法，利用波带融合将光谱图像进行合并，利用PLS(偏最小二乘法)回归算法实现人脸的识别分类。

综上，上述几种光谱人脸识别算法在光谱范围的选择限于可见光光谱范围和近红外光谱范围，均无法在夜间使用，且上述几种算法均未获得令人满意的识别准确率。

发明内容

针对现有技术的缺陷，本发明的目的在于提供一种基于注意力机制的红外宽光谱人脸识别方法及系统，旨在解决现有光谱人脸识别算法在光谱范围的选择限于可见光光谱范围和近红外光谱范围，且现有人脸识别算法的准确率不高的问题。

为实现上述目的，第一方面，本发明提供了一种基于注意力机制的红外宽光谱人脸识别系统，包括：

红外宽光谱数据获取模块，用于获取人脸各个关键区域的红外宽光谱数据；

并联局部特征提取模块，用于对每个关键区域的红外宽光谱数据进行并联的多种不同的二维卷积提取局部特征，所述二维卷积的维度由大到小，得到每个关键区域在多种不同卷积维度下由粗到细的多种特征，并将多种由粗到细的特征拼接得到每个关键区域的局部特征，使得所述局部特征包含全面且丰富的人脸特征；

注意力机制提取模块，用于结合注意力机制学习各个关键区域局部特征的注意权重，并基于学习的注意权重将所有关键区域的局部特征融合得到人脸宽光谱特征向量；

全局特征提取模块，用三层全连接网络提取人脸宽光谱特征向量的全局特征，每一个全连接层中的每一个节点与上一层的所有节点均相连，用于将上一层提取的特征综合起来；

分类模块，用于基于所述全局特征判断其所属的人的身份，以进行人脸识别。

在一个具体的示例中，人脸关键区域可包括：左眼、右眼、鼻子以及嘴巴四个区域；本领域技术人员可根据实际需要选择其他更多或更少的关键区域。

在一个可选的示例中，所述并联局部特征提取模块用于对每个关键区域的红外宽光谱数据进行并联的多种不同的二维卷积提取局部特征，具体为：