47 4 20117 ( ) JOURNAL OF NANJING UNIVERSITY (NATURALSCIENCES) Vol47,No4 July 2011 檿 檿 檿 檿 檿 檿 檿 檿 檿 檿 檿 檿 檿 檿 * 1,2**, 1, 2, 2 2 (1,,330013; 2,,330013),,,,,,,, TP391 Infraredfacetemperaturenormalizationusingstatisticalregressionmodel XieZhi-Hua 1,2,Liu Guo-Dong 1,Wu Shi-Qian 2,Fang Zhi-Jun 2,Lu Yu 2 (1KeyLaboratoryofOptic-ElectronicandCommunication,JiangxiSciences andtechnologynormaluniversity,nanchang,330013,china; 2Schoolofinformationtechnology,JiangxiUniversityofFinanceandEconomics,Nanchang330013,China) Abstract Toreducetheimpactofambienttemperaturesoninfraredfaceimages,anormalization methodof infraredimageswasproposedbasedonastatisticalregression modelfirstly,weobtainedthechangesofboth ambienttemperaturesandcorrespondingtemperaturesinfacewereobtained,whichwereusedtoestablishafunction througha second-order polynomial modelthen,theinfraredimages were normalized to reference ambient temperatures by the relevant function Our experiments demonstrated that the images with temperature normalizationhavehighersignalnoiseratiothanthosewithoutnormalization,andthatourmethodcansignificantly improvetheinfraredface-recognitionperformance * ** (60767001), (GJJ11225) 2011-01-22,E-mailxie - zhihua@yahoocomcn
4 427 Keywords infraredfacerecognition,statisticalregressionmodel,temperaturenormalization,signalnoiseratio, ;, [9],, [1] [5],,,,, [2], 1,,,, [3],, [4],, 11 [5],,,, I(x,y)g(x,y), I(x,y),,Kakuta T e1,g(x,y) [5] g(x,y) (,, ) 16 16 g(x,y) T e2, g(x,y), ΔT e =T e1-t e2 g(x,y) I(x,y), g(x,y), g(x,y) ; [6], g(x,y), g(x,y) ΔT,XieandLam [7] g (x,y)=g(x,y)± ΔT (1) [8],,g (x,y)
428 ( ) 47 12, 1 Δgi(x,y)=f(x,y)(ΔT ei ) (3),f(x,y)(ΔT ei ) (x,y) (a) 261 (b) 226 (c) 残 差 图 3 (3) 1 i, Fig1 Infraredfacesin variabletemperatureandits gi(x,y) =gi(x,y)-δgi(x,y) (4) residualface,gi(x,y) (i ),gi(x,y) gi(x,y),,,,, (4) [5],,,,, Δgi(x,y) ΔT ei,, Δgi(x,y) ΔT ei,,,, g (x,y)=g(x,y)± Δg(x,y) (2) ( 3), Δg(x,y) ΔT e i ΔT ei Δgi(x,y)= A(x,y) (ΔT ei ) 2 + B(x,y) ΔT ei +C(x,y) (5), C(x,y), 1 T e,, I(x,y)m, T e1,t e2,,t ei T em 1 (5) g1(x,y),g2(x,y),,gi(x,y),gm(x,y) Δgi(x,y)= A(x,y) (ΔT ei ) 2 + 2 T ei -T e B(x,y) ΔT ei (6) ΔT ei,g(x,y) i-i(x,y) T ei, -T e, (x,y)
第４期 谢志华等 基于统计回归模型的红外人脸温度归一化 Δｇ ｙ ΔＴ Δｇ ｙ ΔＴ ７ Δｇ ｙ 其他 ４９ 数据库中环境温度的 变 化 范 围 ３ 低 于 人脸的表面温度 而且 所得到的人脸图像含有 本文基于最小二乘法训 练 模 型 公 式 ６ 中 对 应 头发和部分背景图像都可以近似等于环境温 的模型系数矩阵 Ａ ｙ 和 Ｂ ｙ 为了保证 度 所以 本文环境温度提取可以通过所得到的 对红外 人 脸 温 度 归 一 化 后 的 温 度 更 为 合 理 在 红外图像的最低温度作为环境温度 训练过 程 中 对 系 数 矩 阵 进 行 约 束 假 设 参 考 温 度下红 外 人 脸 温 度 的 变 化 范 围 为 Ｚ１ Ｚ 即 对任 何 像 素 点 ｙ 有 Ｚ１ ｇ ｙ Ｚ 即 Ｚ１ ｇ ΔＴ ｙ Ａ ｙ Ｂ ８ ｙ ΔＴ Ｚ ６ 最后 根据最小二乘原理 对每一个人脸的归 一模型等价于求解如下的二次规范模型 ｍ ｍ ｎ Ｉ ｙ ｇ ｙ Ａ ｙ １ Ｂ ｙ Ｃ ｙ Ａ ΔＴ Ｂ ｙ ｙ ΔＴ ΔＴ 烄ｇ ｘ ｙ Ａ ｘ ｙ Ｂ ｘ Ｔ Ｚ ０ ｙ Δ １ 烅 ９ ΔＴ ｇ ｘ ｙ Ａ ｙ ｙ ΔＴ Ｚ ０ 烆Ｂ 其中 ｍ 表示 所 有 参 与 学 习 建 模 的 非 参 考 温 度 图 同一温度采集的红外人脸库样本训练库 下的红外人脸图像数 Ｆ Ｉ ｎ ａ ｄ ａ ｃ ｄａ ａｂａ ｇ 本文选择基于内部映射牛顿法的子空间置 信域法对模型 ９ 进行求解 实验结果与分析 本文的数 据 库 与 文 献 １ ６ 相 同 由 美 国 ＦＬＩＲ 系统有限 公 司 生 产 的 Ｔｈ ｍｏｖ ｏｎａ４０ 红外相机 所 拍 摄 的 图 像 数 据 库 中 包 含 ５０ 个 人 共 ６６５ 幅人脸图像 其中训练样本有 ５００ 幅 图像 为 每 人 １０ 幅 这 些 数 据 都 是 在 温 度 控 制 在 ５ ６ ６ ３ 下 拍 摄 的 测 试 样 本 中 含 有 １６５ 幅图像 这 些 样 本 都 是 在 不 同 环 境 温 度 下 ３ 采 集 的 １ 个 人 的 图 像 本 文 所 采 用 的数 据 库 训 练 样 本 和 测 试 样 本 如 图 和 ３ 所示 在本文统计 回 归 模 型 中 描 述 的 是 环 境 温 度变 化 量 与 人 脸 温 度 变 化 量 之 间 的 关 系 所 以 环境温度的提取是建立模型的基础 由于 实验 图 ３ 不同环境温度下采集的图像 Ｆ ３Ｔ ｍａ ｃ ｏ ｌ ｌ ｃ ｄ ｕｎｄ ｄ ｎ ａｍｂ ｎ ｇ ｇ ｍｐ ａ ｕ 在对图像进 行 预 处 理 和 几 何 归 一 化 后 为 了验证归一化后 的 效 果 采 用 信 噪 比 ＳＮＲ 来 描述 归 一 化 前 ｍ 和 归 一 化 后 ｎｏ ｐ ｐｏ ｎｏ ｍ 的图 像 与 参 考 图 像 的 相 似 程 度 以 参 考 图像 作 为 原 图 归 一 化 后 图 像 的 信 噪 比 改 善 越 大 表示归一化后于参考图像越相近 归一化的 效果 就 越 好 不 同 温 度 下 测 试 图 像 的 归 一 化 前 后的图像的信噪比如图 ４ 所示 从图 ４ 可以 看 出 归 一 化 前 由 于 环 境 温 度
430 ( ) 47 1 Table1 Recognitionratesofpre-andpost-normaliza- tion [5] (%) (%) (%) PCA 37 436 727 DWT 297 358 636 4 SNR Fig4 SNRofPro-normandPost-norm PCA+LDA 358 421 715 2DLDA 303 352 655 2DPCA 318 467 758 3,,, ; (25~78db),,,,,,,, principal component analysis References (PCA ) [8] discrete wavelet transform [1] WuSQ,WeiLZ,FangZJInfraredfacerec- (DWT ) [1] linear discrimination analysis ognitiontechnologyasurveyjournalofim- (LDA) [6] ageandgraphics,2008,13(12)2260~2269 (,,, 1,2008,13(12)2260~ 1, 2269) [2], [5] SocolinskyD A,SelingerAThermalfacerec- ognitioninan operationalscenariocomputer, visionandpaternrecognitionproceedingsof IEEEInternationalConferenceonComputerVi- sionand Patern Recognition2004,2,2004,, 1012~1019, [3] WuSQ,FangZJ,XieZ H,etalRecentad- vanceinfacerecognitionaustraliain-tech Press,2008184~206
4 431 [4] WuSQ,JiangLJ,ChengL,etalRIFARS A real-timeinfraredfacerecognition system ProceedingsofAsianBiometricWorkshop,Sin- gapore,20031~6 [5] KakutaN,YokoyamaS,MabuchiKHuman thermalmodelsforevaluatinginfraredimages IEEE MedicineandBiologySociety,2002,21 65~72 [6] WuS Q,JiangLJ,XieS L,etalInfrared facerecognitionbyusingbloodperfusiondata ProceedingsofAudio-andVideo-basedBiometric PersonAuthentication,2005,320~328 [7] XieX,Lam K MFacerecognitionundervar- yingiluminationbasedona2dfaceshapemod- elpaternrecognition,2005,38(2)221~230 mentsbeijinghighereducationpress,2004 (,,,2004) [8] JiangQ Y,HeQ,GaoLMathematicsExperi- [9] XieX H,LaiJ H,Zheng W SIlumination normalizationofhumanfacebasedonthesec- ond-order polynomial model Acta Electronic Sinica,2010,38(8)1791~1797(,,,2010,38(8)1791~ 1797)