(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210253354.1 (22)申请日 2022.03.15 (71)申请人 电子科技大 学 地址 611731 四川省成 都市高新区 （西区） 西源大道 2006号 (72)发明人 殷光强　李超　李振慧　王治国　 许洪裱　杨钊贤　 (74)专利代理 机构 成都天嘉专利事务所(普通 合伙) 5121 1 专利代理师 彭红艳 (51)Int.Cl. G06V 40/16(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 一种基于遮挡人脸的热红外人脸识别方法 (57)摘要 本发明涉及图像识别技术领域， 特别是涉及 一种基于遮挡人脸的热红外人脸识别方法， 包括 人脸遮挡类型的判别和采用自适应算法群对判 别后的热红外人脸进行自适应识别。 通过本识别 方法， 能有效解决难以实现精确识别的问题。 权利要求书1页 说明书5页 附图1页 CN 114821702 A 2022.07.29 CN 114821702 A 1.一种基于遮挡人脸的热红外人脸识别方法， 其特 征在于： 包括以下步骤： S1.识别模型提取热红外图像中的人脸特征， 根据提取的人脸特征， 对人脸遮挡类型进 行判别， 并得到相应的判别参数M； S2.将判别参数M以及对应的热红外图像输入构建的自适应算法群， 自适应识别算法群 根据输入的判别参数M自适应的分配每个识别器的决策权重， 加权计算后， 将该计算结果与 人脸数据库进行对比， 实现对人脸的识别； 其中， 自适应算法群由多个识别器根据识别模型得到的不同决策权值融合得到， 不同 识别算法对应识别不同的遮挡类型， 具体为： F＝{f1,f2,…fN}， N≥3； 其中， f1,f2,…fN表示N个不同的识别器。 2.根据权利要求1所述的一种基于遮挡人脸的热红外人脸识别方法， 其特征在于： 所述 步骤S1具体包括以下步骤： S11.图像采集， 得到热红外图像， 并进行识别模型的训练； 其中， 所述识别模型为用注意 力机制替换YOLO基础算法中对应的卷积神经网络后得到的； S12.利用训练好 的识别模型进行特征提取并进行分类， 得到相应的判别参数M； 所述判 别参数M利用概 率来表示， 即第x个特 征被分类为第m种遮挡情况的概 率。 3.根据权利要求1所述的一种基于遮挡人脸的热红外人脸识别方法， 其特征在于： 所述 步骤S12中识别模型进行特征提 取并进行分类具体指： 识别模型提 取输入的热红外图像的特 征数据， 增加其中重点区域的权 重后进行 特征的更新， 多次迭代得到不同特 征的分类情况。 4.根据权利要求3所述的一种基于遮挡人脸的热红外人脸识别方法， 其特征在于： 所述 特征数据包括人脸的鼻梁、 两颊、 下巴和眼睛周边的特 征数据。 5.根据权利要求3所述的一种基于遮挡人脸的热红外人脸识别方法， 其特征在于： 所述 步骤S12中进行分类具体指： 根据遮挡位置及大小 同时判断是否佩戴口罩以及是否佩戴眼 镜； 若判断出是佩戴了口罩， 根据不同口罩材料 的反射率不同， 通过比对， 对口罩类型进行 分类， 得到具体的 口罩型号。 6.根据权利要求1所述的一种基于遮挡人脸的热红外人脸识别方法， 其特征在于： 所述 步骤S2还包括： 根据自适应算法群中不同识别器 的识别情况， 对参数M进行编码， 得到一组 向量值， 将其作为决策权值 为自适应算法群中不同识别器提供权 重进行最后的识别。 7.根据权利要求6所述的一种基于遮挡人脸的热红外人脸识别方法， 其特征在于： 所述 对参数M进 行编码， 得到一组向量值具体指： 若训练好的识别模型判断输入的热 红外图像的 第x特征被分类为第m类遮挡类型的概率为pm(x)， 其满 足 将所有的概率值列为 向量形式{pm(x)； m＝1,2, …N}。权　利　要　求　书 1/1 页 2 CN 114821702 A 2一种基于遮挡人脸的热红外人脸识别方 法 技术领域 [0001]本发明涉及图像识别技术领域， 特别是涉及一种基于遮挡人脸的热红外人脸识别 方法。 背景技术 [0002]国内外人脸识别的技术手段已经从传统的完整光学图像发展到多种图像特征获 取， 正在向着人脸检测快速化、 精准化、 高鲁棒性发展方向。 基于遮挡的红外人脸识别技术 主要有遮挡判别和人脸识别算法， 目前对遮挡情况进 行判别主要使用深度网络无监督特征 学习或YOLO算法等； 对于识别算法， 已有学者进行了不同特征提取方法混合的多维融合研 究。 目前虽然已有一些关于遮挡的热 红外人脸识别研究， 但各种方法都有着各自的缺陷。 当 设计一体化判别识别算法时， 不同的模块之 间的精确度往往不够， 难以实现独立精确识别。 并且， 现有的热红外人脸识别算法模型在面对红外设备采集的实际图像时， 表现出泛化能 力差、 识别率低、 性能因遮挡而下降等问题。 发明内容 [0003]为解决上述技术问题， 本发明提出了一种基于遮挡人脸的热红外人脸识别方法， 能有效解决难以实现精确识别的问题。 [0004]本发明是通过采用下述 技术方案实现的： [0005]一种基于遮挡人脸的热红外人脸识别方法， 其特 征在于： 包括以下步骤： [0006]S1.识别模型提取热红外图像 中的人脸特征， 根据提取的人脸特征， 对人脸遮挡类 型进行判别， 并得到相应的判别参数M； [0007]S2.将判别参数M以及对应的热红外图像输入构建的自适应算法群， 自适应识别算 法群根据输入的判别参数M自适应的分配每个识别器的决策权重， 加权计算后， 将该计算结 果与人脸数据库进行对比， 实现对人脸的识别； [0008]其中， 自适应算法群 由多个识别器根据识别模型得到 的不同决策权值融合得到， 不同识别算法对应识别不同的遮挡类型， 具体为： [0009]F＝{f1,f2,…fN}， N≥3； [0010]其中， f1,f2,…fN表示N个不同的识别器。 [0011]所述步骤S1具体包括以下步骤： [0012]S11.图像采集， 得到热红外图像， 并进行识别模型的训练； 其中， 所述识别模型为用 注意力机制替换YOLO基础算法中对应的卷积神经网络后得到的； [0013]S12.利用训练好的识别模型进行特征提取并进行分类， 得到相应的判别参数M； 所 述判别参数M利用概 率来表示， 即第x个特 征被分类为第m种遮挡情况的概 率。 [0014]所述步骤S12中识别模型进行特征提取并进行分类 具体指： 识别模型提取输入的热 红外图像的特征数据， 增加 其中重点区域的权重后进行特征 的更新， 多次迭代得到不同特 征的分类情况。说　明　书 1/5 页 3 CN 114821702 A 3