過去幾年，學術界和商業(yè)界都對生物計量學產生了極大的關注。它已成為傳統身份識別方式的首選替代方式，這些身份識別卡未嵌入人的身體特征中。對包括面部，指紋，虹膜和視網膜識別在內的幾種生物識別方式的研究已取得了不同程度的成功。人臉識別是最吸引人的方式，因為它是人類之間自然的識別方式。

最近，研究人員研究了使用紅外熱像儀進行人臉識別，可以進行體溫快速檢測。然而，這些在熱面部識別中的許多研究工作僅將熱紅外波段用作在黑暗中觀察或減少光可變性的有害影響的方法。從方法上講，它們與可見波段的人臉識別算法沒有太大區(qū)別，可見波段可以分為基于外觀的方法和基于特征的方法。最近，已經嘗試融合可見光和紅外熱像儀模態(tài)以提高面部識別的性能。

研究提出了一種解決熱面部識別問題的新穎方法，該方法可以充分利用熱紅外波段的潛力。它由統計面部分割和針對熱現象學量身定制的生理特征提取算法組成。生理載體由面部血管網絡的熱烙印形成。預測了從熱面部圖像提取血管網絡并將其用作面部識別的特征空間的可能性。目標是人們對紅外熱像儀中人臉識別的另一種思考方式，以促進體溫快速檢測。與其他方式相比，它具有明顯的優(yōu)勢。面部熱圖像由紅外熱像儀捕獲。對于要存儲在數據庫中的每個主題，記錄五個不同的姿勢。將兩步分割算法應用于每個姿勢圖像，以從面部提取血管網絡。

圖為紅外熱像儀測體溫

為了建立可行性，提出了一種使用熱成像中包含的生物熱信息來捕獲面部生理模式的特定方法。該方法的基礎是利用特征和時不變的生理信息來構建特征空間。盡管面部熱圖隨時間推移而移動，但淺層脈管系統與周圍組織之間的對比度仍保持不變。這種生理特征具有永久性，在皮膚下很難改變。因此，它為可以使用它的任何面部識別方法提供了強大的優(yōu)勢。具體來說，方法如下：首先，使用新穎的貝葉斯分割算法將面部組織與背景分離。其次，通過使用白色大禮帽分割并進行各向異性擴散，從皮膚表面提取血管輪廓網絡。第三，將TMP定位在血管網絡中，并將其用作特征向量的基礎。第四，它通過匹配基于TMP的特征向量來執(zhí)行識別。從指紋識別中借鑒了一些想法，因為血管網絡似乎與神經網絡在現象學上相似。

最重要結論是，基于生理的人臉識別來對體溫快速檢測似乎是可行的，并且具有潛力，尤其是作為一種解決隨時間推移永久性低的問題的方法。確定了眼鏡和濃密的面部毛發(fā)的存在，以及大量的汗液，這可能是熱量散發(fā)的結果。大量汗水在熱面部貼圖中引入了非線性位移，當前特征提取機制無法很好地處理該非線性位移。更重要的是，結果證明了生理框架在人臉識別中的可行性，并為該領域進一步的方法學和實驗研究開辟了道路。

參考文獻

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

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