4、多光谱生物特征数据采集与跨光谱识别应用

多光谱生物特征数据采集与跨光谱识别应用

1. 多光谱面部图像背景

面部识别（FR）技术的关键在于算法的合理开发，以实现对主体的成功且一致的识别。然而，这一领域面临诸多挑战，涵盖图像质量、主体姿势角度等方面。这些挑战不仅受相机系统影响，还与数据采集场景相关，而不同场景会影响算法设计策略。

在国防或执法监控应用中，常需秘密或机会性地采集面部生物特征数据，用于与图库或监视列表匹配以识别不知情或不配合的主体。此场景下，FR 系统需考虑诸多非理想因素，如不同或远距离的面部采集、面部遮挡、光线不足及面部模糊等。

当前，多数面部识别系统使用在受控条件下捕获的可见图像作为探针，与可见图库数据进行匹配。但由于可见光谱的物理限制，在夜间或光照不均匀的场景中，图像质量会变差。为解决光照问题，研究人员开始探索非可见波长来捕获面部图像，特别是红外（IR）光谱。

红外光谱可分为热红外和反射红外。反射红外的较低波段能解析出面部特征清晰的图像，与可见波长捕获的图像相似，可进一步分为近红外（NIR，750 - 1100 nm）和短波红外（SWIR，900 - 1900 nm）。这些波段的优势在于不受光照导致的颜色偏移影响，避免了算法难以区分物体变化和光照变化的问题。

热红外则包括中波红外（MWIR，3 - 5 µm）和长波红外（LWIR，7 - 14 µm）。LWIR 波段的研究采用了偏振热成像技术，结合偏振和传统热面部特征，显著提高了面部检测性能，还能实现几何和纹理面部细节识别。此外，基于偏最小二乘法的面部识别以及热红外到可见面部匹配也取得了进展。热红外的优势在于无需照明源，检测的是主体发出的辐射而非反射光。

在将可见图库与红外探针图像匹配时，较短波长