15、热脸检测：挑战与评估

热脸检测：挑战与评估

一、引言

多年来，人脸识别研究取得了诸多进展，多数集中在可见光光谱，也开发出了许多高性能算法。为推动该领域进一步发展，像 Janus 等研究项目相继启动，旨在将人脸识别技术提升到新高度。人们逐渐认识到，要实现大规模应用，人脸识别技术需覆盖可见光及其他光谱，如近红外和热成像光谱。与可见光光谱相比，非可见光光谱下的人脸识别研究相对较少，主要聚焦于近红外和热成像图像。这三种光谱下的人脸图像提供了互补信息，可单独或组合用于身份管理。

对于热成像图像（光谱范围 8 - 12μm）中的人脸识别，首要步骤是人脸检测，随后进行特征提取并与图库图像匹配。和可见光光谱类似，热脸检测可建模为二分类问题（人脸和非人脸）。此前已有一些学者提出了不同的热脸检测方法，但这些研究存在一些局限性，比如部分研究未报告人脸检测精度，或者未充分考虑户外环境等因素对检测的影响。而且，目前热脸检测和识别研究受限于缺乏包含室内外环境、不同时间变化的挑战性数据库，关于遮挡热脸检测的研究也非常有限。

为解决这些问题，本文采取了以下措施：
1. 准备了 IIITD 热脸数据库，包含 65 个受试者的 614 张人脸图像和 150 张非人脸图像。人脸图像分两个时段采集，间隔两年。非人脸图像在室内外环境采集。还准备了 IIITD - People in Sun and Evening（IIITD - PSE）数据集，包含 22 个受试者的图像，用于研究户外白天和夜间环境的变化。该数据库及人脸区域的真实标注将公开提供给研究人员。
2. 在 IIITD 热脸、IIITD - PSE 和 Notre Dame（ND）热脸数据库上进行人脸定位的基线实验，使用 Haar 和 LBP 级联 AdaBoos