16、基于变分自编码器和级联目标检测器的热脸图像重识别

基于变分自编码器和级联目标检测器的热脸图像重识别

1. 引言

人员重识别（ReID）在监控、工业、安全和地震研究等领域具有巨大的应用潜力。随着红外热传感器的快速发展，热红外图像中的人脸识别变得越来越流行，特别是在一些可见图像不足以进行识别的恶劣条件下。例如，在夜间全时系统无法识别视觉人脸时，热红外成像系统可以提供更高的识别精度；当使用专业化妆技术显著改变面部外观，使明显的面部识别变得更加困难时，热红外人脸识别系统也可以作为一种替代方案，因为它们受影响较小，并且可以捕捉到彩色成像无法捕捉的许多图像细节。

过去，特征提取和机器学习技术被广泛应用于热红外图像的识别。例如，有人使用局部二值模式（LPB）和Haar小波变换，并通过主成分分析（PCA）方法降低信息维度，在多个分类任务中的准确率超过90%；还有人使用离散小波变换（DWT）方法提取特征并减少数据维度，在Terravic面部红外数据集上实现了超过93%的识别率；也有人采用基于分割的分形纹理分析（SFTA）算法获取纹理特征，并结合线性判别分析（LDA）和主成分分析进行降维，然后使用随机线性预言集成进行识别，在Terravic面部红外数据集上的准确率达到94.12%。

近年来，深度卷积神经网络也被积极应用于该领域。它通常用于训练超大型数据集，以创建不同的特征表示。在热图像识别方面，许多研究先使用生成对抗网络（GAN）合成可见图像，然后使用CNN网络进行识别。然而，目前提出的不同模型的识别结果仍不尽如人意，需要进行更多的研究。因此，本文提出了一种新颖的热图像识别方案。

2. 方法

本方案结合了变分自编码器（VAE）、级联目标检测器和轻量级CNN架构三种重要技术，形成了所提出的模型。识别过程包括