基于超声探测的大样本库人脸识别研究

本项目围绕基于声学探测的人脸识别问题开展工作，研究通过发射超声波信号并接收处理人脸反射/散射回波信号的方式实现人脸生物特征识别，属于声学和人脸识别的交叉学科研究。研究内容和目标是：建立和完善基于超声波探测技术的人脸识别研究理论和实验框架，开展算法研究，建立大型超声人脸数据库，设计并实现超声人脸识别实验系统，探索超声波人脸识别理论方法的可行性和实用性，力求达到国际领先研究水平，为人脸识别研究提供新思路。.通过超声波探测实现人脸识别具有受光照环境因素影响小，能够自然反映人脸三维几何信息和皮肤特性等优势，且识别需要处理数据量小，是对基于图像信号人脸识别方法的补充和扩展，具有广泛应用潜力。通过预研工作，申请人及工作团队已经在此领域研究中积累了经验并取得了预研成果，并以此为基础提出本项目的实施方案和完整技术路线。

超声探测人脸识别与传统基于图像的人脸识别方法相比，具有不受光线变化等环境因素影响的优点，其核心是解决如何利用空气中超声波探测方式实现多类别、具有复杂几何外形目标识别的问题。本课题综合了超声探测、信号处理和模式识别等学科内容，理论和实验研究成果可直接应用于机器人视觉、智能交通、盲人辅助视觉等领域，具有重要意义和广泛应用价值。.本课题的主要工作和成果为：.（1）围绕超声散射回波基本特征提取、特征空间优化和特征融合等重点问题，对超声探测人脸识别中的特征提取和优化方法开展研究，通过对原始特征进行优化，克服人脸表情变化等因素影响，提高了系统识别率。首次研究了空气介质超声探测中目标姿态变化对超声回波原始特征稳定性的影响，并提出了相应解决方案。针对人脸识别中各类目标在基本特征空间中分布为多模态、线性不可分的难题，设计了一个基于函数变换的非线性判别分析特征优化框架。在此基础上，提出了1)结合全局优化和局部优化准则的特征空间优化方法以及2)基于多模板的特征空间优化方法。设计了特征层和决策层结合的数据融合结构，实现了基于多传感器探测、多通道数据采集的超声人脸识别。.（2）提出了运动情况下CTFM声呐输出距离修正方法，有效消除多普勒频移引起的测距误差。在双扫频解调CTFM声呐的发射扫频信号中加入单频成分，利用回波中频移后的单频信号获取多普勒因子，结合CTFM声呐输出获取目标真实距离。运动平台实验结果表明，该方法可成功消除单反射面和多反射面目标测距误差。.（3）完成了超声探测人脸识别研究平台研制。该平台由软、硬件系统组成，能够进行实时超声信号发射、接收、人脸识别，并能完成系统识别率的统计。.（4）首次设计并实现了一个大型超声回波人脸数据库，共包括100名被试的近300万个样本数据。空气中超声探测目标识别研究中，国内外均还没有一个大型样本数据平台，本文通过参考知名图像人脸数据库结构，结合超声探测人脸识别研究特点，完成了数据库的设计和三批次数据采集。该数据库包含人脸类别多，表情丰富，样本数量大，是本领域研究中国内外首个大型数据库，可为相关研究提供数据保障。