近红外-可见光异质图像人脸识别方法与系统的任务书.docx

近红外-可见光异质图像人脸识别方法与系统的任务书
任务书
一、任务背景
人脸识别技术是图像处理领域的重要研究方向，近年来得到了广泛关注和研究。其中，基于异质信息的人脸识别技术受到了越来越多的关注，其主要是通过使用来自不同波段或者不同光学模态的图像来获取更多的信息来提高人脸识别的准确性。近红外-可见光异质图像人脸识别技术是其中的一种，该技术通过组合近红外和可见光图像的信息来进行人脸识别，具有更高的准确性和稳健性，尤其是在光线较暗或者光线变化较大的环境下。
二、任务目标
本项目旨在研究近红外-可见光异质图像人脸识别方法与系统，包括以下目标：
1.研究基于NearInfrared（NIR）和VisibleLight（VL）图像特征的人脸识别算法，探索不同的特征提取、降维和分类算法的组合，优化人脸识别的性能。
2.建立近红外-可见光异质图像人脸识别系统，对人脸数据集进行实验验证，并分析比较不同算法组合的性能差异。
3.对比实验数据，并分析误识率和准确率等性能指标，总结比较不同算法组合的优缺点。
三、任务内容
本任务的具体内容包括以下几个方面：
1.实现近红外-可见光异质图像人脸识别算法，探究图像特征提取方法，包括LBP、Gabor、HOG等，以及不同的降维和分类算法，包括PCA、LDA、SVM等。
2.基于公开的人脸数据集，如CASIANIR-VIS2.0，进行实验验证，比较不同算法组合的性能差异，包括准确率、召回率、误识率等指标。
3.建立近红外-可见光异质图像人脸识别系统，实现图像的处理和结果的显示，并可进行人脸的在线识别。
4.对不同算法组合的性能差异进行分析，分析误识率和准确率等性能指标，总结比较不同算法组合的优缺点。
四、任务要求
1.具有良好的编程能力和数学基础，熟悉常用的图像处理、模式识别算法和数据分析方法。
2.具有较强的自学能力和解决问题的能力，能够独立分析问题和解决问题。
3.严格遵守学术道德规范，不抄袭，不剽窃他人研究成果，保护知识产权。
4.按照时间安排，按期完成任务，并按时提交任务报告和代码资料。
五、参考文献
[1]AbhishekKumar,SharathPankanti,SelimAksoy.FacerecognitionusingNearInfrared(NIR)andVisibleLight(VL)images:Areview.ComputerVisionandImageUnderstanding,2018,167:35-54.
[2]LinZhang,YichaoYan.DualPathNetworkforVisibleandNearInfraredFaceRecognition.IEEEAccess,2019,7:159400-159407.
[3]YanlinGuo,FeiYang,ShiqiYu,etal.Similarity-preservingGenerativeAdversarialNetworksforFaceRecognitionAcrossPoseandIllumination.IEEETransactionsonCircuitsandSystemsforVideoTechnology,2019,29(10):2886-2900.
[4]ShanLiu,WeipingLi,WeibinLi.Localsample-basedfacerecognitionmethodviaconcatenatednearinfraredandvisiblecomponents.JVisCommunImageR,2019,63:1-7.
[5]SanthoshKumar,SharathPankanti,AnilK.Jain.Facerecognitioninvisible,nearinfrared,andthermalspectra:Acomprehensivereview.IEEETransPatternAnalMachIntell,2011,33(2):250-264.