摘要
可见光人脸识别系统在深度学习技术的推动下，已实现近乎完美的识别准确率。然而，在光照不足的环境下，这类系统性能显著下降。为应对这一挑战，热红外到可见光跨域人脸匹配技术应运而生。该技术因其在夜间监控中的重要应用价值而备受关注。然而，由于热红外图像与可见光图像在成像原理和视觉特征上存在显著差异，该问题极具挑战性。本文提出一种基于深度自编码器的系统，用于学习可见光与热红外人脸图像之间的映射关系。同时，本文系统评估了对齐（alignment）在热红外到可见光人脸识别中的影响。为此，我们在Carl和EURECOM两个数据集上手动标注了人脸关键点。所提出的方法在三个公开可用的数据集——Carl、UND-X1和EURECOM上进行了全面测试。实验结果表明，该方法显著优于现有技术水平。我们观察到，引入对齐处理可使识别性能提升约2%。本研究中手动标注的人脸关键点位置信息可通过以下链接下载：github.com/Alpkant/Thermal-to-Visible-Face-Recognition-Using-Deep-Autoencoders。