本發(fā)明涉及人臉識別，特別涉及一種基于呼吸過程中鼻子圖像特征的人員識別方法。

背景技術：

對人員的自動識別通常是基于他們的生理和行為特征進行的，例如基于特定人員的聲音或說話方式、臉、虹膜、視網(wǎng)膜、指紋、掌形等特征進行識別。在選擇一個自動識別系統(tǒng)的時候，通常要考慮如下因素：抵御欺詐的能力、使用方便性、對被識別人的干擾性、對于特殊人群的適用性、識別的速度、模型（特征信息）的大小、生物特征的長期穩(wěn)定性、使用成本等等。沒有一種識別方式在所有上述方面都能夠勝出，因此需要根據(jù)某個應用的具體要求，選擇較合適的識別方式。例如，虹膜識別和視網(wǎng)膜識別的設備價格非常高，對被識別者的干擾也較大。但是由于虹膜識別和視網(wǎng)膜識別是最準確的兩種識別方法，因此它們?nèi)匀皇窃S多高度重視安全性的場合中的首選。這樣的場合有核電站和重要的軍事基地等。

除了上述的對安全性非常重視的應用之外，還存在大量對識別準確性要求相對較低，但要求對用戶干擾小的應用場合。在此方面，虹膜、視網(wǎng)膜、指紋、掌形等識別方式都是接觸式的，需要被識別者的較多配合，因此不適用于這些場合?？梢钥紤]如下例子：在智能化的遠程視頻會議中，需要根據(jù)講話人的身份自動生成講話記錄，因此要求能夠自動地獲取講話者的身份，但是不能為了獲取身份信息而打擾講話者；在智能門廳場合，需要識別特定人員的身份，進而決定是否打開大門，而無需行人停下腳步（刷指紋等識別方式會給用戶帶來額外負擔，因為用戶的兩手可能都被占用）。接觸式識別方式存在衛(wèi)生方面的問題，且一定數(shù)量的人員因為將指紋/掌形與犯罪聯(lián)系起來而不愿接受這種識別方式。與上述識別對比，有希望滿足上述需求的一種身份識別技術是人臉識別。人臉識別的優(yōu)點有直觀、普遍存在、容易提取等。但是，人臉識別存在以下問題：1. 識別的效果受照明條件影響大，當合適的照明條件不具備時（例如當設備的體積受限、供電能力受限時），就無法實施可靠的人臉識別；2. 人臉表情的不同會影響數(shù)據(jù)的采集和提??；3. 飾物遮擋以及損傷問題：如果被識別的對象帶有墨鏡、帽子等飾物，或者人的臉上存在損傷或污物，就會造成信號數(shù)據(jù)的缺失；4. 雙胞胎的問題；5. 面部化裝和整容技術的成熟和使用，給人臉帶來更大的可變性，目前的識別系統(tǒng)幾乎難以解決。

技術實現(xiàn)要素：

本發(fā)明的目的是提出一種基于呼吸過程中鼻子圖像特征的人員識別方法及系統(tǒng)，通過對人員鼻孔呼吸出現(xiàn)的不同熱反應圖像進行分析，對人員進行識別，是對靜止人員人臉的識別，是對目前人臉識別的一種補充。

為了實現(xiàn)上述目的，本發(fā)明的技術方案是：一種基于呼吸過程中鼻子圖像特征的人員識別方法，包括通過紅外熱成像儀實時采集鼻子呼吸特征，將實時采集的鼻子呼吸特征與在數(shù)據(jù)庫中預先采集的鼻子呼吸特征進行比較，當比較結果達到一個設定的相似度閾值時，則認為二者為同一人，其中，所述鼻子呼吸特征的比較是連續(xù)多個呼吸周期的鼻子靜態(tài)呼吸參數(shù)特征的比較和鼻子動態(tài)呼吸參數(shù)特征的比較。

方案進一步是：

所述鼻子靜態(tài)呼吸參數(shù)包括：左側鼻翼的溫度、右側鼻翼的溫度、左側鼻唇溝的溫度、右側鼻唇溝的溫度、鼻小柱的溫度、鼻尖的溫度、鼻梁下半部分的溫度；

鼻子動態(tài)呼吸參數(shù)包括：多個呼吸周期內(nèi)左鼻孔出現(xiàn)溫度最低值或最高值的頻率、左鼻孔的最低溫度、左鼻孔的最高溫度、右鼻孔出現(xiàn)溫度最低值或最高值的頻率、右鼻孔的最低溫度、右鼻孔的最高溫度、左鼻孔的最大低溫區(qū)域、右鼻孔的最大低溫區(qū)域、左鼻孔最大低溫區(qū)域?qū)挾扰c鼻小柱寬度之比、右鼻孔最大低溫區(qū)域?qū)挾扰c鼻小柱寬度之比、左右兩側鼻孔達到最高溫度或最低溫度的時間差。

方案進一步是：所述鼻子靜態(tài)呼吸參數(shù)特征是對多個呼吸周期的鼻子靜態(tài)呼吸參數(shù)與當前環(huán)境溫度進行差值計算，將差值的平均值作為鼻子靜態(tài)呼吸參數(shù)特征；

所述鼻子動態(tài)呼吸參數(shù)特征是對多個呼吸周期的鼻子動態(tài)呼吸參數(shù)進行聚類分析，將聚類分析后生成的動態(tài)呼吸形位聚類作為鼻子動態(tài)呼吸參數(shù)特征。

方案進一步是：所述連續(xù)多個呼吸周期至少是10個。

方案進一步是：所述動態(tài)呼吸形位聚類包括主形位聚類和子形位聚類，其中：

所述主形位聚類是將所述多個呼吸周期的鼻子動態(tài)呼吸參數(shù)組成向量進行聚類分析得到的多個一次形位聚類；

所述子形位聚類是將多個一次形位聚類再次進行聚類分析得到的多個二次形位聚類。

方案進一步是：所述的相似度閾值至少是70%。

方案進一步是：所述聚類分析是采用K均值聚類方法或采用模糊C均值聚類方法進行的聚類分析。

本發(fā)明具有如下優(yōu)點：因為基于形位聚類的呼吸特征參數(shù)反映了一個人的呼吸的本質(zhì)特征，這些特征獨立于具體的呼吸模式，且不隨外界環(huán)境和該人員的暫時性生理反應而變化，因此本識別方法的魯棒性強，可以識別出以任意模式呼吸的人員。另外，本發(fā)明的人員的呼吸狀態(tài)參數(shù)是基于鼻子部位的熱紅外圖像獲得的，而采集熱紅外圖像無需人與設備的直接接觸，可以在相對較遠的距離進行，因此識別過程對于被識別人的干擾較小?？梢宰R別出以任意模式呼吸的人員，是對目前人臉識別的一種補充。

具體實施方式

一種基于呼吸過程中鼻子圖像特征的人員識別方法，包括通過紅外熱成像儀實時采集鼻子呼吸特征，將實時采集的鼻子呼吸特征與在數(shù)據(jù)庫中預先采集的鼻子呼吸特征進行比較，當比較結果達到一個設定的相似度閾值時，則認為二者為同一人，其中，所述鼻子呼吸特征的比較是連續(xù)多個呼吸周期的鼻子靜態(tài)呼吸參數(shù)特征的比較和鼻子動態(tài)呼吸參數(shù)特征的比較。

實施例中：所述鼻子靜態(tài)呼吸參數(shù)包括：左側鼻翼的溫度、右側鼻翼的溫度、左側鼻唇溝的溫度、右側鼻唇溝的溫度、鼻小柱的溫度、鼻尖的溫度、鼻梁下半部分的溫度；

所述鼻子動態(tài)呼吸參數(shù)包括：多個呼吸周期內(nèi)左鼻孔出現(xiàn)溫度最低值或最高值的頻率、左鼻孔的最低溫度、左鼻孔的最高溫度、右鼻孔出現(xiàn)溫度最低值或最高值的頻率、右鼻孔的最低溫度、右鼻孔的最高溫度、左鼻孔的最大低溫區(qū)域、右鼻孔的最大低溫區(qū)域、左鼻孔最大低溫區(qū)域?qū)挾扰c鼻小柱寬度之比、右鼻孔最大低溫區(qū)域?qū)挾扰c鼻小柱寬度之比、左右兩側鼻孔達到最高溫度或最低溫度的時間差。

其中：所述鼻子靜態(tài)呼吸參數(shù)特征是對多個呼吸周期的鼻子靜態(tài)呼吸參數(shù)與當前環(huán)境溫度進行差值計算，將差值的平均值作為鼻子靜態(tài)呼吸參數(shù)特征；

所述鼻子動態(tài)呼吸參數(shù)特征是對多個呼吸周期的鼻子動態(tài)呼吸參數(shù)進行聚類分析，將聚類分析后生成的動態(tài)呼吸形位（形狀、位置）聚類作為鼻子動態(tài)呼吸參數(shù)特征。

其中：所述連續(xù)多個呼吸周期至少是10個。

實施例中：所述動態(tài)呼吸形位聚類包括主形位聚類和子形位聚類，其中：

所述主形位聚類是將所述多個呼吸周期的鼻子動態(tài)呼吸參數(shù)組成向量進行聚類分析得到的多個一次形位聚類；

所述子形位聚類是將多個一次形位聚類再次進行聚類分析得到的多個二次形位聚類。

其中：所述的相似度閾值至少是70%，即：至少有70%相同，或誤差小于一個設定的閾值、非常接近。所述聚類分析是采用K均值聚類方法或采用模糊C均值聚類方法進行的聚類分析。

實施例中提出了主形位聚類和子形位聚類，具體說：所述主形位聚類是：根據(jù)特定準則，由所有的動態(tài)呼吸參數(shù)（向量）所形成的互不交叉的若干個集合，這個集合完整覆蓋所有動態(tài)呼吸參數(shù)向量，且基于廣義的呼吸模型，提供對于周期性呼吸過程的描述和辨識。

注意：針對屬于某個人的若干個連續(xù)呼吸周期的一組動態(tài)呼吸參數(shù)（向量）集合，所進行的第一次聚類分析。按照特定的準則，把所有動態(tài)呼吸參數(shù)劃分到一個廣義的（或者說“規(guī)范化的”）呼吸周期中的多個特定狀態(tài)（或者說“階段”），其中每個狀態(tài)（分布）都含有多個動態(tài)呼吸參數(shù)（向量）。另外，屬于不同狀態(tài)（階段）的向量是互不交叉的。主形位提供對于呼吸的周期性變化過程的描述和辨識。這個描述和辨識對于不同的人是通用的，即每個人的呼吸都遵循這個模型。

所述子形位聚類是：針對由第一次聚類分析所得到的所有主呼吸形位，所進行的第二次聚類分析。對于每個主形位所包含的所有動態(tài)呼吸參數(shù)（向量），按照特定的準則，將它們劃分為互不交叉的若干個類別，這些類別完整覆蓋該呼吸形位中的所有動態(tài)參數(shù)向量，且提供對于該呼吸形位的數(shù)值統(tǒng)計特征的描述和辨識。

注意：在第一次聚類分析所得到的多個主形位的基礎上，所進行的第二次聚類分析。對于每個主形位所包含的所有動態(tài)呼吸參數(shù)（向量），基于各個動態(tài)參數(shù)向量的數(shù)值，按照特定的準則，將它們劃分為互不交叉的多個類別，每個類別都包含多個動態(tài)呼吸參數(shù)（向量），這些向量具有相同或相似的數(shù)值。根據(jù)一個呼吸形位所得到的所有類別將完全覆蓋該呼吸形位中的所有動態(tài)參數(shù)向量，且屬于不同類別的向量是互不交叉的。子形位提供對于各個呼吸形位的統(tǒng)計特征的精細的描述和辨識。對于不同的人而言，即使是相同的主呼吸形位，其子呼吸形位的數(shù)值分布也是不一樣的。另外對于同一個人而言，其主呼吸形位和子呼吸形位的數(shù)值分布特征又具有長時間的穩(wěn)定性，可以用來進行人員識別。

本實施例涉及到基于呼吸過程中的鼻子的熱紅外圖像特征來識別人員的方法。實施例中的識別的基本原理是：在一個人的多個呼吸周期中，其鼻子的溫度的在時間域和空間域的分布特點，包含著該人員的生理和行為特征。根據(jù)鼻子上特定位置的靜態(tài)溫度分布和動態(tài)溫度變化，可以提取該人員所特有的呼吸特征參數(shù)，進而識別出相應人員的身份。上述的呼吸特征參數(shù)包含兩個方面的內(nèi)容：在靜止情況下，一個人員的鼻子的不同位置的溫度存在差異，不同人員的這種溫度分布具有其自身特征，這種特征的提取相對簡單，可以通過紅外熱成像儀直接獲得；一個人在呼吸時鼻孔部位所表現(xiàn)出來的動態(tài)變化特征，這需要通過考察該人員在多個呼吸周期中的呼吸形位及子呼吸形位的統(tǒng)計特征獲得。對呼吸形位、子呼吸形位的詳細說明，將在后文中進行。

本實施例中的識別不同人員的生理學基礎，是不同人的呼吸活動會表現(xiàn)出不同的特性。對人的呼吸的說明，有助于理解這個事實。人體通過持續(xù)的呼吸活動，吸入外界氧氣，呼出二氧化碳，以保證自身的正常生命活動。人體的呼吸系統(tǒng)主要由呼吸道和肺組成，人體的呼吸活動具有周期性。在不同的呼吸周期中，肺將依次經(jīng)歷多個固定的生理狀態(tài)。吸氣時，由呼吸肌帶動胸腔的骨骼和橫膈膜向外運動，胸腔擴大，肺隨之膨脹，空氣被吸入。吸氣動作結束時，肺內(nèi)壓和大氣壓相平衡。此后，胸腔的各個組成結構因彈性而回縮，胸腔縮小，肺內(nèi)氣體流出體外，此過程為呼氣過程。在呼氣過程結束后，人體將開始下一個吸氣過程。

人體對肺活動的調(diào)節(jié)是由相關的神經(jīng)器官完成的。這樣的神經(jīng)器官包括呼吸中樞和肺內(nèi)呼吸反射裝置。其中，呼吸中樞位于延髓，由吸氣中樞和呼氣中樞兩部分，吸氣中樞和呼氣中樞交替興奮和抑制，從而形成有規(guī)律的呼吸動作。另外一種調(diào)節(jié)肺的活動的神經(jīng)器官是肺內(nèi)的呼吸反射裝置。肺內(nèi)的呼吸反射是通過迷走神經(jīng)和肺內(nèi)感受器完成的。肺內(nèi)存在肺牽張感受器、J感受器、刺激感受器三種形式的肺內(nèi)感受器，它們分別負責肺的節(jié)律性舒縮，以及特殊情況下對肺的活動的調(diào)節(jié)。

由于不同的人的呼吸器官和神經(jīng)組織的生理結構和動態(tài)響應特性不同，以及不同的人具有不同的呼吸習慣，因此不同的人的呼吸具有不同的特性。這些特性有如下幾方面的表現(xiàn)：1. 在相同或基本相同的條件下，不同的人的呼吸具有其自身的特性，觀察者可以察覺到它們之間的差異，這里的條件可能包括外界環(huán)境、運動狀態(tài)、呼吸模式等；2.對于同一個人而言，在不同的條件下，其呼吸活動會發(fā)生變化，但是由于其自身的生理結構是固定的，因此其不同模式下的呼吸活動仍具有一定的相似性，這個相似性可以被識別并提取出來；3.同一個人的呼吸所表現(xiàn)出來的獨特的生物學特征具備長時間的穩(wěn)定性，不會隨著年齡的增長而減弱。根據(jù)以上事實，通過提取某個人的特有的本質(zhì)的呼吸特征，可有效地進行人員識別。

上述的呼吸特征包括靜態(tài)溫度分布和動態(tài)溫度變化兩個方面，這都可以由呼吸過程中的鼻子區(qū)域的熱紅外圖像反映出來。這種現(xiàn)象可以由鼻子的生理學結構，以及熱紅外成像的物理原理兩方面來理解。

人的鼻子可以分為外鼻、鼻腔、鼻竇三個部分，與本發(fā)明有關的部分為外鼻和鼻腔。其中的外鼻是鼻子的明顯可見的部分，它位于面部中央，形如基底在下方的三邊錐體。外鼻具有如下的可識別部分：鼻根、鼻尖、鼻梁、鼻背、鼻翼、鼻唇溝、鼻底、鼻小柱、左、右前鼻孔。外鼻主要由軟骨支架和外鼻肌肉組成，同時外鼻周圍有豐富的血管、神經(jīng)和淋巴。外鼻的形狀和大小具有明顯的個體差異、種族和地區(qū)差異，作為示例，給出白種人、黑種人和黃種人的外鼻的差異。白種人鼻梁高，鼻根窄，鼻尖小，呈鷹嘴樣鼻；黑種人鼻梁低，鼻根寬，鼻尖大，像扁平朝天鼻；黃種人居于二者之間。不同人的鼻子具有不同的形狀、生理結構，且具有不同的產(chǎn)熱和傳熱特性，導致不同人的鼻子在熱紅外圖像中表現(xiàn)出明顯的不同。另外，對于同一個人，當他保持靜止或慢速運動時，其鼻子在熱紅外圖像中的形狀（溫度分布）具有內(nèi)在的長期穩(wěn)定性。這種因人而異，但對于同一個人具有穩(wěn)定性的溫度分布特征，可以作為特征應用于人員識別。此處將這種溫度分布特征稱為靜態(tài)呼吸特征，提取出來的特征表現(xiàn)為一組靜態(tài)呼吸特征參數(shù)。

另一個與本實施例有關的鼻子結構是鼻腔。人的鼻腔的組成結構中，鼻腔分為為左右兩腔，每側鼻腔的外部（前部）開口稱為前鼻孔。另外，以鼻閾為界，鼻腔分為鼻前庭和固有鼻腔。從前鼻孔向內(nèi)看時，可以看到鼻前庭，以及部分鼻腔粘膜。與肺的活動類似，在各個呼吸周期中，鼻子也會周期性的依次經(jīng)歷多種固定生理狀態(tài)。此外，由于鼻子是人體與外部交換氣體的第一個環(huán)節(jié)，因此在呼吸中鼻子的狀態(tài)變化比較明顯。從外界吸入的空氣，以及從肺部呼出的空氣，都會流經(jīng)鼻腔和前鼻孔，進而造成這兩個部分的溫度明顯的降低或升高。不同的人的鼻孔部位在呼吸過程中的溫度變化具有不同的特點，這也是不同的人的呼吸的獨特性的一種表現(xiàn)。

熱紅外成像的物理原理是：現(xiàn)實世界中的任何物體（包括人體）都在不斷地向周圍輻射電磁能量（自發(fā)輻射）。在常溫下，物體的自發(fā)輻射主要是紅外輻射，又稱紅外線，它是人眼看不見的光線，具有強烈的熱作用。紅外線與可見光、紫外線、X射線、γ射線和微波等無線電磁波一起，構成了一個無限連續(xù)的電磁波波譜，熱紅外成像系統(tǒng)利用目標與環(huán)境之間由于溫度輻射及發(fā)射率的差異所產(chǎn)生的不同的熱對比度，探測紅外輻射能量密度分布并加以顯示。在各種熱紅外成像場合中，通常需要檢測的是與物體自身輻射以及物體表面溫度分布有關的信息。這種檢測方式不需要任何形式的人工照明，因此經(jīng)常被稱為被動成像。

在狀態(tài)檢測和數(shù)據(jù)獲取方面，熱紅外成像系統(tǒng)具有以下優(yōu)勢：1) 紅外成像屬于非接觸式檢測，可以獲取較遠距離的目標信息，實現(xiàn)較大范圍的監(jiān)測；2)可以將探測的數(shù)據(jù)精確量化，測量精度通常在±2℃以內(nèi)，溫度分辨率在0.01℃級別；3)智能化程度高，可以實現(xiàn)無人值守情況下的長時間持續(xù)運行；4)依靠物體自身輻射工作，不需要輔助信號源，不會對人體產(chǎn)生輻射；5）紅外線透過霧、霾的能力比可見光強，因此熱紅外成像具備一定程度的全天時、全天候工作能力；6) 目前有很多堅實、輕巧、易于攜帶和部署的熱紅外成像設備。目前，熱紅外成像設備在軍事和民用方面都有廣泛的應用。隨著熱紅外成像技術的成熟，出現(xiàn)了很多低成本適用于民用的紅外熱像儀，這些設備均可以應用于本發(fā)明中所提出的人員識別。

如前所述，不同人的呼吸存在個體差異。這種個體差異的一個體現(xiàn)為，不同人的呼吸過程中鼻子的狀態(tài)的變化具有不同特性。在使用熱紅外成像設備觀察時，可以在鼻孔部位看到若干狀態(tài)的周期性更替。紅外圖像中鼻孔區(qū)域的周期性的變化過程包括：第一階段，人體的胸腔擴張，吸氣過程開始，外界空氣進入鼻腔。由于外界的空氣的溫度較低，因此這個過程將使鼻腔內(nèi)的溫度降低。在熱紅外圖像中，表現(xiàn)為鼻孔部位持續(xù)變暗，暗區(qū)域的面積增大，這種變化一直持續(xù)到胸腔擴張到最大時停止（此時吸氣停止）；第二階段，胸腔收縮，呼氣過程開始，氣體由人的肺部經(jīng)由鼻子流出人體，由于這些氣體的溫度較高，因此使鼻腔內(nèi)的溫度上升，在熱紅外圖像中，表現(xiàn)為鼻孔部位持續(xù)變亮，暗區(qū)域的面積減小，這種變化一直持續(xù)到胸腔收縮到最小時停止（此時呼氣停止）。上述的在呼吸活動中的鼻孔區(qū)域變化過程，對于不同人而言存在相似性。但是由于人的呼吸存在個體差異，因此上述的變化又具有因人而異的特性。

為了描述在熱紅外圖像中的鼻孔區(qū)域的變化，可以將鼻孔的演變過程歸納為若干種典型狀態(tài)，每種典型狀態(tài)稱為一種呼吸形位，每種呼吸形位對應于鼻孔區(qū)域的一種圖像狀態(tài)（溫度分布）。在一個呼吸周期中，鼻孔區(qū)域的圖像依次出現(xiàn)若干種不同的狀態(tài)，而每種狀態(tài)都對應于一個特殊的呼吸形位。例如，當熱紅外圖像中鼻孔部位最暗（表示鼻腔內(nèi)溫度最低，吸氣剛停止）時，對應著“吸氣停止”形位。當鼻孔部位最亮（表示鼻腔內(nèi)溫度最高，呼氣剛停止）時，對應著“呼氣停止”形位。除了“吸氣停止”、“呼氣停止”形位之外，一個人的呼吸中還包含多種不同的呼吸形位?？梢詫⒁粋€人的所有的呼吸周期都看作由類似于上述的“吸氣停止”、“呼氣停止”形位的多種不同的呼吸形位組成。而在不同的呼吸周期中，存在的是同一種呼吸形位的不同實例。在一個呼吸周期中，不同呼吸形位的實例以固定的順序依次出現(xiàn)。不同人的呼吸周期中所包含的呼吸形位的數(shù)量是相同的，反映了不同人的呼吸活動中的相似的成分。同時，不同的人的同一種呼吸形位具有不同的統(tǒng)計特征，這反映了不同人的呼吸活動中的因人而異的成分。

另外，即使是同一個人的同一種呼吸形位的不同實例，它們之間也通常存在若干細微區(qū)別，不同特性的實例出現(xiàn)的概率也不同，為了更加精細地考察一個人的呼吸活動，需要將同一種呼吸形位的實例進一步細分，這樣的細分被稱為子呼吸形位。與呼吸形位相似，不同人的同一種呼吸形位中的子呼吸形位的數(shù)量是一樣的，但是不同人的同一種呼吸形位中的子呼吸形位的特性參數(shù)不同。

如上所述，由于人的呼吸存在個體差異，因此在熱紅外圖像中鼻孔區(qū)域的動態(tài)變化也表現(xiàn)出因人而異的特性。在這些因人而異的動態(tài)變化特性中，存在著對一個人而言較穩(wěn)定的呼吸特征，此處將其稱為動態(tài)呼吸特征參數(shù)，以區(qū)別于前述的靜態(tài)呼吸特征參數(shù)。這些動態(tài)呼吸特征的穩(wěn)定性表現(xiàn)在，它們不受外界條件、主體的生理狀態(tài)，以及具體呼吸模式的影響。動態(tài)呼吸特征是在一個人員的多個呼吸周期中表現(xiàn)出來的，且與該人員的呼吸形位和子呼吸形位在多個呼吸周期中的統(tǒng)計特征具有內(nèi)在的關系。通過考察該人員在多個呼吸周期中的呼吸形位和子呼吸形位的統(tǒng)計特征，可以獲得獨立于呼吸周期的動態(tài)呼吸特征參數(shù)。

本方法是基于呼吸特征參數(shù)來識別不同人員的，因此提取呼吸特征參數(shù)是一個很重要的過程。提取呼吸特征參數(shù)的過程包含如下步驟：獲取被識別人的呼吸數(shù)據(jù)樣本；根據(jù)呼吸數(shù)據(jù)樣本得到靜態(tài)呼吸特征向量和動態(tài)呼吸特征向量；生成呼吸主形位聚類和子呼吸形位聚類；生成用于識別該人員的呼吸特征參數(shù)。下面將對這個過程進行詳細描述。

為了提取一個人的呼吸特征參數(shù)，首先需要捕捉該人員的呼吸數(shù)據(jù)樣本。一個呼吸數(shù)據(jù)樣本是由呼吸記錄裝置捕捉的一組呼吸數(shù)據(jù)幀。這些呼吸數(shù)據(jù)幀對應于一個人的連續(xù)多個呼吸周期，可以用于提取該人員的呼吸特征參數(shù)。在本實施例中，某個人的原始的呼吸數(shù)據(jù)是由某種形式的熱紅外成像設備得到的，數(shù)據(jù)的形式為鼻孔部位的溫度分布。此處用于獲取呼吸數(shù)據(jù)的設備可以有多種形式，統(tǒng)稱為呼吸記錄裝置。所獲得的呼吸數(shù)據(jù)是在各個采樣時刻的鼻子區(qū)域的熱紅外圖像，稱為呼吸數(shù)據(jù)幀。后文將對呼吸記錄裝置和呼吸數(shù)據(jù)幀進行詳細說明。在進行特定人員登記時，可能需要捕捉該人員的多個呼吸數(shù)據(jù)樣本，并對每個樣本施行提取呼吸特征參數(shù)的處理，以降低單獨一個呼吸數(shù)據(jù)樣本的隨機性。另外，在進行人員登記時，可能需要捕捉被登記人員以不同模式呼吸時的多個呼吸數(shù)據(jù)樣本，并提取出該人員在不同呼吸模式下所共有的呼吸特征參數(shù)，以降低日后識別時對于呼吸模式的依賴。

此后，對該人員的呼吸數(shù)據(jù)樣本進行處理。數(shù)據(jù)處理過程可能涉及到同一個人員的一個或多個呼吸數(shù)據(jù)樣本。同時處理同一個人員的多個呼吸數(shù)據(jù)樣本，將改善對于該人員的識別性能，因為這將提取出多組呼吸特征參數(shù)，而多組呼吸特征參數(shù)可以更加完整準確地反映該人員的呼吸特征。但是，即使是只有一個呼吸數(shù)據(jù)樣本，本系統(tǒng)也仍然能夠完成人員的登記或識別。另外，對于單獨一個呼吸數(shù)據(jù)樣本的處理，是對多個呼吸數(shù)據(jù)樣本進行處理的基礎。因此，這里將重點介紹在只有一個呼吸數(shù)據(jù)樣本時的處理。

對于來自某個人員的一個呼吸數(shù)據(jù)樣本，為其中每個呼吸數(shù)據(jù)幀提取一個靜態(tài)呼吸參數(shù)向量和一個動態(tài)呼吸參數(shù)向量。所得到的每個靜態(tài)呼吸參數(shù)向量包含多個靜態(tài)呼吸參數(shù)，每個動態(tài)呼吸參數(shù)向量包含多個動態(tài)呼吸參數(shù)。在一個例子中，上述的靜態(tài)呼吸參數(shù)可能包括：左側鼻翼的溫度、右側鼻翼的溫度、左側鼻唇溝的溫度、右側鼻唇溝的溫度、鼻小柱的溫度、鼻尖的溫度、鼻梁下半部分的溫度、當前環(huán)境的空氣溫度等。上述的動態(tài)呼吸參數(shù)可能包括但不限于：左鼻孔出現(xiàn)溫度最低值（或最高值）的頻率、左鼻孔的最低溫度、左鼻孔的最高溫度、右鼻孔出現(xiàn)溫度最低值（或最高值）的頻率、右鼻孔的最低溫度、右鼻孔的最高溫度、左鼻孔的最大低溫區(qū)域的緊密度（圓度）、右鼻孔的最大低溫區(qū)域的緊密度（圓度）、左鼻孔低溫區(qū)域（最大時的）寬度與鼻小柱寬度之比、右鼻孔低溫區(qū)域（最大時的）寬度與鼻小柱寬度之比、左右兩側鼻孔達到最高溫度（最低溫度）的時間差等。在一個呼吸數(shù)據(jù)樣本中，所有靜態(tài)呼吸參數(shù)向量和動態(tài)呼吸參數(shù)向量的分布呈現(xiàn)出一定的隨機性，可以看作是在高維空間中的具有一定概率分布特性的點云。

此后，基于某個預定的聚類方法，對該呼吸數(shù)據(jù)樣本的所有動態(tài)呼吸參數(shù)向量進行聚類分析，形成多個呼吸形位聚類，其中每個呼吸形位聚類對應于預定要識別的一個呼吸形位。如前所述，一個呼吸形位代表著鼻孔部位的熱紅外圖像的一種特殊的狀態(tài)，進而反映呼吸周期中的一個特定階段。通過對一個呼吸數(shù)據(jù)樣本中的所有動態(tài)呼吸參數(shù)向量進行聚類分析，可以實現(xiàn)對呼吸特征的概括，并從中提取出該人員的呼吸的固有特征。聚類完成后，所有的動態(tài)呼吸參數(shù)向量被劃分成若干個預定義的呼吸形位聚類。這些呼吸形位互不交叉，即每個動態(tài)呼吸參數(shù)向量都屬于且只屬于一種呼吸形位聚類。呼吸形位的劃分，提供了一個對呼吸的動態(tài)過程的基本描述。

如前所述，一個呼吸形位可能由多個子呼吸形位組成。因此，對屬于一個呼吸數(shù)據(jù)樣本中的所有呼吸形位聚類都進行如下操作：基于一個預定的聚類方法，對每個呼吸形位聚類中的所有動態(tài)呼吸參數(shù)向量再次進行聚類分析，形成多個子呼吸形位聚類，其中每個子呼吸形位聚類對應于預定要識別的一個子呼吸形位。這樣，屬于某種呼吸形位的一個動態(tài)呼吸參數(shù)向量，進一步屬于某個子呼吸形位。將每種呼吸形位細分為子呼吸形位后，得到對人員呼吸的特征的更加精細的描述。對于上述的呼吸形位聚類，取下方中間的一個呼吸形位聚類并做進一步聚類分析，得到若干的子呼吸形位聚類。

此后，基于呼吸形位和子呼吸形位的統(tǒng)計特征，確定待識別人員的一組呼吸特征參數(shù)。該組呼吸特征參數(shù)包含如下指標：每個子呼吸形位聚類所包含的所有動態(tài)呼吸參數(shù)向量的中心，以及每個呼吸形位聚類所包含的所有靜態(tài)呼吸參數(shù)向量的均值。以這種方式得到的呼吸特征參數(shù)是因人而異的，且對同一個人而言具有內(nèi)在的穩(wěn)定性。

在本實施例中，完整的人員識別過程分為登記和識別兩個階段。這兩個階段分別是在系統(tǒng)中增加新的人員信息，以及將待識別人員的呼吸特征參數(shù)與系統(tǒng)中已有信息進行對比的過程。

在登記階段，系統(tǒng)按照上述的流程采集某個人員的一個或多個呼吸數(shù)據(jù)樣本，然后從中提取對應的呼吸特征參數(shù)，進而基于這些呼吸特征參數(shù)生成該人員的模型。模型即呼吸特征的某種形式的表示。根據(jù)系統(tǒng)采用的識別方式不同，系統(tǒng)中的模型可能是顯式的或隱式的。相應地，系統(tǒng)的模型庫也可能是顯式的或隱式的（系統(tǒng)中多個被登記人員的模型構成模型庫）。顯式模型和隱式模型相比，在保持相同的響應速度時，顯式模型要求的計算能力要遠大于隱式模型，因此本系統(tǒng)更傾斜于采用隱式的識別方式。一種隱式的識別方式為使用某個分類器（例如一個基于神經(jīng)網(wǎng)絡的分類器，屬于計算機科學中的公知技術，參見[模式分類].(美)Richard O.Duda等著,李宏東等譯.2003.機械工業(yè)出版社.p230-p283）來識別實時采集的呼吸特征參數(shù)。此時，一個人的模型可能體現(xiàn)為分類器的一組權值，設置了該組權值的分類器，能在身份正確時給出很高的輸出值，而在身份錯誤時給出低的輸出值。上述權值可能是通過使用屬于多個人的多組呼吸特征參數(shù)對該分類器加以訓練得到的，其中每個人至少有一組呼吸特征參數(shù)。訓練過程可能涉及到新加入的呼吸特征參數(shù)，以及系統(tǒng)中已有的呼吸特征參數(shù)。訓練的目標是使分類器對于來自不同人員的呼吸特征參數(shù)具有良好的區(qū)分能力，例如對于來自人員A的呼吸特征參數(shù)，分類器將在人員A的類別處給出較高的輸出值，在人員B處給出較低的輸出值，而對于來自人員B的呼吸特征參數(shù)，分類器則給出正好相反的結果。訓練的過程可能涉及到各種方法，例如基礎的反向傳播算法、徑向基函數(shù)、匹配濾波器、深度學習等。訓練好的分類器將用于在日后識別該人員。

在登記階段，為了改善識別效果，有時需要使用屬于同一個人員的多組呼吸特征參數(shù)來訓練上述的分類器。其原因在于，由于噪聲的存在，即使是由同一個呼吸記錄裝置所獲得的同一個人的不同的呼吸數(shù)據(jù)樣本，所獲得的呼吸特征參數(shù)也可能存在一定的差異。這樣的差異可能降低人員識別的性能。而（根據(jù)來自同一個人的多個呼吸數(shù)據(jù)樣本得到的）多組呼吸特征參數(shù)則更加準確完整地反映一個人的本質(zhì)的呼吸特征，以這樣的多組呼吸特征參數(shù)來完成上述的分類器訓練，可以減弱噪聲的影響，得到充分反映一個人的個性呼吸特征的模型。

系統(tǒng)的識別過程包含如下步驟：采集待識別人員的一個呼吸數(shù)據(jù)樣本，并基于該呼吸數(shù)據(jù)樣本提取該人員的呼吸特征參數(shù)；將新獲得的呼吸特征參數(shù)與系統(tǒng)中已有的模型（一般是多個）進行對比，得到對應于每個模型的定量化的符合程度；然后基于這些符合程度，由某個決策邏輯進行判決分析，決定被識別人員的身份。判決分析的基本原則，是計算結果中符合程度高的模型，更可能是真實的身份。當使用分類器進行識別時，首先將來自某個人員的呼吸特征參數(shù)輸入已經(jīng)訓練好的分類器，該分類器對系統(tǒng)中已有的人員身份都產(chǎn)生一個定量化的響應值，并且對應正確人員身份的響應值，要高于對其他身份的響應值。

這里的識別具有鑒別和確認兩種形式：鑒別是指在對被識別人的身份沒有任何假設的情況下識別其身份，這種識別方式需要檢查新獲得的呼吸特征參數(shù)與系統(tǒng)中所有模型的符合情況，并以符合程度最高的模型為鑒別結果。而確認則是指先由要識別的人員做身份聲明，然后系統(tǒng)獲取該人員的呼吸特征參數(shù)，并檢查其與所聲稱的模型的符合情況，如果符合程度高于某個閾值，則認為該人員具有所聲稱的身份。通常而言，鑒別對識別系統(tǒng)的要求較高。

在識別中，系統(tǒng)的決策根據(jù)系統(tǒng)進行的測試種類而有所不同：在閉集測試中，被識別人員一定是已經(jīng)在系統(tǒng)中登記，即系統(tǒng)默認不會有冒名者，只需要找出模型庫中與當前人最相似的人作為識別的結果；而在開集測試中，說話人可能未在系統(tǒng)中登記，即不排除有人冒名的可能性，系統(tǒng)不僅要找出模型庫中與之最相似的人，還要考察這個相似程度，以判斷說話人是否是冒名者。

本實施例中的基于呼吸的人員識別方法具有如下優(yōu)點：一個人的呼吸特征參數(shù)反映的是一個人的呼吸的本質(zhì)特征，這些特征獨立于具體的呼吸模式，且不隨外界環(huán)境和該人員的暫時性生理反應而變化，因此本識別方法的魯棒性強。另外，在本系統(tǒng)中，人員的呼吸狀態(tài)是基于鼻子部位的熱紅外圖像獲得的，而采集熱紅外圖像無需人與設備的直接接觸，可以在相對較遠的距離進行，因此識別過程對于被識別人的干擾較小。

本實施例中的人員識別系統(tǒng)可以基于不同的計算設備（任意數(shù)量）、傳輸環(huán)境和/或配置實現(xiàn)。其中的計算設備可以是筆記本電腦、桌面電腦、工作站、大型機、服務器、平板電腦、智能手機、智能家電等。系統(tǒng)根據(jù)人員的呼吸特征，對其進行識別。

系統(tǒng)中包括一個呼吸記錄裝置。對于處于其視野中的人員，呼吸記錄裝置捕捉其一個或多個呼吸數(shù)據(jù)樣本。其中每個呼吸數(shù)據(jù)樣本都包含一定數(shù)量的呼吸數(shù)據(jù)幀，涵蓋一個人員在連續(xù)多個呼吸周期中的鼻子部位的溫度變化過程。由呼吸記錄裝置捕捉的呼吸數(shù)據(jù)樣本，將由系統(tǒng)進行處理。這里所說的呼吸記錄裝置可以有多種實現(xiàn)方式，但不同實現(xiàn)方式所得到的結果是一樣的，得到呼吸數(shù)據(jù)幀。

上述呼吸記錄裝置的第一個實現(xiàn)，為一臺熱紅外成像設備。由該設備采集位于其正前方的一個靜止的人員的呼吸數(shù)據(jù)，進而識別該人員。通過調(diào)整該熱紅外成像設備的位置、朝向和焦距，可以使其以預定的角度捕捉到該人員的鼻子，且使得圖像中的鼻子具有較高的分辨率。識別的過程包含如下步驟：第一步，由某種初始化裝置和/或電腦中的初始化例程，啟動該熱紅外成像裝置的連續(xù)圖像采集，所采集的圖像中包含了待識別人員的鼻子。該初始化裝置或例程具備低耗電或CPU占用率低的特征，可以持續(xù)不間斷地運行；第二步，在所有熱紅外圖像中，確定人員的鼻子區(qū)域，并將圖像裁剪到該區(qū)域，裁剪后的熱紅外圖像即為上述的呼吸數(shù)據(jù)幀。此后，按照前述的方法，對該人員的所有呼吸數(shù)據(jù)幀進行處理，最終得到該人員的一組呼吸特征參數(shù)，并基于這些特征參數(shù)完成人員識別。

在熱紅外圖像中定位鼻子，以及將圖像裁剪到該區(qū)域的過程，是依靠計算機自動完成的?；镜牟僮魇谴_定鼻子的狀態(tài)（位置、大小、朝向等），這可以使用計算機視覺中的目標跟蹤技術實現(xiàn)，目標跟蹤是計算機視覺領域中的一種基礎技術。在熱紅外圖像中跟蹤鼻子的過程包含如下步驟：第一步，在第一幀熱紅外圖像中，手動或自動檢測到鼻子。對于自動檢測鼻子的情況中，系統(tǒng)事先獲取大量不同人員的鼻子的熱紅外圖像的樣本，并從這些樣本中提取出鼻子的一般性特征，進而實現(xiàn)基于該一般性特征的鼻子檢測。這里所說的一般性特征，可以是外觀結構特征，如鼻孔處的兩個近似圓形、鼻翼處的半圓形暗塊等，也可以是其他任何合適的特征。第二步，以在第一幀圖像中檢測到的鼻子的狀態(tài)作為初始狀態(tài)，獲取鼻子的特征，構造鼻子的描述模型。這里的特征可以是全局特征（例如目標模型、統(tǒng)計直方圖、輪廓等，也可以是局部特征（如角點、邊緣、Harr特征等）。第三步，在后續(xù)的圖像中，利用鼻子的描述模型，采用某種方法，如統(tǒng)計濾波或密度估計，來估計鼻子的當前狀態(tài)，同時利用鼻子的當前狀態(tài)更新目標模型。如果跟蹤過程中鼻子丟失了，則利用檢測結果重新定義跟蹤的初始狀態(tài)。在確定各個時刻鼻子的狀態(tài)的基礎上，由計算機自動對熱紅外圖像進行裁剪，得到合格的呼吸數(shù)據(jù)幀。

在一個實現(xiàn)中，上述人員識別系統(tǒng)包括一個呼吸建模器和一個識別器。系統(tǒng)從呼吸記錄裝置接收人員的若干個呼吸數(shù)據(jù)樣本，其中每個呼吸數(shù)據(jù)樣本都包含一定數(shù)量的呼吸數(shù)據(jù)幀，涵蓋一個人員在連續(xù)多個呼吸周期中的鼻子部位的溫度變化過程。每個這樣的呼吸數(shù)據(jù)樣本都將被提供給呼吸建模器，由呼吸建模器對其進行處理。如前所述，對于每個呼吸數(shù)據(jù)樣本，呼吸建模器將依次完成：呼吸參數(shù)向量提取；呼吸形位聚類和子呼吸形位聚類；動態(tài)呼吸特征參數(shù)和靜態(tài)呼吸特征參數(shù)提取等步驟，最終得到一組呼吸特征參數(shù)。對應所有呼吸數(shù)據(jù)樣本的呼吸特征參數(shù)最終將提供給識別器。識別器主要有兩個功能：在登記階段，使用上述若干組呼吸特征參數(shù)來訓練一個分類器，使該分類器具備對已登記人員的良好區(qū)分能力；在識別階段，使用該分類器進行人員識別。

在一個實現(xiàn)中，系統(tǒng)包含處理器。處理器可能是一個或多個微處理器、微機、微控制器、數(shù)字信號處理器、中央處理單元、狀態(tài)機、邏輯電路、和/或任何基于操作指令來操作信號的設備。處理器可以獲取存儲在存儲器中的軟件指令，并執(zhí)行這些指令。

系統(tǒng)包括接口。這里的接口可以是各種基于軟件指令的接口或基于硬件的接口。使用這些接口，系統(tǒng)可以與其他設備（服務器、數(shù)據(jù)源和外部數(shù)據(jù)倉庫等）進行通信。此外，系統(tǒng)可以通過一個通信網(wǎng)絡與其他通信設備通信。

系統(tǒng)包含一個存儲器。存儲器可以連接到處理器。存儲器可以是任何計算機可讀介質(zhì)，包括易失性存儲器和/或非易失性存儲器：前者如靜態(tài)隨機存取存儲器(SRAM)和動態(tài)隨機存取存儲器(DRAM)；后者如只讀存儲器(ROM)、可擦只讀存儲器(EROM)、可擦可編程只讀存儲器、閃存、硬盤、光盤、磁帶等。

系統(tǒng)包括模塊和數(shù)據(jù)。模塊和數(shù)據(jù)，可能被連接到處理器。模塊中可能包括用于執(zhí)行特定任務或?qū)崿F(xiàn)特定的數(shù)據(jù)類型的各種例程、程序、對象、組件、數(shù)據(jù)結構。模塊可能基于各種硬件來實現(xiàn)，這些硬件可能包括：信號處理器、狀態(tài)機、邏輯電路，以及任何根據(jù)操作指令操作數(shù)據(jù)的設備或組件。數(shù)據(jù)用來存儲由模塊所獲取、接收或生成的數(shù)據(jù)。

模塊可以是硬件，也可以是一組軟件指令，或者是硬件和軟件的組合。對于模塊是硬件的情況，模塊被實現(xiàn)為若干計算機、處理器、狀態(tài)機、邏輯陣列等設備或器件。在模塊是軟件指令的情況中，模塊是一組由某個處理單元執(zhí)行的一組指令，當該處理單元執(zhí)行這些指令時，會執(zhí)行任何所需的功能。上述的軟件指令可能存儲在各種存儲設備中。另外根據(jù)需要，軟件指令可以通過網(wǎng)絡下載。

在一個實現(xiàn)中，模塊包括特征提取器、呼吸建模器、識別器和其他模塊。這些模塊均由系統(tǒng)執(zhí)行。數(shù)據(jù)模塊包括呼吸數(shù)據(jù)、提取出的特征數(shù)據(jù)、聚類數(shù)據(jù)、分類器數(shù)據(jù)，以及其他數(shù)據(jù)。這些數(shù)據(jù)模塊都用于存儲來自模塊的數(shù)據(jù)。

下面將描述系統(tǒng)對人員的識別過程，這個識別過程的核心是對呼吸形位和子呼吸形位的聚類分析，以及進而提取出動態(tài)呼吸特征參數(shù)和靜態(tài)呼吸特征參數(shù)。

如前所述，對于在呼吸記錄裝置的視野中的人員，呼吸記錄裝置將捕捉其若干數(shù)量的呼吸數(shù)據(jù)樣本。這樣的每個樣本均包含一定數(shù)量的多個呼吸數(shù)據(jù)幀，涵蓋了一個人的連續(xù)多個呼吸周期。這些呼吸數(shù)據(jù)樣本將被發(fā)送給系統(tǒng)。在一個例子中，呼吸記錄裝置對人員進行數(shù)據(jù)捕捉并生成一個呼吸數(shù)據(jù)樣本并提供給系統(tǒng)，該樣本中包含3000個呼吸數(shù)據(jù)幀。這些呼吸數(shù)據(jù)幀可以表示為f1、f2、f3、…、f3000。由系統(tǒng)將對這些呼吸數(shù)據(jù)幀作進一步的處理。

在系統(tǒng)收到該呼吸數(shù)據(jù)樣本后，特征提取器212將對該樣本中所有的呼吸數(shù)據(jù)幀進行處理，從每個呼吸數(shù)據(jù)幀中提取一個靜態(tài)呼吸參數(shù)向量和一個動態(tài)呼吸參數(shù)向量。每一幀中的靜態(tài)呼吸參數(shù)向量包含多個靜態(tài)呼吸參數(shù)，動態(tài)呼吸參數(shù)向量包含多個動態(tài)呼吸參數(shù)。鼻子溫度數(shù)據(jù)、靜態(tài)呼吸參數(shù)向量、動態(tài)呼吸參數(shù)向量，分別被存儲在鼻子溫度及呼吸參數(shù)數(shù)據(jù)216中。

在一個例子中，一個靜態(tài)呼吸參數(shù)向量包含個靜態(tài)呼吸參數(shù)，記為[ds1 … ds12]；一個動態(tài)呼吸參數(shù)向量包含14個動態(tài)呼吸參數(shù)，記為[df1 … df14]。這樣，對于上述的樣本中的3000個呼吸數(shù)據(jù)幀（從f1到f3000），有3000個靜態(tài)呼吸參數(shù)向量和3000個動態(tài)呼吸參數(shù)向量?？梢詫⑺械倪@些靜態(tài)呼吸參數(shù)向量和動態(tài)呼吸參數(shù)向量表示為一個二維矩陣，其秩為[3000 x(14 + 12)]。

下面介紹呼吸形位和子呼吸形位的建模過程。由呼吸建模器對由呼吸數(shù)據(jù)樣本所得到的所有動態(tài)呼吸參數(shù)向量進行聚類分析，形成多個呼吸形位聚類，其中的呼吸形位聚類的數(shù)量的可能范圍是從2到10。

在一個例子中，需要識別的呼吸形位的數(shù)量是3。呼吸建模器，對于f1到f3000幀的所有動態(tài)呼吸參數(shù)向量，執(zhí)行K均值聚類算法，創(chuàng)建3個聚類。對于多維空間中的所有的動態(tài)呼吸參數(shù)向量，呼吸建模器110隨機選擇三個動態(tài)呼吸參數(shù)向量（VA、VB、VC）作為初始聚類中心，并計算其他動態(tài)呼吸參數(shù)向量與VA、VB、VC的歐氏距離D(Vi,VA)、D(Vi,VB)、D(Vi,VC)，其計算方法為D(Vi,V’k)=(Σ(Vij-V’kj)^2)^0.5，其中Vi表示待分類的某個動態(tài)呼吸參數(shù)向量(i=1,…3000)，V’k為某個初始聚類中心(k=1,2,3)，Vij表示Vi的第j個維度的分量(j=1,…14)，V’kj表示V’k的第j個維度的分量(j=1,…14)。所有的歐氏距離計算完畢后，圍繞三個初始聚類中心創(chuàng)建聚類，即對于每個待分類的動態(tài)呼吸參數(shù)向量Vi，尋找與其距離最近的初始聚類中心，并將Vi劃分為屬于該初始聚類中心對應的類。在初始的劃分完成后，所有的動態(tài)呼吸參數(shù)向量被分為三個聚類。此后，呼吸建模器110計算每個聚類的所有動態(tài)呼吸特征向量的均值中心Mk，其計算方法為Mk=(ΣVi)/Nk，其中Vi為第k個聚類中所含有的某個動態(tài)呼吸參數(shù)向量(i=1,…Nk)，Nk為第k個聚類中的動態(tài)呼吸參數(shù)向量的總數(shù)(k=1,2,3)。三個初始聚類中心V’k，被替換為計算出的三個均值。在修改了聚類中心之后，呼吸建模器110圍繞三個修改后的聚類中心再次創(chuàng)建聚類。按照上述方式，呼吸建模器110不斷修改三個聚類中心，并圍繞修改后的聚類中心創(chuàng)建修改后的聚類，直到聚類中心不再改變?yōu)橹?。以此方法將得到三個聚類，每個聚類對應一個可以識別出來的呼吸形位。同時，每個聚類中都含有若干個點，這些點都代表著被分開的動態(tài)呼吸參數(shù)向量。

為了更精細的描述人員104的呼吸情況，進一步由呼吸建模器對每個呼吸形位聚類再次進行聚類分析，最終在每個呼吸形位聚類中形成多個子呼吸形位聚類。在一個實現(xiàn)中，子呼吸形位的數(shù)量的可能范圍是從2到10。

在一個例子中，要識別的子呼吸形位的數(shù)量是8。對于每個呼吸形位聚類，呼吸建模器都對其中的動態(tài)呼吸參數(shù)向量執(zhí)行 K均值聚類算法，以創(chuàng)建8個子聚類。這樣，對于3個呼吸形位聚類，共得到24個子呼吸形位聚類。所得到的每個子聚類，都對應于一個可以在某個呼吸形位中識別出來的子呼吸形位。同時，每個子聚類中都包含了一定數(shù)量的動態(tài)呼吸參數(shù)向量。

上述的呼吸形位聚類和子呼吸形位聚類過程可以使用任何聚類方法，包括但不限于：K均值聚類方法、模糊C均值聚類方法。與上述呼吸形位聚類和子呼吸形位聚類相關的數(shù)據(jù)，被存儲在聚類數(shù)據(jù)中。

在創(chuàng)建了聚類和和子聚類之后，由呼吸建模器確定待識別人員的一組呼吸特征參數(shù)。其具體方法為：對于上述的每個子呼吸形位聚類，計算其包含的所有動態(tài)呼吸參數(shù)向量的中心。一個子呼吸形位聚類的中心，可以表示成一個14維的向量，設為VDij，其中i為該向量所屬的呼吸形位聚類的編號，j為該向量所屬子呼吸形位聚類在本呼吸形位聚類的編號。因此，如果一個呼吸形位聚類中有8個子呼吸形位聚類，則這些子呼吸形位聚類的中心，可以表示成一個[8 x 14]的二維矩陣，設為WDi，其中i為該呼吸形位聚類的編號。WDi由8個向量組成，即[VDi1 VDi2 … VDi8]，WDi即為對應第i個呼吸形位的動態(tài)呼吸特征參數(shù)。另外，由呼吸建模器計算每個呼吸形位聚類中的靜態(tài)呼吸參數(shù)向量的均值。對于每個呼吸形位聚類，其均值可以表示成一個12維的向量，設為VSi，其中i為該呼吸形位聚類的編號。VSi即為對應第i個呼吸形位的靜態(tài)呼吸特征參數(shù)。為每個呼吸形位聚類計算這個均值，然后將其附加到該聚類的動態(tài)呼吸參數(shù)向量VDi中。這給出對應于每個呼吸形位聚類的數(shù)據(jù)集，它可以表示為一個二維矩陣，設為Wi，其中i為該呼吸形位聚類的編號。可知Wi的秩為[8x(14 + 12)]。進一步，假設一個人員有3個呼吸形位聚類，則該人員的完整的呼吸數(shù)據(jù)集可以表示成一個二維矩陣，其秩為[3 x 8 x(14 + 12)]，即[24 x 26]。這個數(shù)據(jù)集包含了對應該呼吸數(shù)據(jù)樣本的動態(tài)呼吸特征參數(shù)和靜態(tài)呼吸特征參數(shù)，稱為呼吸特征參數(shù)。一般來說，一組完整的呼吸特征參數(shù)可以表示成一個二維矩陣，其秩為[(要被識別的呼吸形位的數(shù)量)x(在一個呼吸形位中要被識別的子呼吸形位數(shù)量)x(靜態(tài)呼吸參數(shù)向量中的參數(shù)總數(shù)+動態(tài)呼吸參數(shù)向量中的參數(shù)總數(shù))]。與呼吸特征數(shù)據(jù)相關的數(shù)據(jù)，被存儲在特征分類器數(shù)據(jù)中。

綜上所述，呼吸建模器110獲取呼吸特征參數(shù)的方法包括：對于由特征提取器提供的動態(tài)呼吸參數(shù)向量進行聚類分析，創(chuàng)建預定數(shù)量的呼吸形位聚類；針對每個呼吸形位聚類，對于其中的所有動態(tài)呼吸參數(shù)向量再次進行聚類分析，形成預定數(shù)量的子呼吸形位聚類；為該呼吸數(shù)據(jù)樣本計算如下指標，來確定對應該樣本的呼吸特征參數(shù)：每個子呼吸形位聚類的所有動態(tài)呼吸參數(shù)向量的中心（用于生成動態(tài)呼吸特征參數(shù)），以及每個呼吸形位聚類中的靜態(tài)呼吸參數(shù)向量的均值（用于生成靜態(tài)呼吸特征參數(shù)）。如前所述，一個完整的呼吸特征參數(shù)是一個二維矩陣，其秩為[(要被識別的呼吸形位的數(shù)量)x(在每個呼吸呼吸形位中要被識別的子呼吸形位數(shù)量)x(靜態(tài)呼吸參數(shù)向量中的參數(shù)總數(shù)+動態(tài)呼吸參數(shù)向量中的參數(shù)總數(shù))]。

上述的實現(xiàn)呼吸形位聚類和子呼吸形位聚類的方法，可能是K均值聚類方法、模糊C均值聚類方法，或任何其他聚類方法。

通過對一個待識別人員重復上述的采集呼吸數(shù)據(jù)樣本—提取呼吸參數(shù)向量—聚類分析—提取呼吸特征參數(shù)的過程，可以獲得該人員的多組呼吸特征參數(shù)，它們都反映了該人員的個性呼吸特征。提取多組呼吸特征參數(shù)的意義在于：任何數(shù)據(jù)采集過程都無法完全避免噪聲的影響，本系統(tǒng)的獲取呼吸特征參數(shù)的過程也不例外。如果只依靠一個人的單獨一組呼吸特征參數(shù)來生成用于表征某個人員的模型，則模型中呼吸特征參數(shù)生成過程中的噪聲的影響可能比較明顯，而依靠一個人的多組呼吸特征參數(shù)來生成該人員的模型的話，則生成的模型能更好地消除噪聲和偶然因素，具有更好的代表性和穩(wěn)定性，進而提升識別系統(tǒng)的性能。

在呼吸建模器為一個待識別的人員確定了一組或多組呼吸特征參數(shù)之后，由識別器112基于這些呼吸特征參數(shù)訓練一個分類器，以使該分類器對已登記的人員具備良好的區(qū)分能力。完成訓練即意味著完成了對該人員的登記，此后識別器可以使用該分類器來實時的識別該人員。該分類器可能包括一個有監(jiān)督學習算法，如支持向量機(SVM)分類器、貝葉斯估計、決策樹、神經(jīng)網(wǎng)絡等。對于多個人員的登記，按照上述流程依次進行。

一旦完成了對一個人員的登記，系統(tǒng)可以在之后任何時間對其進行識別。本系統(tǒng)中人員的現(xiàn)場實時識別是由識別器112（根據(jù)待識別人員的呼吸特征參數(shù)）進行的。提取待識別人員呼吸特征參數(shù)的過程包括如下步驟：由呼吸記錄裝置記錄待識別人員的一個呼吸數(shù)據(jù)樣本；由特征提取器212提取該呼吸數(shù)據(jù)樣本的靜態(tài)呼吸參數(shù)和動態(tài)呼吸參數(shù)；由呼吸建模器110獲取該呼吸數(shù)據(jù)樣本的一組呼吸特征參數(shù)；最后將這組呼吸特征參數(shù)輸入識別器112，由其來計算提取到的呼吸特征參數(shù)與數(shù)據(jù)庫中各個已有模型的符合程度。

本發(fā)明的一個應用場景為對車輛司機的自動識別。具體實施辦法為：在汽車的特定位置（例如擋風玻璃的下方）安裝有若干個熱紅外成像設備，作為呼吸記錄裝置。通過事先調(diào)整上述一個（或多個）熱紅外成像設備的位置和焦距，使得該熱紅外成像裝置能夠采集到正站立于車前方特定位置的人的鼻子部位。識別系統(tǒng)中的處理器中存在一個初始化例程，該初始化例程可能是基于上述的熱紅外成像設備工作，其原理是監(jiān)測環(huán)境中的溫度分布，當溫度分布符合一定條件（例如存在大面積的較高溫度的區(qū)域，諸如人臉的溫度）時，初始化例程認為檢測到了一個人，此時熱紅外成像設備啟動目標（鼻子）檢測，并進行后續(xù)的識別工作。例如，當一個人想要對車解鎖時，首先走到預定的位置，面向上述熱紅外成像設備站立。初始化例程會檢測到人員的存在，并啟動熱紅外成像設備，獲取一段時間的多個連續(xù)的熱紅外圖像，其中包含了待識別人的鼻子區(qū)域。然后，系統(tǒng)自動對這些熱紅外圖像進行處理，提取呼吸特征，進而將提取出的特征與數(shù)據(jù)庫中保存的多個呼吸特征模型進行比對。找出比對的符合程度最高的一個模型，可以確定當前駕駛座椅上的人員的身份。以這種方式，可以避免以可見光圖像進行人臉識別時受光照影響大的問題。另外，可以有效規(guī)避以可見光方式進行人臉識別的潛在風險。在人員識別完成之后，可以進行若干智能化的操作，例如自動汽車解鎖或自動座椅調(diào)節(jié)等。

本實施例的另一個應用場景是手機用戶識別。具體實施方法為：在手機的屏幕一側的上端或下端，安裝一個小型熱紅外成像設備。通過事先調(diào)整上述熱紅外成像設備的位置和焦距，使得該熱紅外成像裝置能夠采集到持握手機的人員的鼻子部位。當一個人想要對手機進行解鎖時，需要采集包含一段時間的呼吸情況的熱紅外圖像。然后，系統(tǒng)自動對這些熱紅外圖像進行處理，提取呼吸特征，進而將提取出的呼吸特征與數(shù)據(jù)庫中的模型進行比對。比對的符合程度最高的模型，可能被確定為當前人員的身份。以這種方式，可以避免以可見光圖像進行人臉識別時受光照影像大的問題，還可以有效規(guī)避以可見光方式進行人臉識別的潛在風險。

需要注意，上面的對人員識別系統(tǒng)和相關方法的描述，只是相關基本原理的具體實現(xiàn)，這里描述的特征或方法，并不對本發(fā)明產(chǎn)生限制。