单样本人脸识别方法、装置、设备及计算机可读存储介质制造方法及图纸

本发明专利技术公开了一种单样本人脸识别方法、装置、设备及计算机可读存储介质，包括对待识别图像进行预处理，得到行列一致的待识别单样本；采用预先计算出的SVD投影矩阵和LU投影矩阵分别对待识别单样本进行投影，得到第一判别特征和第二判别特征；利用第一判别特征、第二判别特征、第一计算关系式、预先依据原始训练样本集计算出的SVD权重、LU权重、与原始训练样本集中的各个原始训练样本一一对应的各个SVD判别特征和各个LU判别特征计算出待识别单样本到各个原始单样本的距离；采用最近邻分类器从各个距离中确定出待识别单样本距离最近的原始单样本，并以确定出待识别单样本的类别。扩展了数据的求解范围，提高了识别率和识别性能。

Single face recognition method, device, device and computer readable storage medium

The invention discloses a single sample face recognition method, device, equipment and computer readable storage medium, including the preprocessing of the recognition image, the unanimous recognition of the single sample, and the projection of the single sample by the pre calculated SVD projection matrix and the LU projection matrix, and the first judgment is obtained. The distinguishing features and second discriminant features are calculated by using the first discriminant feature, the second discriminant feature, the first calculation formula, the SVD weight, the LU weight calculated in advance according to the original training sample set, and the various SVD distinguishing features and the various LU distinguishing features corresponding to the original training samples of the original training sample set one by one. Identify the distance from the single sample to the original single sample; use the nearest neighbor classifier to determine the original single sample from the distance from each distance, and to determine the category of the single sample to be identified. It extends the solution range of the data and improves the recognition rate and recognition performance.

【技术实现步骤摘要】
单样本人脸识别方法、装置、设备及计算机可读存储介质
本专利技术实施例涉及人脸识别
，特别是涉及一种单样本人脸识别方法、装置、设备及计算机可读存储介质。
技术介绍
随着计算机技术的发展，人们的需求不断增长和变化，人脸识别技术得到了广泛的关注。传统的人脸识别方法通常认为在训练过程中可以使用多个样本，但是，在实际生活中的很多应用中，如身份验证、电子护照、法律实施等，由于系统中往往存储的是单样本，所以很难满足这个条件。在这种情况下，很多人脸识别方法往往识别率较低，结果不尽人意，因此单样本人脸识别算法不断地发展。在单样本人脸识别中，常用的方法是基于虚拟样本的单样本识别方法，从原始样本中生成新的虚拟样本，将单样本人脸识别问题转化为一般的人脸识别问题，从新的训练集中得到有效的分类信息。在基于虚拟样本的单样本识别方法中，对图像进行矩阵分解是得到虚拟样本的一种有效方法，并且由于SVD算法和LU分解是经典矩阵分解方法，故有学者提出了基于SVD的单样本识别方法和基于LU分解的单样本人脸识别方法，这两种方法计算效率高，能从单样本中得到保存原有样本大部分特征信息的虚拟样本，并依据各自的虚拟样本得到各自的判别特征，由于这两种方法的矩阵分解方式不同，依据这两种方法分别对应的判别特征对同一测试样本进行识别时，识别结果可能出现差异，从而导致识别性能降低。鉴于此，如何提供一种解决上述技术问题的单样本人脸识别方法、装置、设备及计算机可读存储介质是本领域技术人员目前需要解决的问题。
技术实现思路
本专利技术实施例的目的是提供一种单样本人脸识别方法、装置、设备及计算机可读存储介质，在使用过程中扩展了数据的求解范围，提高了识别率和识别性能。为解决上述技术问题，本专利技术实施例提供了一种单样本人脸识别方法，包括：S11：对待识别图像进行预处理，得到行列一致的待识别单样本Y；S12：采用预先依据原始训练样本集计算出的SVD投影矩阵和LU投影矩阵分别对所述待识别单样本Y进行投影，分别得到第一判别特征YSVD和第二判别特征YLU；S13：利用所述第一判别特征YSVD、所述第二判别特征YLU、第一计算关系式、预先依据所述原始训练样本集计算出的SVD权重vSVD、LU权重vLU、与所述原始训练样本集中的各个原始训练样本一一对应的各个SVD判别特征和各个LU判别特征计算出所述待识别单样本到各个所述原始单样本的距离；其中：所述第一计算关系式为其中，Dis(k)表示所述待识别样本Y到第k个原始单样本的距离，k∈[1,C]，C为原始训练样本集的类别数，表示第k个SVD判别特征，表示第k个LU判别特征，表示YSVD与之间的曼哈顿距离，表示YLU与之间的曼哈顿距离；S14：采用最近邻分类器从各个所述距离中确定出所述待识别单样本距离最近的原始单样本，并依据所述原始单样本的类别确定所述待识别单样本的类别。可选的，所述预先依据原始训练样本集计算出SVD投影矩阵、SVD权重vSVD、与所述原始训练样本集中的各个原始训练样本一一对应的各个SVD判别特征的过程为：采用SVD分解法对原始训练样本集中的各个原始单样本进行分解处理，得到与各个所述原始单样本一一对应的SVD虚拟样本，各个所述SVD虚拟样本构成SVD虚拟样本集；依据所述SVD虚拟样本集和所述原始样本集构造出第一训练样本集；对所述第一训练样本集进行2D-LDA降维矩阵的计算，得到所述SVD投影矩阵；采用所述SVD投影矩阵对各个所述原始单样本进行投影得到与各个原始单样本一一对应的各个所述SVD判别特征，各个所述SVD判别特征构成SVD判别特征集合；依据第二计算关系式计算出所述SVD判别特征集合的方差，并将所述SVD判别特征集合的方差作为所述SVD权重vSVD；其中，所述第二计算关系式为：其中，表示所述SVD判别特征集合的平均判别特征，表示第k个SVD判别特征与之间的曼哈顿距离。可选的，所述预先依据原始训练样本集计算出LU投影矩阵、LU权重vLU、与所述原始训练样本集中的各个原始训练样本一一对应的各个LU判别特征的过程为：采用LU分解法对原始训练样本集中的各个原始单样本进行分解处理，得到与各个所述原始单样本一一对应的LU虚拟样本，各个所述LU虚拟样本构成LU虚拟样本集；依据所述LU虚拟样本集和所述原始样本集构造出第二训练样本集；对所述第二训练样本集进行2D-LDA降维矩阵的计算，得到所述LU投影矩阵；采用所述LU投影矩阵对各个所述原始单样本进行投影得到与各个原始单样本一一对应的各个所述LU判别特征，各个所述LU判别特征构成LU判别特征集合；依据第三计算关系式计算出所述LU判别特征集合的方差，并将所述LU判别特征集合的方差作为所述LU权重vLU；其中，所述第三计算关系式为：其中，表示所述LU判别特征集合的平均判别特征，表示第k个LU判别特征与之间的曼哈顿距离。可选的，所述方法还包括：将各个原始单样本进行转置，得到与各个所述原始单样本一一对应的转置单样本；采用LU分解法对各个所述转置单样本进行分解处理，得到与各个所述转置单样本一一对应的各个转置虚拟单样本，各个所述转置虚拟单样本构成LU转置虚拟样本集；所述依据所述LU虚拟样本集和所述原始样本集构造出第二训练样本集的过程为：依据所述LU虚拟样本集、所述LU转置虚拟样本集和所述原始样本集构造出所述第二训练样本集。本专利技术实施例相应的提供了一种单样本人脸识别装置，包括：预处理模块，用于对待识别图像进行预处理，得到行列一致的待识别单样本Y；特征提取模块，用于采用预先依据原始训练样本集计算出的SVD投影矩阵和LU投影矩阵分别对所述待识别单样本Y进行投影，分别得到第一判别特征YSVD和第二判别特征YLU；距离计算模块，用于利用所述第一判别特征YSVD、所述第二判别特征YLU、第一计算关系式、预先依据所述原始训练样本集计算出的SVD权重vSVD、LU权重vLU、与所述原始训练样本集中的各个原始训练样本一一对应的各个SVD判别特征和各个LU判别特征计算出所述待识别单样本到各个所述原始单样本的距离；其中：所述第一计算关系式为其中，Dis(k)表示所述待识别样本Y到第k个原始单样本的距离，k∈[1,C]，C为原始训练样本集的类别数，表示第k个SVD判别特征，表示第k个LU判别特征，表示YSVD与之间的曼哈顿距离，表示YLU与之间的曼哈顿距离；类别确定模块，用于采用最近邻分类器从各个所述距离中确定出所述待识别单样本距离最近的原始单样本，并依据所述原始单样本的类别确定所述待识别单样本的类别。可选的，所述特征提取模块包括：SVD分解单元，用于采用SVD分解法对原始训练样本集中的各个原始单样本进行分解处理，得到与各个所述原始单样本一一对应的SVD虚拟样本，各个所述SVD虚拟样本构成SVD虚拟样本集；第一构造单元，用于依据所述SVD虚拟样本集和所述原始样本集构造出第一训练样本集；第一降维单元，用于对所述第一训练样本集进行2D-LDA降维矩阵的计算，得到所述SVD投影矩阵；第一特征提取单元，用于采用所述SVD投影矩阵对各个所述原始单样本进行投影得到与各个原始单样本一一对应的各个所述SVD判别特征，各个所述SVD判别特征构成SVD判别特征集合；第一计算单元，用于依据第二计算关系式计算出所述SVD判别特征集合的方差，本文档来自技高网...

【技术保护点】
一种单样本人脸识别方法，其特征在于，包括：S11：对待识别图像进行预处理，得到行列一致的待识别单样本Y；S12：采用依据原始训练样本集预先计算出的SVD投影矩阵和LU投影矩阵分别对所述待识别单样本Y进行投影，分别得到第一判别特征YSVD和第二判别特征YLU；S13：利用所述第一判别特征YSVD、所述第二判别特征YLU、第一计算关系式、预先依据所述原始训练样本集计算出的SVD权重vSVD、LU权重vLU、与所述原始训练样本集中的各个原始训练样本一一对应的各个SVD判别特征和各个LU判别特征计算出所述待识别单样本到各个所述原始单样本的距离；其中：所述第一计算关系式为

【技术特征摘要】
1.一种单样本人脸识别方法，其特征在于，包括：S11：对待识别图像进行预处理，得到行列一致的待识别单样本Y；S12：采用依据原始训练样本集预先计算出的SVD投影矩阵和LU投影矩阵分别对所述待识别单样本Y进行投影，分别得到第一判别特征YSVD和第二判别特征YLU；S13：利用所述第一判别特征YSVD、所述第二判别特征YLU、第一计算关系式、预先依据所述原始训练样本集计算出的SVD权重vSVD、LU权重vLU、与所述原始训练样本集中的各个原始训练样本一一对应的各个SVD判别特征和各个LU判别特征计算出所述待识别单样本到各个所述原始单样本的距离；其中：所述第一计算关系式为其中，Dis(k)表示所述待识别样本Y到第k个原始单样本的距离，k∈[1,C]，C为原始训练样本集的类别数，表示第k个SVD判别特征，表示第k个LU判别特征，表示YSVD与之间的曼哈顿距离，表示YLU与之间的曼哈顿距离；S14：采用最近邻分类器从各个所述距离中确定出所述待识别单样本距离最近的原始单样本，并依据所述原始单样本的类别确定所述待识别单样本的类别。2.根据权利要求1所述的单样本人脸识别方法，其特征在于，所述预先依据原始训练样本集计算出SVD投影矩阵、SVD权重vSVD、与所述原始训练样本集中的各个原始训练样本一一对应的各个SVD判别特征的过程为：采用SVD分解法对原始训练样本集中的各个原始单样本进行分解处理，得到与各个所述原始单样本一一对应的SVD虚拟样本，各个所述SVD虚拟样本构成SVD虚拟样本集；依据所述SVD虚拟样本集和所述原始样本集构造出第一训练样本集；对所述第一训练样本集进行2D-LDA降维矩阵的计算，得到所述SVD投影矩阵；采用所述SVD投影矩阵对各个所述原始单样本进行投影得到与各个原始单样本一一对应的各个所述SVD判别特征，各个所述SVD判别特征构成SVD判别特征集合；依据第二计算关系式计算出所述SVD判别特征集合的方差，并将所述SVD判别特征集合的方差作为所述SVD权重vSVD；其中，所述第二计算关系式为：其中，表示所述SVD判别特征集合的平均判别特征，表示第k个SVD判别特征与之间的曼哈顿距离。3.根据权利要求2所述的单样本人脸识别方法，其特征在于，所述预先依据原始训练样本集计算出LU投影矩阵、LU权重vLU、与所述原始训练样本集中的各个原始训练样本一一对应的各个LU判别特征的过程为：采用LU分解法对原始训练样本集中的各个原始单样本进行分解处理，得到与各个所述原始单样本一一对应的LU虚拟样本，各个所述LU虚拟样本构成LU虚拟样本集；依据所述LU虚拟样本集和所述原始样本集构造出第二训练样本集；对所述第二训练样本集进行2D-LDA降维矩阵的计算，得到所述LU投影矩阵；采用所述LU投影矩阵对各个所述原始单样本进行投影得到与各个原始单样本一一对应的各个所述LU判别特征，各个所述LU判别特征构成LU判别特征集合；依据第三计算关系式计算出所述LU判别特征集合的方差，并将所述LU判别特征集合的方差作为所述LU权重vLU；其中，所述第三计算关系式为：其中，表示所述LU判别特征集合的平均判别特征，表示第k个LU判别特征与之间的曼哈顿距离。4.根据权利要求3所述的单样本人脸识别方法，其特征在于，所述方法还包括：将各个原始单样本进行转置，得到与各个所述原始单样本一一对应的转置单样本；采用LU分解法对各个所述转置单样本进行分解处理，得到与各个所述转置单样本一一对应的各个转置虚拟单样本，各个所述转置虚拟单样本构成LU转置虚拟样本集；所述依据所述LU虚拟样本集和所述原始样本集构造出第二训练样本集的过程为：依据所述LU虚拟样本集...

【专利技术属性】
技术研发人员：张朦，张莉，王邦军，张召，凌兴宏，姚望舒，李凡长，
申请(专利权)人：苏州大学，
类型：发明
国别省市：江苏,32