一种单样本人脸识别方法及系统技术方案

本申请公开了一种单样本人脸识别方法及系统，该方法包括：将待识别人脸图像划分成t个子图；其中，t为正整数；提取与待识别人脸图像的t个子图一一对应的t个特征；将待识别人脸图像的t个特征输入预先基于训练集并结合子图权重集合得到的单样本人脸识别模型，得到待识别人脸图像对应的类别；其中，子图权重集合为在对训练集中所有人脸图像样本的类间距离进行最大化处理后得到的集合；子图权重集合中的第r个权重为训练集中任一人脸图像样本的第r个子图对应的权重。本申请有效地提升了单样本人脸识别技术的识别率。

【技术实现步骤摘要】
一种单样本人脸识别方法及系统
本专利技术涉及人脸识别
，特别涉及一种单样本人脸识别方法及系统。
技术介绍
目前，随着人工智能和计算机技术的快速发展，以及人们需求的日益增长和持续变化，人脸识别技术得到了越来越广泛的关注。传统的人脸识别方法通常认为在训练过程中可使用多个人脸图像样本来进行特征值的提取，但是，对每个个人而言，实际生活里的人脸系统中通常仅存储一张人脸图像，如法律实施、电子护照和身份证验证等。因而在这些情况下，需要多样本的传统人脸识别算法的性能往往不尽如人意。为此，人们提出了单样本人脸识别技术，所谓的单样本人脸识别技术是指根据每人仅存储一幅已知身份的人脸图像数据库来识别出新人脸图像所对应的身份。然而，现有的单样本人脸识别技术依然存在识别率较差的问题，如何提升单样本人脸识别技术的识别率是目前还有待进一步解决的问题。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种单样本人脸识别方法及系统，能够有效地提升单样本人脸识别技术的识别率。其具体方案如下：一种单样本人脸识别方法，包括：将待识别人脸图像划分成t个子图；其中，t为正整数；提取与所述待识别人脸图像的t个子图一一对应的t个特征；将所述待识别人脸图像的t个特征输入预先基于训练集并结合子图权重集合得到的单样本人脸识别模型，得到所述待识别人脸图像对应的类别；其中，所述子图权重集合为在对所述训练集中所有人脸图像样本的类间距离进行最大化处理后得到的集合；所述子图权重集合中的第r个权重为所述训练集中任一人脸图像样本的第r个子图对应的权重，r＝1,2,...,t。可选的，所述单样本人脸识别模型的创建过程，包括：将所述训练集中的每个人脸图像样本均划分成t个子图；分别提取与所述训练集中每个人脸图像样本的t个子图一一对应的t个特征；利用预设的距离计算公式，分别计算所述训练集中所有人脸图像样本的第r个子图的平均类间距离，r＝1,2,...,t；其中，所述距离计算公式为：r＝1,2,...,t，式中，dr表示所述训练集中所有人脸图像样本的第r个子图的平均类间距离，c表示所述训练集中人脸图像样本的总数，hir表示所述训练集中的第i个人脸图像样本的第r个子图的特征，表示hir和之间的曼哈顿距离；利用目标函数，确定所述子图权重集合；其中，所述目标函数为：并且，s.t.0≤ωr≤1,r＝1,2,...,t，式中，ω表示所述子图权重集合，ωr表示ω中的第r个权重，d＝[d1,d2,...,dt]T；基于所述训练集中每个人脸图像样本的子图所对应的特征以及所述子图权重集合，构造所述单样本人脸识别模型；其中，所述单样本人脸识别模型具体为：式中，y表示所述待识别人脸图像对应的类别，d(hir,hr)表示hir和hr之间的曼哈顿距离。可选的，所述分别提取与所述训练集中每个人脸图像样本的t个子图一一对应的t个特征的过程，包括：分别提取与所述训练集中每个人脸图像样本的t个子图一一对应的t个LBP特征。可选的，所述提取与所述待识别人脸图像的t个子图一一对应的t个特征的过程，包括：提取与所述待识别人脸图像的t个子图一一对应的t个LBP特征。本专利技术还相应公开了一种单样本人脸识别系统，包括：模型创建模块，用于预先基于训练集并结合子图权重集合，得到单样本人脸识别模型；图像划分模块，用于将待识别人脸图像划分成t个子图；其中，t为正整数；特征提取模块，用于提取与所述待识别人脸图像的t个子图一一对应的t个特征；类别确定模块，用于将所述待识别人脸图像的t个特征输入所述单样本人脸识别模型，得到所述待识别人脸图像对应的类别；其中，所述子图权重集合为在对所述训练集中所有人脸图像样本的类间距离进行最大化处理后得到的集合；所述子图权重集合中的第r个权重为所述训练集中任一人脸图像样本的第r个子图对应的权重，r＝1,2,...,t。可选的，所述模型创建模块，包括：图像划分单元，用于将所述训练集中的每个人脸图像样本均划分成t个子图；特征提取单元，用于分别提取与所述训练集中每个人脸图像样本的t个子图一一对应的t个特征；距离计算单元，用于利用预设的距离计算公式，分别计算所述训练集中所有人脸图像样本的第r个子图的平均类间距离，r＝1,2,...,t；其中，所述距离计算公式为：r＝1,2,...,t，式中，dr表示所述训练集中所有人脸图像样本的第r个子图的平均类间距离，c表示所述训练集中人脸图像样本的总数，hir表示所述训练集中的第i个人脸图像样本的第r个子图的特征，表示hir和之间的曼哈顿距离；权重计算单元，用于利用目标函数，确定所述子图权重集合；其中，所述目标函数为：并且，s.t.0≤ωr≤1,r＝1,2,...,t，式中，ω表示所述子图权重集合，ωr表示ω中的第r个权重，d＝[d1,d2,...,dt]T；模型构造单元，用于基于所述训练集中每个人脸图像样本的子图所对应的特征以及所述子图权重集合，构造所述单样本人脸识别模型；其中，所述单样本人脸识别模型具体为：式中，y表示所述待识别人脸图像对应的类别，d(hir,hr)表示hir和hr之间的曼哈顿距离。可选的，所述特征提取单元为：LBP特征提取单元，用于分别提取与所述训练集中每个人脸图像样本的t个子图一一对应的t个LBP特征。可选的，所述特征提取模块为：LBP特征提取模块，用于提取与所述待识别人脸图像的t个子图一一对应的t个LBP特征。本专利技术中，单样本人脸识别方法，包括：将待识别人脸图像划分成t个子图；其中，t为正整数；提取与待识别人脸图像的t个子图一一对应的t个特征；将待识别人脸图像的t个特征输入预先基于训练集并结合子图权重集合得到的单样本人脸识别模型，得到待识别人脸图像对应的类别；其中，子图权重集合为在对训练集中所有人脸图像样本的类间距离进行最大化处理后得到的集合；子图权重集合中的第r个权重为训练集中任一人脸图像样本的第r个子图对应的权重，r＝1,2,...,t。可见，本专利技术是利用预先基于训练集并结合子图权重集合得到的单样本人脸识别模型来对待识别人脸图像进行识别的，并且，上述单样本人脸识别模型中涉及的子图权重集合是在对训练集中所有人脸图像样本的类间距离进行最大化处理之后得到的，这样能够有效地增大训练集中不同类之间的区别度，从而使得基于该子图权重集合所得到的单样本人脸识别模型能够对待识别人脸图像进行更加准确地识别，也即有效地提升了本专利技术中单样本人脸识别技术的识别率。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。图1为本专利技术实施例公开的一种单样本人脸识别方法流程图；图2为本专利技术实施例公开的一种单样本人脸识别模型的创建流程图；图3为本专利技术实施例公开的一种单样本人脸识别系统结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术实施例本文档来自技高网...

【技术保护点】
一种单样本人脸识别方法，其特征在于，包括：将待识别人脸图像划分成t个子图；其中，t为正整数；提取与所述待识别人脸图像的t个子图一一对应的t个特征；将所述待识别人脸图像的t个特征输入预先基于训练集并结合子图权重集合得到的单样本人脸识别模型，得到所述待识别人脸图像对应的类别；其中，所述子图权重集合为在对所述训练集中所有人脸图像样本的类间距离进行最大化处理后得到的集合；所述子图权重集合中的第r个权重为所述训练集中任一人脸图像样本的第r个子图对应的权重，r＝1,2,...,t。

【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：将待识别人脸图像划分成t个子图；其中，t为正整数；提取与所述待识别人脸图像的t个子图一一对应的t个特征；将所述待识别人脸图像的t个特征输入预先基于训练集并结合子图权重集合得到的单样本人脸识别模型，得到所述待识别人脸图像对应的类别；其中，所述子图权重集合为在对所述训练集中所有人脸图像样本的类间距离进行最大化处理后得到的集合；所述子图权重集合中的第r个权重为所述训练集中任一人脸图像样本的第r个子图对应的权重，r＝1,2,...,t。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，所述单样本人脸识别模型的创建过程，包括：将所述训练集中的每个人脸图像样本均划分成t个子图；分别提取与所述训练集中每个人脸图像样本的t个子图一一对应的t个特征；利用预设的距离计算公式，分别计算所述训练集中所有人脸图像样本的第r个子图的平均类间距离，r＝1,2,...,t；其中，所述距离计算公式为：r＝1,2,...,t，式中，dr表示所述训练集中所有人脸图像样本的第r个子图的平均类间距离，c表示所述训练集中人脸图像样本的总数，hir表示所述训练集中的第i个人脸图像样本的第r个子图的特征，表示hir和之间的曼哈顿距离；利用目标函数，确定所述子图权重集合；其中，所述目标函数为：并且，s.t.0≤ωr≤1,r＝1,2,...,t，式中，ω表示所述子图权重集合，ωr表示ω中的第r个权重，d＝[d1,d2,...,dt]T；基于所述训练集中每个人脸图像样本的子图所对应的特征以及所述子图权重集合，构造所述单样本人脸识别模型；其中，所述单样本人脸识别模型具体为：式中，y表示所述待识别人脸图像对应的类别，d(hir,hr)表示hir和hr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，所述分别提取与所述训练集中每个人脸图像样本的t个子图一一对应的t个特征的过程，包括：分别提取与所述训练集中每个人脸图像样本的t个子图一一对应的t个LBP特征。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，所述提取与所述待识别人脸图像的t个子图一一对应的t个特征的过程，包括：提取与所述待识别人脸图像的t个子图一一对应的t个LBP特征。5.一种单样本人脸识别系统，其特征在于，包括：模型创...

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