[发明专利]一种基于单样本的图像识别的方法及系统

说明书

本发明公开了一种基于单样本的图像识别的方法及系统，包括：获取待识别图像；将所述待识别图像划分为预定尺寸的互不重叠的子图像，并利用LBP算法得到每个子图像的统计直方图；依次计算所述每个子图像的统计直方图与所述统计直方图相对应的各个样本中的统计直方图的第一曼哈顿距离，根据所述第一曼哈顿距离确定粗检样本；依次计算每个子图像的统计直方图与所述统计直方图相对应的所述粗检样本中的统计直方图的第二曼哈顿距离，根据所述第二曼哈顿距离确定与所述待识别图像最相似的最终样本；该方法及系统能够在提高人脸识别效果的同时，避免了在特征提取的过程中需要过多的时间。

技术领域

本发明涉及图像识别领域，特别涉及一种基于单样本的图像识别的方法及系统。

背景技术

图像识别技术在实际中应用很多，例如停车场，人脸识别技术等。例如人脸识别技术在许多实际的应用中，比如法律实施、护照和身份证的验证等，在这些系统中，通常每个人只存储了一个人脸样本。由于缺少人脸样本，导致了很多传统的人脸识别算法很难取得理想的识别效果。

针对单样本图像识别问题，近几年有很多学者提出了解决方法：一种是基于SVD的扰动方法，通过扩充训练集来应用一般的LDA算法得到低维特征；这种算法虽然可以在一定程度上解决了单样本的问题，但是有一个明显的缺点是在特征提取时这些虚拟生成的样本具有很高的相关性，不能作为单独的样本，因此可能会导致判别特征子空间中信息的冗余。传统的流形学习方法将所有的图像看作一个流形，而提出了另一种多流形判别分析(DMMA)算法，该算法结合了局部图像的几何信息，将每一个图像看作一个流形提取特征，识别效果比传统流形学习好，但在特征提取的过程中需要过多的时间。

发明内容

本发明的目的是提供一种基于单样本的图像识别的方法及系统，该方法及系统能够在提高人脸识别效果的同时，避免了在特征提取的过程中需要过多的时间。

为解决上述技术问题，本发明提供一种基于单样本的图像识别的方法，包括：

获取待识别图像；

将所述待识别图像划分为预定尺寸的互不重叠的子图像，并利用LBP算法得到每个子图像的统计直方图；

依次计算所述每个子图像的统计直方图与所述统计直方图相对应的各个样本中的统计直方图的第一曼哈顿距离，根据所述第一曼哈顿距离确定粗检样本；

依次计算所述每个子图像的统计直方图与所述统计直方图相对应的所述粗检样本中的统计直方图的第二曼哈顿距离，根据所述第二曼哈顿距离确定与所述待识别图像最相似的最终样本。

其中，根据所述第一曼哈顿距离确定粗检样本包括：

比较所述每个子图像与所述每个子图像相对应的各个样本的第一曼哈顿距离，从而确定所述每个子图像相对应的最小第一曼哈顿距离；

根据所述最小第一曼哈顿距离确定所述每个子图像的第一类似样本；

根据所述第一类似样本，统计所有所述第一类似样本中各个样本出现的频率并按照频率从高到低进行排列；

选出前预定个数的样本作为粗检样本。

其中，根据所述第二曼哈顿距离确定与所述待识别图像最相似的最终样本包括：

比较所述每个子图像与所述每个子图像相对应的所述粗检样本的第二曼哈顿距离，从而确定所述每个子图像相对应的最小第二曼哈顿距离；

根据所述最小第二曼哈顿距离确定所述每个子图像的第二类似样本；

根据所述第二类似样本，统计所有所述第二类似样本中各个样本出现的频率，并选出频率最高的样本作为最终样本。

其中，还包括：

定期对样本数据进行更新。