[发明专利]一种单样本人脸识别方法、系统、设备及可读存储介质

说明书

本申请公开了单样本人脸识别方法、系统、设备及可读存储介质，其中，该方法包括：获取已标注的人脸图像数据，得到参考数据；通过对所述参考数据进行多尺度支持向量变换，得到所述参考数据相应的多尺度高维投影；提取所述多尺度高维投影的特征，得到所述参考数据相应的多尺度高维特征序列；利用所述多尺度高维特征序列，分别对所述参考数据和待测试数据进行反投影，得到所述参考数据和所述待测试数据相应的虚拟图像；根据所述参考数据对应的虚拟图像，计算所述待测试数据相应的虚拟图像的分类准确率，以完成对单样本的人脸识别。可见，本发明提供的单样本人脸识别方法将特征提取和样本扩充进行有机的结合，从而提高单样本人脸识别的准确率。

技术领域

本发明涉及人脸识别领域，特别涉及一种单样本人脸识别方法、系统、设备及可读存储介质。

背景技术

人脸识别技术是指计算机对检测到的人脸图像，与计算机中已存储的人脸库进行匹配后，进行相应身份认定。单样本人脸识别是指训练集中只有1幅人脸图像作为训练样本。在实际应用场合，如公安、机场和海关等部门的人脸图像库中大多只有1幅或少量的人脸图像。研究表明，训练样本数目的多少对人脸识别的性能有很大影响。许多优秀的人脸识别算法在处理单样本人脸识别问题时性能急剧下降甚至失效。对单样本人脸识别问题的研究一直是人脸识别研究中的难点及热点问题。

在现有技术中，解决上述问题的方法一般分为两类。一类是从特征选择的角度出发，寻找并选择对样本数量比较鲁棒的特征进行人脸识别，另一类是从扩充样本的角度出发，生成多个虚拟样本，从而减少样本数量的影响。但是现有技术一般只从单一方面考虑，导致对单样本人脸识别的准确率较低。

因此，如何提高单样本人脸识别的准确率是本领域技术人员亟待解决的问题。

发明内容

有鉴于此，本发明的目的在于提供一种单样本人脸识别方法、系统、设备及可读存储介质，提高单样本人脸识别的准确率。其具体方案如下：

一种单样本人脸识别方法，包括：

获取已标注的人脸图像数据，得到参考数据；

通过对所述参考数据进行多尺度支持向量变换，得到所述参考数据相应的多尺度高维投影；

提取所述多尺度高维投影的特征，得到所述参考数据相应的多尺度高维特征序列；

利用所述多尺度高维特征序列，分别对所述参考数据和待测试数据进行反投影，得到所述参考数据和所述待测试数据相应的虚拟图像；

根据所述参考数据对应的虚拟图像，计算所述待测试数据相应的虚拟图像的分类准确率，以完成对单样本的人脸识别。

可选的，所述获取已标注的人脸图像数据，得到参考数据的过程包括：

获取已标注的人脸图像数据及相应的类别信息，得到参考数据。

可选的，所述通过对所述参考数据进行多尺度支持向量变换，得到所述参考数据相应的多尺度高维投影的过程包括：

对所述参考数据进行多尺度滤波，得到所述参考数据相应的格雷姆矩阵；

根据所述格雷姆矩阵，计算所述格雷姆矩阵的多尺度源变矩阵，得到所述参考数据相应的多尺度源变矩阵；

根据所述多尺度源变矩阵计算相应的支持向量过滤子，得到所述参考数据相应的支持向量过滤子；

利用所述向量过滤子，计算相应的多尺度高维投影矩阵，得到所述参考数据相应的多尺度高维投影矩阵。

可选的，所述对所述参考数据进行多尺度滤波，得到所述参考数据相应的格雷姆矩阵的过程包括：

利用高斯核函数对所述参考数据进行多尺度滤波，得到所述参考数据相应的格雷姆矩阵。