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;
并且,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: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。
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。
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。
4.一种单样本人脸识别系统,其特征在于,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;
并且,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: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。
5.根据权利要求4所述的单样本人脸识别系统,其特征在于,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。
6.根据权利要求5所述的单样本人脸识别系统,其特征在于,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。