欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2018100078771
申请人: 苏州大学
专利类型:发明专利
专利状态:未下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

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)表示所述待识别单样本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;

所述预先依据原始训练样本集计算出SVD投影矩阵、LU投影矩阵,包括: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。

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、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。

5.一种单样本人脸识别装置,其特征在于,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,所述预先依据原始训练样本集计算出SVD投影矩阵、LU投影矩阵,包括: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;

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。

6.根据权利要求5所述的单样本人脸识别装置,其特征在于,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,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。

7.根据权利要求6所述的单样本人脸识别装置,其特征在于,所述特征提取模块还包括:

LU分解单元,用于采用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;

第二构造单元,用于依据所述LU虚拟样本集和所述原始样本集构造出第二训练样本集;

第二降维单元,用于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;

第二特征提取单元,用于采用所述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;

第二计算单元,用于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。

8.一种单样本人脸识别设备,其特征在于,包括:存储器,用于存储计算机程序;

处理器,用于执行所述计算机程序时实现如权利要求1至4任意一项所述单样本人脸识别方法的步骤。

9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至4任意一项所述单样本人脸识别方法的步骤。