一种单训练样本人脸识别方法

摘要

本发明公开了一种单训练样本人脸识别方法，包括以下步骤：1）输入人脸子特征训练样本素材；2）构造训练样本；3）提取每个所述训练样本的P个子特征；4）给定任意的训练样本，依据P个子特征度量模块计算训练样本中两幅图像的差值，构造该样本的P维样本特征数据向量v，若训练样本中两副照片代表同一个人时，v的响应值为r=1，否则r=0；5）依据步骤4）中，得到机器学的训练结果数据集；6）输入待识别对比的两幅人脸照片，进行识别。依据本发明通过事先构建针对面部子特征的多训练样本集,实现对面部子特征的识别能力,并结合子特征识别融合技术，实现单训练样本人脸识别。

主权项

一种单训练样本人脸识别方法，其特征在于，包括以下步骤：1）输入人脸子特征训练样本素材：准备一组人脸照片，容量为M = m[1]+m[2]+…+m[N]，其中，N是训练样本中参加拍摄样本的人的数量，m[i](1≤i≤N，m[i]≥1)是第i个人在给定的不同拍摄条件下照片的总数量；2）构造训练样本：M个训练素材，两两配对，产生M×M个人脸照片的训练样本；3）提取每个所述训练样本的P个子特征，进而通过每个训练样本中两张照片对应子特征之间的差值获得每一训练样本的P个子特征度量模块；4）给定任意的训练样本，依据P个子特征度量模块计算训练样本中两幅图像的差值，构造该样本的P维样本特征数据向量v，若训练样本中两副照片代表同一个人时，v的响应值为r=1，否则r=0；5）依据步骤4）中，对于M×M个训练向量和对应的响应值，通过机器学习的方法，得到机器学习的训练结果数据集；6）输入待识别对比的两幅人脸照片，调用P个子特征度量模块计算出P个拓扑学距离空间意义下的距离，构成待测试向量v’，依据步骤7中的机器学习算法和训练结果数据集，预测判定v’对应的值r’；当r’=1时，判定两幅照片对应同一人；让r’=0时，判定两幅照片对应不同人。