[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

权利要求书

1.一种单样本人脸识别方法，其特征在于，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；其中，所述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包括：根据多尺度支持向量变换特征序列{SV₁,SV₂,...,SV_r}产生已标注的参考数据对应的多尺度支持向量变换虚拟图像S_ir；其中，i＝1,2,...,Ntr,S_ij＝LP_ij*SV_j，LP_i1＝X_i,LP_i(j+1)＝LP_ij-S_ij,j＝1,2,...,r；其中，Ntr为训练样本数量，X_i为已标注的参考数据，SV_j为多尺度支持向量变换特征子，r为分解的尺度阶数；

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。

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。

3.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。

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。

5.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的过程包括：

提取所述多尺度高维投影矩阵的中心行，得到所述参考数据相应的多尺度支持向量变换特征序列。

6.根据权利要求1至5任一项所述的单样本人脸识别方法，其特征在于，所述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的过程包括：

根据所述参考数据对应的虚拟图像，利用最近邻方法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。