公开(公告)号：CN104732186B

公开(公告)日：2018-03-09

申请号：CN201310700295.9

申请日：2013-12-18

Applicant: 南京理工大学

Inventor： 唐振民 ,  唐金辉 ,  刘凡 ,  项欣光 ,  毕野

IPC: G06K9/00

Abstract: 本发明公开了一种基于局部子空间稀疏的单样本人脸识别方法，首先，对人脸图像进行块和子块两级划分，假设同一块内的子块在同一子空间内；然后基于稀疏表示用全部训练样本对应块内的所有子块去表示测试图像的对应块的中心子块，并计算表示系数；在此基础上求出各类别的重构残差，并依据最小残差原则确定测试图像块的类别；最后对所有测试图像块进行加权投票最终确定分类结果，各块权重可以根据稀疏表示系数的稀疏集中度计算得到。本发明不仅对表情、光照变化和遮挡等具有很好的鲁棒性，识别精度高，而且支持高效的并行计算，从而为单样本人脸识别问题提供了一种简单有效的解决方案。

公开(公告)号：CN106951819A

公开(公告)日：2017-07-14

申请号：CN201610698162.6

申请日：2016-08-19

Applicant: 南京理工大学

Inventor： 唐金辉 ,  李泽超 ,  刘凡 ,  朱翔

IPC: G06K9/00

Abstract: 本发明公开了一种基于稀疏概率分布和多阶段类别筛选的单样本人脸识别方法，包括以下步骤：首先，对人脸图像进行块和子块两级划分，假设同一块内的不同子块是属于同一个类别的不同样本，从而解决许多子空间学习方法和稀疏表示方法在单样本情况下无法工作或性能下降的问题；然后对人脸图像的每个块进行识别，利用投票的方法获得该人脸的类别概率分布；接下来利用一个多阶段的类别筛选结构，通过熵最小化的思想迭代地剔除掉不相关类别，从而取得理想的人脸识别分类效果。本发明对表情、光照变化和遮挡等具有很好的鲁棒性，识别精度高，从而为单样本人脸识别问题提供了一种简单有效的解决方案。

公开(公告)号：CN104732186A

公开(公告)日：2015-06-24

申请号：CN201310700295.9

申请日：2013-12-18

Applicant: 南京理工大学

Inventor： 唐振民 ,  唐金辉 ,  刘凡 ,  项欣光 ,  毕野

IPC: G06K9/00

Abstract: 本发明公开了一种基于局部子空间稀疏的单样本人脸识别方法，首先，对人脸图像进行块和子块两级划分，假设同一块内的子块在同一子空间内；然后基于稀疏表示用全部训练样本对应块内的所有子块去表示测试图像的对应块的中心子块，并计算表示系数；在此基础上求出各类别的重构残差，并依据最小残差原则确定测试图像块的类别；最后对所有测试图像块进行加权投票最终确定分类结果，各块权重可以根据稀疏表示系数的稀疏集中度计算得到。本发明不仅对表情、光照变化和遮挡等具有很好的鲁棒性，识别精度高，而且支持高效的并行计算，从而为单样本人脸识别问题提供了一种简单有效的解决方案。