体地，在本实施例中，步骤S931根据LBP算法分别计算出对应所述待识别人脸 图像模型的第一左眼区域LBP图像、第一右眼区域LBP图像和第一嘴部区域LBP图像，以及 对应所述人脸样本图像模型的第二左眼区域LBP图像、第二右眼区域LBP图像和第二嘴部 区域LBP图像；
[0084] 步骤S933分别计算出所述第一左眼区域LBP图像、第一右眼区域LBP图像和第一 嘴部区域LBP图像各自的直方图，和所述第二左眼区域LBP图像、第二右眼区域LBP图像和 第二嘴部区域LBP图像各自的直方图；
[0085] 步骤S935分别就第一左眼区域LBP图像直方图和第二左眼区域LBP图像直方图、 第一右眼区域LBP图像直方图和第二右眼区域LBP图像直方图、第一嘴部区域LBP图像直 方图和第二嘴部区域LBP图像直方图进行比对，得到三组比对结果。若其中任一组比对结 果为不匹配，则局部特征匹配结果为不匹配；若三组比对结果全部为匹配，则局部特征匹配 结果为匹配。
[0086] 在一优选实施例中，步骤S935包括：
[0087] 分别根据直方图计算出所述第一组LBP图像中每个关键区域图像的匹配分数 和所述第二组LBP图像中每个关键区域图像的匹配分数wf，其中i = 0, 1，2 ;
[0088] 比对每个区域的Pf和Wif是否都满足：
[0090] 其中，i = 0, 1，2, 为每个关键区域的LBP匹配阈值；
[0091] 若都满足，则所述第一组关键区域图像和所述第二组关键区域图像基于LBP算法 匹配；反之则不匹配。
[0092] 具体地，每个关键区域的LBP匹配阈值7^1分别根据统计结果得到。
[0093] 图9为图6所示单样本人脸识别方法中步骤S95的流程图。
[0094] 如图9所示，在一优选实施例中，步骤S95包括：
[0095] S951 :根据SURF算法分别提取出对应所述第一组关键区域图像的第一组SURF特 征和对应所述第二组关键区域图像的第二组SURF特征。
[0096] S953 :比对所述第一组SURF特征和所述第二组SURF特征是否--匹配。
[0097] 具体地，在本实施例中，步骤S951根据SURF算法分别提取出对应所述待识别人脸 图像模型的第一左眼区域SURF特征、第一右眼区域SURF特征和第一嘴部区域SURF特征， 以及对应所述人脸样本图像模型的第二左眼区域SURF特征、第二右眼区域SURF特征和第 二嘴部区域SURF特征；
[0098] 步骤S953分别就第一左眼区域SURF特征和第二左眼区域SURF特征、第一右眼区 域SURF特征和第二右眼区域SURF特征、第一嘴部区域SURF特征和第二嘴部区域SURF特 征进行比对，得到三组比对结果。若其中任一组比对结果为不匹配，则局部特征匹配结果为 不匹配；若三组比对结果全部为匹配，则局部特征匹配结果为匹配。
[0099] 在一优选实施例中，步骤S953具体包括：
[0100] 分别计算出所述第一组SURF特征中每个关键区域图像的匹配分数#和所述第一 组SURF特征中每个关键区域图像的匹配分数sf，其中i = 〇, 1，2 ;
[0101] 比对每个区域的<和#是否都满足：
[0103] 其中，i = 0, 1，2, If#为每个关键区域的SURF匹配阈值；
[0104] 若都满足，则所述第一组关键区域图像和所述第二组关键区域图像基于SURF算 法匹配；反之则不匹配。
[0105] 图10为图1所示单样本人脸识别方法的优选实施例的流程图。
[0106] 如图10所示，在一优选实施例中，步骤S50之前还包括：
[0107] S40:根据待识别人脸图像模型和人脸样本图像模型的年龄差距判断是否对所述 人脸样本图像模型进行老化模拟。
[0108] 具体地，在本实施例中，当待识别人脸图像模型和人脸样本图像模型的年龄差距 小于预设阈值时，不再执行步骤S50,而直接跳转至步骤S70。
[0109] 在一优选实施例中，当待识别人脸图像模型和人脸样本图像模型的年龄差距不小 于预设阈值时，步骤S53中的IBSDT算法将所述年龄差距作为参数，可实现更为精确的人脸 老化效果。
[0110] 图11为图10所示单样本人脸识别方法的优选实施例的流程图。
[0111] 如图11所示，在一优选实施例中，步骤S40之前还包括：
[0112] S30 :提取存储在数据库中的人脸样本图像模型。
[0113] 图12为图11所示步骤S30中人脸样本图像模型采集方法的流程图。
[0114] 如图12所示，在一优选实施例中，步骤S30从数据库中提取的人脸样本图像模型 是预先采集生成并存储在数据库中的，其生成方法包括：
[0115] Sll :采集预留的人脸图像；
[0116] S13 :在所述人脸图像上标注特征点；
[0117] S15:根据所述特征点建立所述人脸图像的主动表观模型，得到人脸样本图像模 型；
[0118] S17 :将所述人脸样本图像模型存储至数据库中。
[0119] 图13为图11所示单样本人脸识别方法的优选实施例的流程图。
[0120] 如图13所示，在一优选实施例中，步骤S30之前还包括：
[0121] S20 :采集待识别人脸图像并生成待识别人脸图像模型。
[0122] 图14为图13所示单样本人脸识别方法中步骤S20的流程图。
[0123] 如图14所示，在一优选实施例中，步骤S20具体包括：
[0124] S21 :采集待识别人脸图像；
[0125] S23 :在所述待识别人脸图像上标注特征点；
[0126] S25:根据所述特征点建立所述待识别人脸图像的主动表观模型，得到待识别人脸 图像模型。
[0127] 本发明上述一些实施例提供的兼容人脸老化识别的单样本人脸识别方法通过LBP 和SURF两种判断方法对人脸局部关键区域进行匹配，因 LBP和SURF各自具备较强的光照 鲁棒性，因此本发明所提供识别方法的识别结果对光照也具有非常强的鲁棒性。
[0128] 本发明上述一些实施例提供的兼容人脸老化识别的单样本人脸识别方法通过上 述各项技术的结合实现了在仅有1张预留图像的情况下，仍然能够取得很好的识别效果， 识别结果明显好于当前主流的Eigenface和Fisherface方法。
[0129] 最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽 管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然 可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替 换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精 神和范围。
【主权项】
1. 一种兼容人脸老化识别的单样本人脸识别方法，其特征在于，包括： 对预存的人脸样本图像模型进行老化模拟，重构所述人脸样本图像模型； 对待识别人脸图像模型和所述人脸样本图像模型进行全局特征匹配，若匹配失败，则 识别结果为不匹配；