图hpf所属的 类别作为对测试样本T第r个小块所属类别。运样通过计算就得到了与测试样本T的统计 流形Ht=比…hT2,…，hj对应的类别预测数列C2=[C1，C2,…，Ct]。对于类别预测数 列C2= [Ci，C2,…，Ct]中的相同类别进行归并统计，取出出现频率最高的类别作为测试样 本T最终属于的类别即最终样本。
[0080] 基于上述技术方案，本发明实施例提供的基于单样本的图像识别的方法，该方法 通过将待识别图像进行切分处理后，第一次利用LBP计算每一个子图像的统计直方图，并 将每一个子图像的统计直方图与所有样本中对应区域的子图像的统计直方图进行曼哈顿 距离计算，从而确定与待识别图像最接近的粗检样本，并第二次利用上述方法将待识别图 像的各个子图像与粗检样本对应区域子图像进行识别，最终得到识别样本；该方法只需要 根据预定尺寸对待识别图像进行划分，计算预定个数的子图像与样本相对应子图像的曼哈 顿距离，不会出现现有技术中特征样本相关性高的问题，且本发明只有预定个数的子图像， 也不会出现现有技术中特征提取时间过长的问题；因此，本发明通过进行两次匹配能够提 高人脸识别效果，与此同时避免了在特征提取的过程中需要过多的时间。
[0081] 基于上述技术方案，本发明实施例还可W包括：
[0082] 定期对样本数据进行更新。
[0083] 其中，为了确保识别的准确性和可靠性，需要定期的对单样本数据进行更新，保持 样本数据的准确性，例如进行人脸识别时，由于只存在单样本，因此若该样本不能准确的代 表该人脸时会造成识别的错误，若该人脸是小时候的图像，但是人长大后样貌是会发生变 化的，因此需要定期的对样本数据进行更新。保证识别的准确性和可靠性。
[0084] 基于上述任意技术方案，本发明实施例还可W包括：
[00化]当确定最终样本时，提示用户进行查看。
[0086] 其中，通过提示可W节省用户的时间，用户只需要执行开始检测即可，就可W不用 一直叮着屏幕看，当识别完成后可W提示用户进行查看，提高用户使用体验。
[0087] 基于上述技术方案，本发明实施例提供的基于单样本的图像识别的方法，该方法 通过进行两次匹配能够提高人脸识别效果，与此同时避免了在特征提取的过程中需要过多 的时间。定期的对样本数据进行更新。保证识别的准确性和可靠性。且当识别完成后可W 提示用户进行查看，提高用户使用体验。
[0088] 下面W基于单样本的人脸图像识别作为例子对本发明的方法进行说明，具体过程 如下：
[0089] 例如在AR人脸数据库中进行了测试。AR人脸库包含有4000多张彩色图像，共有 126人，其中男性70人，女性56人，包含不同表情、光照条件、遮挡（太阳镜和围巾）的人脸 图像，每个人有26幅不同的人脸图像，通过两个不同的时段获取，每个时段每人获得13张 大小为768X576彩色图像。
[0090] 具体实施步骤如下：
[00川 （1)训练模块
[0092] 在实验中，从AR数据库中选取100个样本（男性50人，女性50人），图片尺寸缩 放为165X120,将它分成18X15个互不重叠的子图像块，K取7。
[0093] 将每个样本的第1张图像作为训练图像，就形成了一组单样本人脸训练集X= 技1，X2,…，Xi。。]，每幅图像尺寸为165X120,首先将每幅图像Xi分成270 = 18X15个互不 重叠的子图像块，每块子图像的尺寸为9X8。运样对于第i个人脸训练图像的多个子图像 块就组成了一个流形Mi= [X…心…，XnJ，1《i《100,1《r《270。对于第i个流 形Ml中的每一个子图像块Xu利用LBP算子进行处理得到其统计直方图。流形Mi= [X。， X。，…，Xi270]就形成了一个统计流形，hifGR256, 1《i《100,1《r《270 ;运样100个 训练样本就形成了一个训练集H=出1，&，…，Hi。。]，该训练集不仅包含了图像的局部纹理 信息，而且还包含了几何信息。
[0094] 似巧化式模块
[0095] 除每个样本的第1张图像外，从余下的25张图像中随机的选出5, 10, 15, 20, 24张 图像作为测试图像。对于每组试验重复10次，将10次试验结果的平均值作为每组试验的 识别率。对于给定的一幅人脸测试样本T，与训练阶段一样，首先将它分成270 = 18X15个 互不重叠的子图像块，经过LBP算子处理后形成一个统计流形电=比n，hT2,…，hrzJ。此 时人脸识别问题就转换为统计流形匹配问题了。统计流形匹配过程分为两步：
[0096] a)粗略匹配：确定测试样本T可能属于的类别 阳097] 对于人脸测试样本T的统计流形Ht=比Ti，hT2,…，hT27。]，分别计算其第r个小块的 统计直方图hwl《r《 270与训练集H=出1，&，…，HiJ中每个训练流形Hp，l100 的第r个小块的统计直方图hpf的曼哈顿距离。与hTf距离最短的统计直方图hpf所属的类 别作为对测试样本T第r个小块所属类别。运样通过计算就得到了与测试样本T的统计流 形电=比11，11了2，"，，11了27。]对应的类别预测数列。=[(3 1，02，"，，027。]。对于类别预测数 列。=[Ci，C2,…，C27。]中的相同类别进行归并统计，取出出现频率最高的前7个类别C [01, ，???，0?]。
[009引 b)精确匹配：确定测试样本T最终属于的类别 阳099] 对于人脸测试样本T的统计流形Ht=比Ti，hT2，…，hT27。]，分别计算其第r个小块 的统计直方图hw1《r《270与训练集H=出1，&，…，HiJ中每个训练流形Hp，PGC的第r个小块的统计直方图hpf的曼哈顿距离。与hTf距离最短的统计直方图hpf所属的类 别作为对测试样本T第r个小块所属类别。运样通过计算就得到了与测试样本T的统计流 形电=比11，11了2，"，，11了27。]对应的类别预测数列〔2=[(3 1，02，"，，027。]。对于类别预测数 列C2= [Ci，C2,…，C27。]中的相同类别进行归并统计，取出出现频率最高的类别作为测试 样本T最终属于的类别。
[0100] 下面将本方法与两种主流的方法值MMA，SVDL)进行对比W验证本方法的有效性。 试验结果如表1所示。结果表明了本发明在识别率上有大幅度的提高。 阳101] 表1在ARs数据库上的平均识别率（％ ) 阳 102]
[0103] 本发明实施例提供了基于单样本的图像识别的方法，可W通过上述方法能够在提 高人脸识别效果的同时，避免了在特征提取的过程中需要过多的时间。
[0104] 下面对本发明实施例提供的基于单样本的图像识别的系统进行介绍，下文描述的 基于单样本的图像识别的系统与上文描述的基于单样本的图像识别的方法可相互对应参 照。
[0105] 请参考图2,图2为本发明实施例所提供的基于单样本的图像识别的系统的结构 框图；该系统可W包括： 阳106] 获取模块100,用于获取待识别图像； 阳107]LBP算法模块200,用于将所述待识别图像划分为预定尺寸的互不重叠的子图像， 并利用LBP算法得到每个子图像的统计直方图；
[0108] 第一计算模块300,用于依次计算所述每个子图像的统计直方图与所述统计直方 图相对应的各个样本中的统计直方图的第一曼哈顿距离，根据所述第一曼哈顿距离确定粗 检样本；
[0109] 第二计算模块400,用于依次计算所述每个子图像的统计直方图与所述统计直方 图相对应的所述粗检样本中的统计直方图的第二曼哈顿距离，根据所述第二曼哈顿距离确 定与所述待识别图像最相似的最终样本。
[0110] 优选的，所述第一计算模块300包括： 阳111] 第一计算单元，用于依次计算所述每个子图像的统计直方图与所述统计直方图相 对应的各个样本中的统计直方图的第一曼哈顿距离；
[0112] 第一比较单元，用于比较所述每个子图像与所述每个子图像相对应的各个样本的 第一曼哈顿距离，从而确定所述每个子图像相对应的最小第一曼