基于单个训练样本的人脸识别问题的研究开题报告

1. 研究目的与意义

现阶段对每人只有一个训练样本的人脸识别问题所进行的研究还很少。

在许多的实际场合，我们只有每个人的一张照片，例如可能是身份证、工作证、学生证、护照、毕业证和准考证等上面的一张照片，我们只能通过单幅照片来进行识别，所以对这一问题进行研究和探讨是有意义的，也是完全有必要的。

通常人脸识别的正确率，一方面与算法本身有关，另一方面也与训练样本的质量和数量密切相关。

2. 国内外研究现状分析

针对人脸识别问题，有人提出了一种中心近邻嵌入的学习算法，他是一种有监督的线性降维方法。

3. 研究的基本内容与计划

常用方法为；pca（主分量分析）、2dpca（二维pca）、fisherfaces、fisher线性鉴别分析(fisher linenar discriminant analysis，lda)、统计不相关的鉴别分析（ulda）等等。

这些方法都要求每个人有一定的训练样本数量，通常每人至少两幅图像用于训练。

一般情况下，许多算法的识别率会随着每个人的训练样本数的增加而提高。

4. 研究创新点

对近年来出现的单样本人脸识别技术和方法进行简单的分类，介绍提高单样本人脸是识别率的方法，阐明单样本人脸识别技术面临的挑战，对未来单样本人脸识别技术的发展方向进行展望。

对如何增加虚拟训练样本和如何利用一个训练样本进行人脸识别进行了研究。

探讨由原始图像经过镜像变换、一些几何变换、积分投影等合成新方法增加虚拟样本。