真实环境下基于机器学习的单训练样本人脸识别技术研究

可视实体一般既有类的属性（如人，狗，汽车），也有个体属性（如我，我的狗，我的汽车）。本项目主要研究这两种属性之间的相互关系。特别地，我们将研究在仅有单个或极少训练样本情况下的个体区分问题。而人脸是一类常见的、包含丰富内容的可视对象，本项目将重点研究在真实环境下，如新闻图片，视频（包括电视，电影或监控录像）中的单训练样本人脸检测和识别问题。真实环境中获得的人脸图像往往比实验室条件下的人脸具有更大的可变性，如未知光源的自然光、大角度的姿态变化以及来自眼镜、围巾等各种装饰物的遮挡，因而更具挑战性。项目的主要研究思路是以机器学习和模式识别的基本方法为手段，以局部可视特征为基本描述方法，并结合各种图像预处理技术，来学习和提取训练样本中的类依赖特征，并优化对象之间的相似度计算函数，从而提高真实环境中单训练样本人脸识别系统的鲁棒性。本项目的研究不仅能对模式识别的理论与算法有所贡献，还可望获得实际应用。