随着科学与新技术的蓬勃发展,在人们工作生活的各个方面都可以看见人工智能的应用。人脸识别是人工智能研究的热点方向,其应用范围已覆盖安防、金融和移动智能硬件终端等领域。而在某些应用场景下,往往只能获取每个人的单张人脸图像。在此情况下,大部分传统人脸识别方法的识别性能会大幅度降低。因此,解决单样本人脸识别问题有着十分重要的研究意义和广阔的应用价值。针对单样本人脸识别问题,本文做的工作主要如下:(1)本文首先对人脸识别步骤中的人脸检测、人脸对齐与矫正的算法原理进行了详细地分析,并将其应用于单样本人脸识别中。然后,针对传统人脸识别算法的不足,详细分析了基于LBP、PCA及其改进算法。最后,针对单样本条件下训练样本不足的问题,详尽分析了镜像变换法、对称脸扩充法和滑动窗口扩充法等样本扩充方法。(2)针对单样本人脸识别中训练样本数目不足的问题,且为了在训练样本上提取鉴别性强、适应性好的表征特征,提出了基于特征点多尺度LBP和虚拟样本的单样本人脸识别方法。本方法首先通过镜像变换得到虚拟样本来扩充每个人的训练样本数量,再通过在人脸49个关键特征点上提取多尺度LBP来表征人脸图像的局部与全局范围内的高维有效鉴别特征,最后使用KNN分类器对其进行分类识别。在3个公开的人脸数据库上进行了实验,相比于其他常用人脸识别算法及其改进算法,本文所提的方法在识别率上有明显的提升。(3)本文设计并实现了一套基于居民身份证的人脸认证系统。该系统主要包括:在线身份证芯片信息采集模块、身份证表面图像的人脸信息采集模块和身份证人脸图像与视频流人脸图像对比认证模块。本文详细说明了系统总体框架与工作流程,并通过实验验证了该系统的可行性和有效性。