本书系统性地总结了单样本人脸识别技术从传统方法到深度学习的发展历程，涵盖了特征提取、稀疏表示、虚拟样本生成、迁移学习、语义引导等多个核心方向。 本书力求理论与实践相结合，既注重算法原理的推导与分析，也提供了丰富的实验验证与性能比较，适合作为高等院校计算机视觉、模式识别、生物特征识别等相关专业的高年级本科生或研究生教材，也可供从事人脸识别研究与开发的工程师和科研人员参考。

第一章 引论
1.1 研究意义
1.2 传统单样本人脸识别方法研究现状
1.3 深度单样本人脸识别方法研究现状
1.4 数据集
参考文献
第二章 基于局部特征提取的单样本人脸识别
2.1 局部几何特征提取
2.2 韦伯局部二元模式
2.3 基于局部相似性的子空间学习
2.4 结论
参考文献
第三章 基于稀疏表示的单样本人脸识别
3.1 基于局部结构的稀疏表示
3.2 基于局部结构的协同表示
3.3 基于贝叶斯推理的LS_SRC和LS_CRC
3.4 结构化稀疏表示
3.5 稀疏低秩建模
3.6 结论
参考文献
第四章 基于统一通用表示的单样本人脸识别
4.1 引言
4.2 全局通用表示
4.3 局部通用表示
4.4 统一通用表示
4.5 优化
4.6 实验
4.7 结论
参考文献
第五章 基于线性回归的单样本人脸识别
5.1 引言
5.2 子块联合回归
5.3 等距嵌入
5.4 基于半监督的子块联合回归
5.5 Inexact ALM优化
5.6 实验
5.7 结论
参考文献
第六章 基于中层语义特征的单样本人脸识别
6.1 引言
6.2 基于多阶段K近邻协同表示编码的词袋模型
6.3 基于SOM编码的单样本人脸识别方法
6.4 结论
参考文献
第七章 基于虚拟样本生成的单样本人脸识别
7.1 引言
7.2 循环自编码器
7.3 块稀疏联合表示
7.4 实验
7.5 结论
参考文献
第八章 基于虚拟特征生成的单样本人脸识别
8.1 引言
8.2 基于原型的特征中心学习
8.3 基于特征中心引导的特征生成
8.4 实验
8.5 结论
参考文献
第九章 基于迁移学习的单样本人脸识别
9.1 引言
9.2 对抗迁移与度量函数的人脸特征提取
9.3 基于等距嵌入的分类器增强
9.4 实验
9.5 结论
参考文献
第十章 语义引导的深度单样本人脸识别
10.1 融合视觉语义特征的单样本人脸识别
10.2 基于语义解耦和对抗生成的单样本人脸识别
10.3 结论
参考文献
第十一章 发展动态分析
11.1 虚拟样本的身份信息保存
11.2 通用学习中的域适应
11.3 基于大规模无监督预训练的人脸表征学习
11.4 语义鸿沟
参考文献