结合深度度量学习的血缘关系识别
目的 人脸图像分析是计算机视觉和模式识别领域的重要研究方向之一,基于人脸图像的血缘关系识别是对给定的一对或一组人脸图像,判断其是否存在某种血缘关系.人脸血缘关系识别不仅在生物特征识别领域有着重要研究价值,而且在社交媒体挖掘、失散家庭成员寻找等社会生活领域中有重要的应用价值.针对当前大多数算法都是基于传统机器学习方法,提出一种采用深度度量学习进行人脸图像血缘关系研究的新方法.方法 目前深度学习算法能很好地理解单张人脸图像,但是多个主体间的关系探究仍然是计算机视觉领域富有挑战性的问题之一.为此,提出一种基于深度度量学习的父母与子女的血缘关系识别方法.首先使用超过5 000 000张人脸图像的样本集训练一个深度卷积神经网络FaceCNN并提取父母与子女的人脸图像深度特征,之后引入判别性度量学习方法,使得具有血缘关系的特征尽可能地靠近,反之则尽可能地远离.然后对特征进行分层非线性变换使其具有更强判别特性.最后根据余弦相似度分别计算父亲、母亲和孩子的相似度并利用相似概率值得到双亲和孩子的综合相似度得分.结果 算法在TSKinFace数据集上验证了FaceCNN提取特征与深度度量学习结合进行血缘关系识别的有效性,最终在该数据集上父母与儿子和女儿的血缘关系识别准确率分别达到87.71％和89.18％,同时算法在进行血缘度量学习和双亲相似度计算仅需要3.616 s.结论 提出的血缘关系识别方法,充分利用深度学习网络良好的表征和学习能力,不仅耗时少,而且有效地提高了识别准确率.
血缘关系识别、卷积神经网络、深度特征、深度学习、度量学习
23
T(工业技术)
国家自然科学基金项目61601311,61603022;北京市自然科学基金项目4162017;北京市优秀人才基金项目2016000020124G088;北京市教委科研计划基金项目SQKM201810028018;北京市属高校高水平教师队伍建设支持计划基金项目CIT&TCD20170322
2018-11-09（万方平台首次上网日期，不代表论文的发表时间）
共9页
1540-1548
