CN105975914A - 基于线性组合特征的夫妇与孩子间三人亲属关系判别方法 - Google Patents
基于线性组合特征的夫妇与孩子间三人亲属关系判别方法 Download PDFInfo
- Publication number
- CN105975914A CN105975914A CN201610273318.6A CN201610273318A CN105975914A CN 105975914 A CN105975914 A CN 105975914A CN 201610273318 A CN201610273318 A CN 201610273318A CN 105975914 A CN105975914 A CN 105975914A
- Authority
- CN
- China
- Prior art keywords
- child
- father
- mother
- people
- characteristic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
- G06V40/169—Holistic features and representations, i.e. based on the facial image taken as a whole
Abstract
本发明提供一种基于线性组合特征的夫妇与孩子之间三人亲属关系判别方法,能够充分提取多尺度的人脸遗传特征,通过寻找夫妇特征向量的线性组合与孩子特征向量之间最小距离的方式,能够近似地重复人脸特征的遗传过程,原理简单,相似度值计算不需要训练过程,且效果好。
Description
技术领域
本发明涉及一种基于线性组合特征的夫妇与孩子之间三人亲属关系判别方法,属于模式识别、计算机视觉领域。
背景技术
人脸图像是判断一对夫妇与一个孩子之间是否存在亲属关系的重要依据。已有的识别方法首先对整幅人脸图像在同一个尺度上提取特征,然后分别在父亲与孩子之间和母亲与孩子之间进行有监督的相似度学习和判别,最后将两个判别结果(父与子、母与子)进行组合,得到夫妇与孩子的三人亲属关系判别。然而这种单尺度的特征提取方法会遗失其他尺度上的人脸遗传特征,降低模型的区分力,而且将父亲和母亲分别与孩子进行相似度判别的做法会引入父母没有遗传给孩子的脸部特征,影响判别精度,因此上述方法存在很大的不足。
发明内容
发明目的:本发明提供一种基于线性组合特征的夫妇与孩子之间三人亲属关系判别方法,旨在克服已有方法丢失遗传特征、引入未遗传特征的问题。本发明能够充分利用夫妇与孩子间的遗传信息,有效提升夫妇与孩子间亲属关系判别的精度。
本发明的技术方案是:一种夫妇与孩子之间三人亲属关系判别方法,具体步骤如下:
步骤一、对父亲、母亲和孩子三人的人脸图像分别提取遗传特征:对所述三人的人脸图像进行人脸关键点检测,将图像放大或缩小到若干个不同的尺度上,在每个尺度的每个关键点周围采样指定形式的相同大小的图像块,在每个图像块中提取指定形式的图像特征作为该尺度下该图像块的遗传特征;
步骤二、计算父亲、母亲和孩子之间的遗传特征不相似度:选取三人对应图像块的特征,将父亲和母亲的特征向量以线性组合的方式相加,其中父亲和母亲两人权重的和为1,以此方式模拟基因遗传的随机选择过程;然后减去孩子的特征向量,得到一个新向量,不断调节权重,使得新向量的长度最小,将该向量长度作为该尺度下该图像块的遗传不相似度值;对三人在所有尺度下所有对应图像块的不相似度值求和,得到该对夫妇和该孩子之间的遗传不相似度值;
步骤三、训练分类器:在训练过程中,对数据库中所有训练样本组按照步骤一所述方式提取遗传特征,再按照步骤二所述方式求不相似度值,用求得的不相似度值训练分类器,每个训练样本组包括一个父亲、一个母亲和一个孩子;在测试过程中,同样按照步骤一所述方式提取样本的遗传特征,再按照步骤二所述方式求不相似度值,输入训练好的分类器,得到是否存在亲属关系的判别。
进一步的,所述步骤二、计算父亲、母亲和孩子之间的遗传特征不相似度,具体步骤如下:
(1)记父亲、母亲和孩子在相同尺度下相同位置图像块的特征向量分别为f、m和c,该特征的遗传学遗传过程近似如下:
c=w·f+(1-w)·m+e
其中:w∈[0,1],w为控制父亲和母亲线性组合的标量值,e为误差向量;
(2)通过如下公式计算三个图像块之间的遗传不相似度d:
其中:||·||k为求取向量的k范数;不断调节w,使得d的值最小,以此时的d值作为给定父亲、母亲和孩子在该尺度下该图像块的遗传不相似度;
(3)对所有尺度下所有对应图像块的特征反复计算步骤(1)和(2)所述公式,得到di,i=1…N,其中N为每个人的图像块数量,则该父亲、母亲和孩子之间的遗传不相似度为:
进一步的,步骤(2)所述不断调节w,使得d的值最小采用二分搜索法实现。
有益效果:本发明能够充分提取多尺度的人脸遗传特征,通过寻找夫妇特征向量的线性组合与孩子特征向量之间最小距离的方式,能够近似地重复人脸特征的遗传过程,原理简单,(不)相似度值计算不需要训练过程,且效果好。
附图说明
图1是人脸关键点示意图。
图2是多尺度图像关键点周围的图像块采样示意图。
具体实施方式
下面结合附图对本发明的原理作具体的说明:
本发明基于如下的遗传学基本原理:人的脸部特征受到基因的控制;基因是染色体的片段;一对夫妇在生育孩子的过程中,父亲和母亲均从自身染色体中随机选择一半,组成新的染色体,遗传给孩子,以此方式将两人的部分基因传递给孩子。因此,孩子的每个脸部特征将以很大的概率(考虑到环境、基因变异、隐性基因的影响)和其父母中至少一人相似;而若夫妇不是孩子的生父母,则孩子脸部特征和夫妇相似的概率较小。
步骤一、提取人脸遗传特征
对父亲、母亲和孩子三人的人脸图像进行关键点检测(例如图1中检测到51个关键点)。然后将所有图像放大或缩小到指定尺度上,在每个关键点周围采样指定形式的相同大小的图像块(例如,图2中,图像被放大或缩小到三个尺度上,并在每个特征点周围采样了相同大小的4*4不重叠图像块)。最后在每个图像块中提取指定形式的图像特征,作为每个人在该尺度下该图像块的遗传特征。
步骤二、计算一对夫妇和一个孩子间的遗传不相似度值
记一对夫妇(父亲和母亲)和一个孩子在相同尺度下相同位置图像块的特征向量分别为f、m和c。该特征的遗传学遗传过程(基因的随机选择)应当是
c=r·f+(1-r)·m
其中r∈{0,1}。由于在遗传过程中受到环境、基因变异、隐性基因等影响,以及在人脸成像过程中受到光照、角度等影响,将上式用如下公式近似
c=w·f+(1-w)·m+e
其中w∈[0,1],w为控制父亲和母亲线性组合的标量值,e为误差向量。通过如下公式计算三个图像块之间的遗传不相似度d:
其中||·||k为求取向量的k范数。不断调节w,使得d的值最小(可用二分搜索法实现),以此时的d值作为给定夫妇和孩子在该尺度下该图像块的遗传不相似度。
对所有尺度下所有对应图像块的特征反复计算上述公式,得到di,i=1…N,其中N为每个人的图像块数量,则该夫妇和该孩子之间的遗传不相似度为:
步骤三、训练分类器
在训练过程中,对数据库中所有训练样本组(孩子是夫妇生育的正样本组合和孩子不是夫妇生育的负样本组合)按照步骤一所述方式提取遗传特征,再按照步骤二所述方式求不相似度值,用求得的不相似度值训练分类器,每个训练样本组包括一个父亲、一个母亲和一个孩子;在测试过程中,同样按照步骤一所述方式提取样本的遗传特征,再按照步骤二所述方式求不相似度值,输入训练好的分类器,得到是否存在亲属关系的判别。
以上实施例仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明保护范围之内。
Claims (3)
1.一种夫妇与孩子之间三人亲属关系判别方法,其特征在于,具体步骤如下:
步骤一、对父亲、母亲和孩子三人的人脸图像分别提取遗传特征:对所述三人的人脸图像进行人脸关键点检测,将图像放大或缩小到若干个不同的尺度上,在每个尺度的每个关键点周围采样指定形式的相同大小的图像块,在每个图像块中提取指定形式的图像特征作为该尺度下该图像块的遗传特征;
步骤二、计算父亲、母亲和孩子之间的遗传特征不相似度:选取三人对应图像块的特征,将父亲和母亲的特征向量以线性组合的方式相加,其中父亲和母亲两人权重的和为1,以此方式模拟基因遗传的随机选择过程;然后减去孩子的特征向量,得到一个新向量,不断调节权重,使得新向量的长度最小,将该向量长度作为该尺度下该图像块的遗传不相似度值;对三人在所有尺度下所有对应图像块的不相似度值求和,得到该对夫妇和该孩子之间的遗传不相似度值;
步骤三、训练分类器:在训练过程中,对数据库中所有训练样本组按照步骤一所述方式提取遗传特征,再按照步骤二所述方式求不相似度值,用求得的不相似度值训练分类器,每个训练样本组包括一个父亲、一个母亲和一个孩子;在测试过程中,同样按照步骤一所述方式提取样本的遗传特征,再按照步骤二所述方式求不相似度值,输入训练好的分类器,得到是否存在亲属关系的判别。
2.根据权利要求1所述的一种夫妇与孩子之间三人亲属关系判别方法,其特征在于,所述步骤二、计算父亲、母亲和孩子之间的遗传特征不相似度,具体步骤如下:
(1)记父亲、母亲和孩子在相同尺度下相同位置图像块的特征向量分别为f、m和c,该特征的遗传学遗传过程近似如下:
c=w·f+(1-w)·m+e
其中:w∈[0,1],w为控制父亲和母亲线性组合的标量值,e为误差向量;
(2)通过如下公式计算三个图像块之间的遗传不相似度d:
其中:‖·‖k为求取向量的k范数;不断调节w,使得d的值最小,以此时的d值作为给定父亲、母亲和孩子在该尺度下该图像块的遗传不相似度;
(3)对所有尺度下所有对应图像块的特征反复计算步骤(1)和(2)所述公式,得到di,i=1…N,其中N为每个人的图像块数量,则该父亲、母亲和孩子之间的遗传不相似度为:
3.根据权利要求2所述的一种夫妇与孩子之间三人亲属关系判别方法,其特征在于,步骤(2)所述不断调节w,使得d的值最小采用二分搜索法实现。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610273318.6A CN105975914B (zh) | 2016-04-28 | 2016-04-28 | 基于线性组合特征的夫妇与孩子间三人亲属关系判别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610273318.6A CN105975914B (zh) | 2016-04-28 | 2016-04-28 | 基于线性组合特征的夫妇与孩子间三人亲属关系判别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105975914A true CN105975914A (zh) | 2016-09-28 |
CN105975914B CN105975914B (zh) | 2018-12-28 |
Family
ID=56993722
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610273318.6A Active CN105975914B (zh) | 2016-04-28 | 2016-04-28 | 基于线性组合特征的夫妇与孩子间三人亲属关系判别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105975914B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107679466A (zh) * | 2017-09-21 | 2018-02-09 | 百度在线网络技术(北京)有限公司 | 信息输出方法和装置 |
CN107967463A (zh) * | 2017-12-12 | 2018-04-27 | 武汉科技大学 | 一种基于合成图像和深度学习的虚拟人脸识别方法 |
CN108257081A (zh) * | 2018-01-17 | 2018-07-06 | 百度在线网络技术(北京)有限公司 | 用于生成图片的方法和装置 |
CN109740536A (zh) * | 2018-06-12 | 2019-05-10 | 北京理工大学 | 一种基于特征融合神经网络的亲属识别方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101154263A (zh) * | 2006-09-27 | 2008-04-02 | 中国科学院自动化研究所 | 基于局部结构的双胞胎相似指纹识别系统及方法 |
CN103631895A (zh) * | 2013-11-20 | 2014-03-12 | 宁波保税区攀峒信息科技有限公司 | 一种异常血亲关系数据检测方法和装置 |
CN103914527A (zh) * | 2014-03-28 | 2014-07-09 | 西安电子科技大学 | 一种基于新编码方式的遗传规划算法的图形图像识别与匹配方法 |
US20150106372A1 (en) * | 2011-12-09 | 2015-04-16 | Primax Electronics Ltd. | Photo management system |
CN105005774A (zh) * | 2015-07-28 | 2015-10-28 | 中国科学院自动化研究所 | 一种基于卷积神经网络的人脸亲属关系识别方法及装置 |
CN105488463A (zh) * | 2015-11-25 | 2016-04-13 | 康佳集团股份有限公司 | 基于人脸生物特征的直系亲属关系识别方法及系统 |
-
2016
- 2016-04-28 CN CN201610273318.6A patent/CN105975914B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101154263A (zh) * | 2006-09-27 | 2008-04-02 | 中国科学院自动化研究所 | 基于局部结构的双胞胎相似指纹识别系统及方法 |
US20150106372A1 (en) * | 2011-12-09 | 2015-04-16 | Primax Electronics Ltd. | Photo management system |
CN103631895A (zh) * | 2013-11-20 | 2014-03-12 | 宁波保税区攀峒信息科技有限公司 | 一种异常血亲关系数据检测方法和装置 |
CN103914527A (zh) * | 2014-03-28 | 2014-07-09 | 西安电子科技大学 | 一种基于新编码方式的遗传规划算法的图形图像识别与匹配方法 |
CN105005774A (zh) * | 2015-07-28 | 2015-10-28 | 中国科学院自动化研究所 | 一种基于卷积神经网络的人脸亲属关系识别方法及装置 |
CN105488463A (zh) * | 2015-11-25 | 2016-04-13 | 康佳集团股份有限公司 | 基于人脸生物特征的直系亲属关系识别方法及系统 |
Non-Patent Citations (2)
Title |
---|
XIAOQIAN QIN 等: "Tri-Subject Kinship Verification: Understanding the Core of A Family", 《IEEE TRANSACTIONS ON MULTIMEDIA》 * |
XIUZHUANG ZHOU 等: "Kinship Verification from Facial Images Under Uncontrolled conditions", 《PROCEEDINGS OF THE 19TH ACM INTERNATIONAL CONFERENCE ON MULTIMEDIA》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107679466A (zh) * | 2017-09-21 | 2018-02-09 | 百度在线网络技术(北京)有限公司 | 信息输出方法和装置 |
US10719693B2 (en) | 2017-09-21 | 2020-07-21 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for outputting information of object relationship |
CN107679466B (zh) * | 2017-09-21 | 2021-06-15 | 百度在线网络技术(北京)有限公司 | 信息输出方法和装置 |
CN107967463A (zh) * | 2017-12-12 | 2018-04-27 | 武汉科技大学 | 一种基于合成图像和深度学习的虚拟人脸识别方法 |
CN107967463B (zh) * | 2017-12-12 | 2021-04-02 | 武汉科技大学 | 一种基于合成图像和深度学习的虚拟人脸识别方法 |
CN108257081A (zh) * | 2018-01-17 | 2018-07-06 | 百度在线网络技术(北京)有限公司 | 用于生成图片的方法和装置 |
CN109740536A (zh) * | 2018-06-12 | 2019-05-10 | 北京理工大学 | 一种基于特征融合神经网络的亲属识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105975914B (zh) | 2018-12-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6159489B2 (ja) | 顔認証方法およびシステム | |
Chen et al. | The application of a convolution neural network on face and license plate detection | |
CN105787472B (zh) | 一种基于时空拉普拉斯特征映射学习的异常行为检测方法 | |
CN110610129A (zh) | 一种基于自注意力机制的深度学习人脸识别系统及方法 | |
Abdullah et al. | Optimizing face recognition using PCA | |
CN109101865A (zh) | 一种基于深度学习的行人重识别方法 | |
CN108427921A (zh) | 一种基于卷积神经网络的人脸识别方法 | |
CN105138998B (zh) | 基于视角自适应子空间学习算法的行人重识别方法及系统 | |
CN105975914A (zh) | 基于线性组合特征的夫妇与孩子间三人亲属关系判别方法 | |
JP2016538656A (ja) | 顔画像認識のための方法とシステム | |
CN102637251A (zh) | 基于参考特征的人脸识别方法 | |
CN105138954A (zh) | 一种图像自动筛选查询识别系统 | |
CN110503000B (zh) | 一种基于人脸识别技术的教学抬头率测量方法 | |
CN102156887A (zh) | 一种基于局部特征学习的人脸识别方法 | |
CN102385690A (zh) | 基于视频图像的目标跟踪方法及系统 | |
Wang et al. | Face live detection method based on physiological motion analysis | |
CN110097029B (zh) | 基于Highway网络多视角步态识别的身份认证方法 | |
CN104915673A (zh) | 一种基于视觉词袋模型的目标分类方法和系统 | |
Wang et al. | Automatic recognition of facial movement for paralyzed face | |
CN110135327A (zh) | 一种基于多区域特征学习模型的驾驶员行为识别方法 | |
CN104794446B (zh) | 基于合成描述子的人体动作识别方法及系统 | |
CN105138983A (zh) | 基于加权部件模型和选择性搜索分割的行人检测方法 | |
CN110555339A (zh) | 一种目标检测方法、系统、装置及存储介质 | |
Mace et al. | Accelerometer-based hand gesture recognition using feature weighted naïve bayesian classifiers and dynamic time warping | |
CN104978569A (zh) | 一种基于稀疏表示的增量人脸识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |