一种亲属关系识别方法及系统技术方案

本发明专利技术公开了一种亲属关系识别方法及系统。该方法包括：首先，基于人脸视频，构建用于描述父母和孩子关系的人脸视频数据库，并对人脸视频数据库中的视频进行预处理，及人脸检测、人脸归一化处理后，得到输入人脸图像；然后，建立卷积神经网络模型，以输入人脸图像作为输入，训练卷积神经网络模型；最后，通过训练后的卷积神经网络模型进行特征识别，输出是否具有亲属关系的判别结果。该系统包括人脸视频数据库构建模块、输入人脸图像获取模块、卷积神经网络模型训练模块和亲属关系判别模块。本发明专利技术能够在不采用DNA数据的前提下通过人脸识别实现人物亲属关系的识别。

A Kinship Recognition Method and System

The invention discloses a method and system for identifying kinship relationship. Firstly, based on face video, a face video database describing the relationship between parents and children is constructed, and the video in the face video database is preprocessed. After face detection and face normalization, the input face image is obtained. Then, a convolutional neural network model is established to train the convolutional neural network model with the input face image as input. Finally, the trained convolutional neural network model is used to identify the features and output the discriminant results of whether or not there is a kinship relationship. The system consists of a face video database building module, an input face image acquisition module, a convolutional neural network model training module and a kinship discrimination module. The present invention can realize the recognition of relatives by face recognition without using DNA data.

【技术实现步骤摘要】
一种亲属关系识别方法及系统
本专利技术涉及亲子鉴定领域，特别涉及一种亲属关系识别方法及系统。
技术介绍
目前，中国每年失踪儿童人数高达20万。根据专家保守统计，每年有20万失踪儿童中只有0.1％被找回。DNA亲子鉴定，是运用生物学、遗传学以及有关学科的理论和技术，根据遗传性状在子代和亲代之间的遗传规律，判断被控的父母和子女之间是否亲生关系的鉴定，是一种高精度的检定技术；但是，一方面由于失踪儿童的DNA获取非常的困难，另一方面由于DNA鉴定技术由于成本太高不适合大规模失散儿童的查询。因此，DNA检定技术无法有效的应用于寻找失踪儿童，如何不通过DNA技术进行亲子鉴定，成为一个亟待解决的技术问题。
技术实现思路
本专利技术的目的是提出一种基于人脸视频的亲属关系识别方法，实现在不采用DNA数据的前提下完成人物亲属关系的认证。为实现上述目的，本专利技术提供了如下方案：本专利技术实施例的第一个方面，提供了一种亲属关系识别方法，所述识别方法包括如下步骤：基于人脸视频，构建用于描述父母和孩子关系的人脸视频数据库；对所述人脸视频数据库中的视频进行预处理，并进行人脸检测、人脸归一化处理后，得到输入人脸图像；建立卷积神经网络模型，以所述输入人脸图像作为输入，训练所述卷积神经网络模型；通过训练后的所述卷积神经网络模型进行特征识别，输出是否具有亲属关系的判别结果。可选的，对所述人脸视频数据库中的视频进行预处理，具体包括：将所述视频分成预设段数的短视频；从每一段短视频中获取一张图像，作为图像训练样本。可选的，从每一段短视频中获取一张图像，作为图像训练样本，具体包括：将所述短视频中的每一帧的图像分别与其前预设帧数的图像和后预设帧数的图像进行比较，获得差值；选取所述差值最小的图像作为图像训练样本。可选的，进行人脸检测，具体包括如下步骤：建立人脸识别线性分类器；利用所述人脸识别线性分类器提取所述图像训练样本中的人脸部分，得到人脸图像训练样本。可选的，人脸归一化处理，具体包括：对所述人脸图像训练样本中人脸中的预设数量个特征点进行定位，得到每个特征点的位置；根据所述特征点的位置将所述人脸图像训练样本中的人脸变换到统一的角度，得到输入人脸图像。可选的，建立卷积神经网络模型，具体包括：在卷积层设置12个5乘5的滤波器、并采用一个带有2乘2核的最大池层，步幅为2；将特征识别结果输出压缩成一个向量，应用一全连接层，通过Sigmoid非线性函数去输出判别结果。本专利技术实施例的第二个方面，还提供一种亲属关系识别系统，该识别系统包括：人脸视频数据库构建模块，用于基于人脸视频，构建用于描述父母和孩子关系的人脸视频数据库；输入人脸图像获取模块，用于对人脸视频数据库中的视频进行预处理，并进行人脸检测、人脸归一化处理后，得到输入人脸图像；卷积神经网络模型训练模块，用于建立卷积神经网络模型，以输入人脸图像作为输入，训练卷积神经网络模型；亲属关系判别模块，用于通过训练后的卷积神经网络模型进行特征识别，输出是否具有亲属关系的判别结果。可选的，输入人脸图像获取模块，具体包括：视频分段单元，用于将视频分成预设段数的短视频；比较单元，将短视频中的每一帧的图像分别与其前预设帧数的图像和后预设帧数的图像进行比较，获得差值；图像训练样本选取单元，选取差值最小的图像作为图像训练样本。可选的，图像训练样本获取子模块，还包括：线性分类器建立子模块，用于建立人脸识别线性分类器；人脸部分获取子模块，用于利用人脸识别线性分类器提取所述图像训练样本中的人脸部分，得到人脸图像训练样本。可选的，输入人脸图像获取模块，还包括人脸归一化处理子模块；人脸归一化处理子模块，用于对人脸图像训练样本中的人脸中的预设数量个特征点进行定位，得到每个特征点的位置；并根据特征点的位置将人脸图像训练样本中的人脸变换到统一的角度，得到输入人脸图像。根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：本专利技术公开了一种亲属关系识别方法及系统。该方法基于高质量人脸视频构建人脸视频数据库，然后，对人脸视频库中的视频进行预处理，并进行人脸检测和归一化处理，得到统一后的输入人脸图像，并采用输入人脸图像训练卷积神经网络模型，通过训练后的卷积神经网络模型进行基于视频的亲属关系识别。该方法实现了基于视频的亲属关系识别，无需应用DNA技术，降低了亲子识别的成本，一定程度上提高了亲子识别的便利性，可广泛应用于失踪儿童的寻找。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术提供的一种亲属关系识别方法的流程图；图2为本专利技术提供的图像训练样本的选取结果图；图3为本专利技术提供的人脸图像训练样本的获取结果图；图4为本专利技术提供的在归一化处理过程中人脸关键点检测的结果图；图5为本专利技术提供的经过本专利技术的归一化处理的输入图像和未经过归一化处理的输入图像随光照变化的曲线图；图6为本专利技术提供的本专利技术的识别方法和其他识别方法的工作特征曲线比较示意图。具体实施方式本专利技术的目的是提供一种亲属关系识别方法及系统，以实现监控场景下的亲属关系验证。为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对专利技术作进一步详细的说明。实施例1本专利技术实施例1提供了一种亲属关系识别方法，如图1所示，所述识别方法包括如下步骤：步骤S101，基于人脸视频，构建用于描述父母和孩子关系的人脸视频数据库。步骤S102，对人脸视频数据库中的视频进行预处理，并进行人脸检测、人脸归一化处理后，得到输入人脸图像。步骤S103，建立卷积神经网络模型，以输入人脸图像作为输入，训练所述卷积神经网络模型。步骤104，通过训练后的卷积神经网络模型进行特征识别，输出是否具有亲属关系的判别结果。卷积神经网络模型构建并训练完成后，将待测视频按照步骤S102进行处理提取出输入人脸图像，作为卷积神经网络模型的输入，经过该卷积神经网络模型进行特征识别，并输出是否具有亲属关系的判别结果。本专利技术该实施例提供的亲属关系判别该方法，能够在不采用DNA数据的前提下通过人脸识别实现人物亲属关系的识别，通过自建的人脸视频数据库进行仿真实验结果证明，该方法具有较好的识别性能。实施例2本专利技术实施例2提供一种亲属关系识别方法的一个优选实施例。在本实施例中该方法包括步骤：步骤201，构建用于描述父母和孩子关系的人脸视频数据库。在实际应用中，要得出一个精确的机器学习结果，收集数据很重要。一个大的高质量的视频数据集会比图片数据集生成更好的结果，因为它有更多的时间相关的数据。本专利技术的视频包括网络的公开视频和志愿者的私有视频，都是高质量的，其中公开视频以名人为主，比如总统家庭和其他皇室家庭接受采访，还有其他上电视节目的家庭；私有的视频则来自志愿者。本专利技术的视频建立过程为手动对所述公开视频和志愿者的私有视频中截取3-10秒的动态短视频。其中接近80％来自网上的节目，其他的是在真实生活中拍摄的。本专利技术收集了不同家庭的100组视频，每组3个视频分别来自父母和孩子。截取的视频均为一个人的镜头特写，保证五官清晰且呈现完整。所有的视频平均时本文档来自技高网...

【技术保护点】
1.一种亲属关系识别方法，其特征在于，所述识别方法包括如下步骤：基于人脸视频，构建用于描述父母和孩子关系的人脸视频数据库；对所述人脸视频数据库中的视频进行预处理，并进行人脸检测、人脸归一化处理后，得到输入人脸图像；建立卷积神经网络模型，以所述输入人脸图像作为输入，训练所述卷积神经网络模型；通过训练后的所述卷积神经网络模型进行特征识别，输出是否具有亲属关系的判别结果。

【技术特征摘要】
1.一种亲属关系识别方法，其特征在于，所述识别方法包括如下步骤：基于人脸视频，构建用于描述父母和孩子关系的人脸视频数据库；对所述人脸视频数据库中的视频进行预处理，并进行人脸检测、人脸归一化处理后，得到输入人脸图像；建立卷积神经网络模型，以所述输入人脸图像作为输入，训练所述卷积神经网络模型；通过训练后的所述卷积神经网络模型进行特征识别，输出是否具有亲属关系的判别结果。2.根据权利要求1所述的一种亲属关系识别方法，其特征在于，所述对所述人脸视频数据库中的视频进行预处理，具体包括：将所述视频分成预设段数的短视频；从每一段短视频中获取一张图像，作为图像训练样本。3.根据权利要求2所述的一种亲属关系识别方法，其特征在于，所述从每一段短视频中获取一张图像，作为图像训练样本，具体包括：将所述短视频中的每一帧的图像分别与其前预设帧数的图像和后预设帧数的图像进行比较，获得差值；选取所述差值最小的图像作为图像训练样本。4.根据权利要求2或3所述的一种亲属关系识别方法，其特征在于，所述进行人脸检测，具体包括如下步骤：建立人脸识别线性分类器；利用所述人脸识别线性分类器提取所述图像训练样本中的人脸部分，得到人脸图像训练样本。5.根据权利要求4所述的一种亲属关系识别方法，其特征在于，所述人脸归一化处理，具体包括：对所述人脸图像训练样本中的人脸中的预设数量个特征点进行定位，得到每个特征点的位置；根据所述特征点的位置将所述人脸图像训练样本中的人脸变换到统一的角度，得到输入人脸图像。6.根据权利要1所述的一种亲属关系识别方法，其特征在于，所述建立卷积神经网络模型，具体包括：在卷积层设置12个5乘5的滤波器、并采用一个带有2乘2核的最大池层，步...

【专利技术属性】
技术研发人员：闫海滨，孙莹，李家琛，魏一文，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：北京,11