本发明专利技术公开了基于人脸生物特征的直系亲属关系识别方法及系统，对于终端采集的图片进行人脸检测得到人脸图像；提取人脸图像中的局部二值模式及其变种中心对称局部二值模式的特征向量，并根据所述特征向量学习比较所述人脸图像与目标人脸之间的相似性程度；基于生物激励特征对人脸图像的性别以及年龄进行识别；根据所述性别、年龄以及相似程度识别出所述人脸图像与目标人脸的直系亲属关系。其避免了使用复杂的手工标注特征以及特征融合过程，能够提取到高水平的亲属关系特征；同时，对人脸图像的性别与年龄进行识别，进一步确定直系亲属之间的关系。
【技术实现步骤摘要】
本专利技术设及图像识别
，特别设及基于人脸生物特征的直系亲属关系识别 方法及系统。
技术介绍
生物学家发现人脸图像是判断两个人是否有直系亲属关系的重要因素，伴随着一 些诸如失踪儿童找回、儿童领养、寻找模仿者等应用需求的增长，根据人脸判断两人是否有 直系亲属关系获得了越来越多人的关注。一些传统的方法是首先提取人脸的多种低层次特 征，然后通过复杂的融合方式将多种低层次特征进行融合，最后送入分类器中进行分类判 断。然而运些手工设计的低层次特征表达，无法很好的表达出人脸中蕴含的直系亲属关系 信息。此外，传统方法没有考虑人脸关键点W及局部区域的相似度对亲属识别的重要性，因 此不利于实现亲属识别。 因而现有技术还有待改进和提高。
技术实现思路
本专利技术要解决的技术问题在于，针对现有技术的不足，提供基于人脸生物特征的 直系亲属关系识别方法及系统，W解决现有亲属识别方法中没有考虑人脸关键点W及局部 区域的相似度对亲属识别的重要性，而无法准确识别直系亲属关系的问题。[000引为了解决上述技术问题，本专利技术所采用的技术方案如下： 基于人脸生物特征的直系亲属关系识别方法，其包括： A、 对于终端采集的图片进行人脸检测得到人脸图像； B、 提取人脸图像中的局部二值模式及其变种中屯、对称局部二值模式的特征向量，并根 据所述特征向量学习比较所述人脸图像与目标人脸之间的相似性程度； C、 基于生物激励特征对人脸图像的性别W及年龄进行识别； D、 根据所述性别、年龄W及相似程度识别出所述人脸图像与目标人脸的直系亲属关 系。 所述基于人脸生物特征的直系亲属关系识别方法，其中，所述步骤A中人脸检测采 用基于积分图W及AdaBoost算法的级联分类器对移动终端采集的图片进行人脸检测，其包 括： A1、构建由人脸图像组成的图像样本库，提取图片的化rr-like特征，并将所述化rr-like特征采用积分图法进行特征数值的计算； A2、采用Adaboost算法选取人脸的矩形特征形成弱分类器，将所述弱分类器采用加权 投票的方法构造为一个强分类器 A3、将训练得到的若干强分类器串联组成一个级联结构的层叠分类器，对所述人脸图 像进行检测。 所述基于人脸生物特征的直系亲属关系识别方法，其中，所述步骤B具体为： Bl、提取人脸图像的局部二值模式及变种中屯、对称局部二值模式特征向量； B2、采用主分量分析法对所述特征向量进行降维处理； B3、在降维后的特征向量空间中，采用马氏距离和双线性相似性函数相结合的度量方 式对两个特征向量进行相似性度量学习比较，得到所述人脸图像与目标人脸的距离。 所述基于人脸生物特征的直系亲属关系识别方法，其中，所述马氏距离和双线性 相似性函数相结合的度量方式为：其中，礙數辕为马氏距离，馬;《;为双线性相似函数，M，G分别为参数矩阵。 所述基于人脸生物特征的直系亲属关系识别方法，其中，所述步骤C中基于生物激 励特征对人脸图像的性别进行识别为采用基于生物激励特征的支持向量机分类器对人脸 图像的性别进行识别，所述基于生物激励特征的支持向量机分类器包括： 51、 将所述人脸图像根据双眼位置进行对齐，然后利用Gabor滤波器提取人脸图片的 Gabor图谱； 52、 对所述Gabor图谱进行取最大值Max操作和取标准差值Std操作得到生物激励特征； 53、 根据提取的生物激励特征，利用多分类Adaboost级联算法对生物激励特征向量进 行维度处理； 54、 在降维后的特征空间中，训练出用于性别识别的二分类支持向量机分离器。 所述基于人脸生物特征的直系亲属关系识别方法，其中，所述步骤C中基于生物激 励特征对人脸图像的年龄进行识别为采用基于生物激励特征的支持向量机和支持向量回 归混合树形分类器对人脸图像的年龄进行识别，所述基于生物激励特征的支持向量机和支 持向量回归混合树形分类器包括： H1、将所述人脸图像根据双眼位置进行对齐，利用Gabor滤波器提取人脸图片的Gabor 图谱； 肥、对所述Gabor图谱进行取最大值Max操作和取标准差值Std操作得到生物激励特征； H3、根据提取的生物激励特征，利用多分类Adaboost级联算法对生物激励特征向量进 行维度处理； H4、在降维后的特征空间中，W支持向量机和支持向量回归为节点构造树形分类器。 基于人脸生物特征的直系亲属关系识别系统，其包括： 检测模块，用于对于终端采集的图片进行人脸检测得到人脸图像； 提取模块，用于提取人脸图像中的局部二值模式及其变种中屯、对称局部二值模式的特 征向量，并根据所述特征向量学习比较所述人脸图像与目标人脸之间的相似性程度； 识别模块，用于基于生物激励特征对人脸图像的性别W及年龄进行识别； 确定模块，用于根据所述性别、年龄W及相似程度识别出所述人脸图像与目标人脸的 直系萊属关系。 所述基于人脸生物特征的直系亲属关系识别系统，其中，所述检测模块还用于采 用基于积分图W及AdaBoost算法的级联分类器对移动终端采集的图片进行人脸检测。 所述基于人脸生物特征的直系亲属关系识别系统，其中，所述基于生物激励特征 对人脸图像的性别进行识别为采用基于生物激励特征的支持向量机分类器对人脸图像的 性别进行识别。 所述基于人脸生物特征的直系亲属关系识别系统，其中，基于生物激励特征对人 脸图像的年龄进行识别为采用基于生物激励特征的支持向量机和支持向量回归混合树形 分类器对人脸图像的年龄进行识别。 有益效果：与现有技术相比，本专利技术所提基于人脸生物特征的直系亲属关系识别 方法及系统，对于终端采集的图片进行人脸检测得到人脸图像;提取人脸图像中的局部二 值模式及其变种中屯、对称局部二值模式的特征向量，并根据所述特征向量学习比较所述人 脸图像与目标人脸之间的相似性程度;基于生物激励特征对人脸图像的性别W及年龄进行 识别;根据所述性别、年龄W及相似程度识别出所述人脸图像与目标人脸的直系亲属关系。 其避免了使用复杂的手工标注特征W及特征融合过程，能够提取到高水平的亲属关系特 征;并且该方法考虑了人脸关键点W及人脸局部区域相似度对亲属关系识别的影响，分别 对人脸局部二值模式及其变种中屯、对称局部二值模式的特征进行学习，具有更强的亲属关 系识别能力。同时，对人脸图像的性别与年龄进行识别，进一步确定直系亲属之间的关系。【附图说明】 图1为本专利技术基于人脸生物特征的直系亲属关系识别方法较佳实施例的流程图。 图2为本专利技术提供相似程度识别方法较佳实施例的流程图。 图3为本专利技术提供性别识别方法较佳实施例的流程图。 图4为本专利技术提供年龄识别方法较佳实施例的流程图当前第1页1 2 3 4 本文档来自技高网...
【技术保护点】
基于人脸生物特征的直系亲属关系识别方法，其特征在于，其包括：A、对于终端采集的图片进行人脸检测得到人脸图像；B、提取人脸图像中的局部二值模式及其变种中心对称局部二值模式的特征向量，并根据所述特征向量学习比较所述人脸图像与目标人脸之间的相似性程度；C、基于生物激励特征对人脸图像的性别以及年龄进行识别；D、根据所述性别、年龄以及相似程度识别出所述人脸图像与目标人脸的直系亲属关系。
【技术特征摘要】
【专利技术属性】
技术研发人员：郭振华，杨卫国，张嘉奇，杨余久，王序，
申请(专利权)人：康佳集团股份有限公司，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。