基于深度学习的亲属关系验证方法和系统技术方案

本发明专利技术提供了一种基于深度学习的亲属关系验证方法和系统，其中，所述方法包括，获取第一图像数据和第二图像数据，其中，第一图像数据为待验证目标的图像数据，第二图像数据为比对目标的图像数据，采用多个特征提取网络对第一图像数据和第二图像数据进行特征提取，并且每个特征提取网络分别从第一图像数据和第二图像数据得到一个特征向量，并根据该特征向量分别得到待验证目标的融合特征向量和比对目标的融合特征向量，以及根据待验证目标的融合特征向量和比对目标的融合特征向量判断待验证目标与比对目标之间是否存在亲属关系。本发明专利技术能够具有较高的检测精度，并且能够在图像数据较少的情况下对目标之间是否存在亲属关系进行较为准确的判断。

【技术实现步骤摘要】
基于深度学习的亲属关系验证方法和系统
本专利技术涉及图像处理
，具体涉及一种基于深度学习的亲属关系验证方法和一种基于深度学习的亲属关系验证系统。
技术介绍
目前，判断亲属关系的主要方式还是通过鉴定双方的DNA序列来判断双方是否有亲属关系，但是，由于时间和空间的关系，我们并不能随时随地的做DNA检测，而由于遗传的原因，大多数人的相貌与自己的血亲有相似之处，因此，通过照片来进行亲属关系验证可行性就变得很高，并在实际生活中起到了重要的作用。然而，通常使用的通过照片进行亲属关系验证的策略准确率较低，并且需要大量的图像数据来判断双方是否具有亲属关系。
技术实现思路
本专利技术旨在至少在一定程度上解决上述技术中的技术问题之一。为此，本专利技术的一个目的在于提出一种基于深度学习的亲属关系验证方法，能够具有较高的检测精度，并且能够在图像数据较少的情况下对目标之间是否存在亲属关系进行较为准确的判断。本专利技术的第二个目的在于提出一种基于深度学习的亲属关系验证系统。为达到上述目的，本专利技术第一方面实施例提出了一种本文档来自技高网...

【技术保护点】
1.一种基于深度学习的亲属关系验证方法，其特征在于，包括以下步骤：/n获取第一图像数据和第二图像数据，其中，所述第一图像数据为待验证目标的图像数据，所述第二图像数据为比对目标的图像数据；/n采用多个特征提取网络对所述第一图像数据和所述第二图像数据进行特征提取，其中，每个所述特征提取网络分别从所述第一图像数据和所述第二图像数据得到一个特征向量；/n根据每个所述特征提取网络从所述第一图像数据中提取的特征向量得到所述待验证目标的融合特征向量，其中，设定所述待验证目标的融合特征向量为第一融合特征向量；/n根据每个所述特征提取网络从所述第二图像数据中提取的特征向量得到所述比对目标的融合特征向量，其中，设...

【技术特征摘要】
1.一种基于深度学习的亲属关系验证方法，其特征在于，包括以下步骤：
获取第一图像数据和第二图像数据，其中，所述第一图像数据为待验证目标的图像数据，所述第二图像数据为比对目标的图像数据；
采用多个特征提取网络对所述第一图像数据和所述第二图像数据进行特征提取，其中，每个所述特征提取网络分别从所述第一图像数据和所述第二图像数据得到一个特征向量；
根据每个所述特征提取网络从所述第一图像数据中提取的特征向量得到所述待验证目标的融合特征向量，其中，设定所述待验证目标的融合特征向量为第一融合特征向量；
根据每个所述特征提取网络从所述第二图像数据中提取的特征向量得到所述比对目标的融合特征向量，其中，设定所述比对目标的融合特征向量为第二融合特征向量；
根据所述第一融合特征向量和所述第二融合特征向量判断所述待验证目标与所述比对目标之间是否存在亲属关系。


2.根据权利要求1所述的基于深度学习的亲属关系验证方法，其特征在于，包括以下步骤：
获取第一图像数据和第二图像数据，其中，所述第一图像数据为待验证目标的图像数据，所述第二图像数据为比对目标的图像数据；
采用第一特征提取网络对所述第一图像数据和所述第二图像数据进行特征提取，以得到所述待验证目标的第一特征向量和所述比对目标的第一特征向量；
采用第二特征提取网络对所述第一图像数据和所述第二图像数据进行特征提取，以得到所述待验证目标的第二特征向量和所述比对目标的第二特征向量；
根据所述待验证目标的第一、第二特征向量得到所述所述待验证目标的融合特征向量，其中，设定所述待验证目标的融合特征向量为第一融合特征向量；
根据所述比对目标的第一、第二特征向量得到所述所比对目标的融合特征向量，其中，设定所述比对目标的融合特征向量为第二融合特征向量；
根据所述第一融合特征向量和所述第二融合特征向量判断所述待验证目标与所述比对目标之间是否存在亲属关系。


3.根据权利要求2所述的基于深度学习的亲属关系验证方法，其特征在于，所述特征提取网络的训练，包括以下步骤：
获取预训练模型和训练数据集；
对所述训练数据集进行数据增强以扩展所述训练数据集；
调整扩展后的所述训练数据集的正负样本比例；
拆分调整后的所述训练数据集；
根据拆分后的所述训练数据集对所述预训练模型进行优化训练。


4.根据权利要求2所述的基于深度学习的亲属关系验证方法，其特征在于，所述第一特征提取网络为FaceNet，所述第二特征提取网络为VggFace，其中，
所述FaceNet的训练，包括以下步骤：
获取FaceNet预训练模型和MS-Celeb-1M数据集；
对所述MS-Celeb-1M数据集进行随机模糊、随机改变对比度和亮度、随即翻转以扩展所述MS-Celeb-1M数据集；
调整扩展后的所述MS-Celeb-1M数据集的正负样本比例为1:2；
将调整后的所述MS-Celeb-1M数据集拆分为k部分，
采用k折交叉验证对所述FaceNet预训练模型进行优化训练；
所述VggFace的训练，包括以下步骤：
获取VggFace预训...

【专利技术属性】
技术研发人员：陈海波，罗志鹏，张治广，
申请(专利权)人：深延科技北京有限公司，
类型：发明
国别省市：北京;11