基于距离和方向的深度鉴别度量学习亲属关系验证框架制造技术

本发明专利技术公开一种基于距离和方向的深度鉴别度量学习亲属关系验证框架，包括特征提取模块，特征融合模块，亲属关系验证分类器及损失约束模块；所述特征提取模块用于提取亲属关系验证中图像的特征；损失约束模块通过基于距离和方向两个层面的损失函数对提取的图像特征进行约束；所述特征融合模块用于对亲属关系验证中提取的图像特征进行融合；所述亲属关系验证分类器用于根据融合后的图像特征判断图像中人物是否存在亲属关系。本发明专利技术设计的网络不需要对数据进行特殊处理，降低了使用成本；本发明专利技术基于距离和方向两个层面，设计了多个损失函数对网络进行约束，获得一个泛化能力强的网络模型，提高了亲属关系验证的准确率。

【技术实现步骤摘要】
基于距离和方向的深度鉴别度量学习亲属关系验证框架
本专利技术属于计算机视觉、深度学习
，尤其涉及一种基于距离和方向的深度鉴别度量学习亲属关系验证框架。
技术介绍
Fang等(R.Fang,K.D.Tang,N.Snavely,etal.Towardscomputationalmodelsofkinshipverification；proceedingsofthe2010IEEEInternationalConferenceonImageProcessing,HongKong,China,F26-29Sept,2010[C].IEEE.)首次提出了基于人脸图像进行亲属关系验证的问题，其方案提取人脸特征并基于SVM来进行亲属关系验证。亲属关系验证的求解方法大体上可分为传统方法(JiwenLu,XiuzhuangZhou,YapPenTan,etal.NeighborhoodRepulsedMetricLearningforKinshipVerification[J].IEEETransactionsonPatternAnalysis&本文档来自技高网...

【技术保护点】
1.一种基于距离和方向的深度鉴别度量学习亲属关系验证框架，其特征在于，包括特征提取模块，特征融合模块、亲属关系验证分类器及损失约束模块；/n所述特征提取模块用于提取亲属关系验证中图像特征；/n所述损失约束模块用于通过基于距离和方向的多个损失函数对提取的图像特征进行约束；/n所述特征融合模块用于对亲属关系验证中提取的图像特征进行融合；/n所述亲属关系验证分类器用于根据融合后的图像特征判断图像中人物是否存在亲属关系。/n

【技术特征摘要】
1.一种基于距离和方向的深度鉴别度量学习亲属关系验证框架，其特征在于，包括特征提取模块，特征融合模块、亲属关系验证分类器及损失约束模块；
所述特征提取模块用于提取亲属关系验证中图像特征；
所述损失约束模块用于通过基于距离和方向的多个损失函数对提取的图像特征进行约束；
所述特征融合模块用于对亲属关系验证中提取的图像特征进行融合；
所述亲属关系验证分类器用于根据融合后的图像特征判断图像中人物是否存在亲属关系。


2.根据权利要求1所述的基于距离和方向的深度鉴别度量学习亲属关系验证框架，其特征在于，所述特征提取模块包括三个残差块和两个最大池化层；每个所述残差块包括第一卷积层，第一最大池化层，第二卷积层，上采样层，第二最大池化层以及归一化层；所述上采样层后使用Sigmoid激活函数，所述归一化层后使用ReLU激活函数；所述残差块之间设有一个第三最大池化层。


3.根据权利要求1或2所述的基于距离和方向的深度鉴别度量学习亲属关系验证框架，其特征在于，所述特征提取模块提取到人脸图像特征后，一方面在特征融合模块将特征融合后送入亲属关系验证分类器，从而判断两张图像上的人是否具有亲属关系；另一方面，将提取到的特征送入损失约束模块，优化特征提取模块，使其可以提取到更具鉴别力的特征。


4.根据权利要求1或3所述的基于距离和方向的深度鉴别度量学习亲属关系验证框架，其特征在于，所述损失约束模块具体通过如下约束函数对提取的图像特征进行约束：
IDLoss函数：
其中，n代表样本大小；fi代表第i个人的人脸图像特征；zi代表第i个人的人脸图像的标签，表示第i个人属于哪个家庭；J...

【专利技术属性】
技术研发人员：陈小潘，李昌龙，朱小柯，王毓斐，张冀统，叶鹏飞，郑亮，
申请(专利权)人：河南大学，
类型：发明
国别省市：河南;41