[發明專利]一種基于圖像的親子間人臉相似性度量計算方法

在審

• 申請號: 201710736188.X
• 申請日: 2017-08-24
• 公開（公告）號: CN107563319A
• 公開（公告）日: 2018-01-09
• 發明（設計）人: 劉劍毅;喬瑞;李越穎
• 申請（專利權）人: 西安交通大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 西安通大專利代理有限責任公司61200
• 代理人: 陸萬壽

技術領域

本發明屬于計算機視覺和模式識別技術領域，涉及一種基于圖像的親子間人臉相似性度量計算方法。

背景技術

伴隨著移動互聯網的迅猛發展，微信、微博等新興社交媒體平臺深刻地影響和改變了人們的工作、生活方式，并呈現出用戶量飛速增長及用戶數據海量生成等趨勢，為相關研究提供了有效的數據來源與應用場景。

年輕的父母們大多喜歡通過社交媒體軟件向朋友們分享自己寶寶的照片，因此朋友圈里經常會曬出寶寶的萌照以及他們自豪的父母，并隨之在親友們中引起孩子究竟更像媽媽、還是更像爸爸這類永恒的討論話題。以往的這類討論只能基于個體主觀感受，因此市場上迫切希望出現一種針對上述有趣話題能夠實現自動、客觀和量化的評判方法，而當前人臉識別技術領域的飛速發展已為這一問題的解決提供了現實可行性。

人臉相似性度量是人臉識別領域的核心技術之一，它主要包含人臉特征提取及度量函數選取兩方面的內容。在特征提取方面，自從1991年特征臉被運用于人臉識別，人臉的表達便從由面部幾何特征結構的表示轉變為由代數特征的表示。由Ahonen等人提出的LBP(Local Binary Pattern)通過比較像素鄰域內局部灰度值的變化刻畫出人臉中部分局部變化特征，如角點、邊緣等，從而將特征表達精細化。由于對視覺刺激下人類視覺系統內簡單細胞的響應以及相關特性的較好模擬，Gabor小波是用于提取目標的局部空間和頻率域信息的有力工具。將Gabor小波和圖像卷積后得到的幅值和相位系數作為Gabor特征，能夠實現對人臉較好的特征表達。在度量函數方面，除了常見的歐式距離，往往還通過度量學習得到更具判別性和魯棒性的度量矩陣，從而在新的特征空間中，使同類樣本距離更近，異類樣本距離更遠。Xing等人通過約束同類樣本對和異類樣本對的距離閾值學習共同的馬氏度量矩陣。Guillaumin等人提出了邏輯判別度量學習(Logistic discriminant metric learning,LDML)算法，利用類內樣本對的距離和小于類間樣本對的距離和，使用概率來估計樣本對的相似性。

近年來，以卷積神經網絡為代表的深度學習技術在人臉識別等領域已取得極高精度。卷積神經網絡利用海量數據樣本進行學習，最終將人臉抽象為高維的特征表達。卷積神經網絡模型DeepFace通過對一個擁有超過4000人的400萬張人臉圖像的數據集進行訓練，通過不同人臉圖片在該神經網絡中抽取出的特征之間的歐氏距離進行人臉相似性度量。VGG-Face通過將卷積神經網絡與Google研發團隊提出的統一嵌入式單元融合，實現了人臉特征的抽取和相似性度量。

然而傳統方法還存在以下問題：

1.傳統的人臉識別任務中，識別個體往往為同一個人，而在親子人臉相似性度量問題中，識別個體為父母和孩子，并非同一個人。

2.在親子人臉相似性度量問題中，區別于傳統的人臉識別任務中識別個體年齡跨度較小，父母與孩子存在年齡跨度大這一顯著特性。

多年以來，跨年齡人臉識別始終未得到較好解決。由于人臉外貌的老化是一個極其復雜的過程，變化的程度不僅由年齡跨度的長短而定，且因人而異。

目前，有一些基于年齡相關的人臉識別算法。T Nakai等人考慮到注冊的人臉圖像和捕獲的人臉圖像之間的年齡差異，提出了一種用于個人身份認證的自動人臉識別方法，利用塊匹配模型，用相關系數進行分類識別。N Ramanathan和R Chellappa通過兩步法建立年齡變化條件下成年人面部特征變化，主要是針對面部形狀和紋理特征變化建立成長模型。Nayak J S和Indiramma M將眼睛部分代替整個臉部作為算法的輸入信息，提出了Self-PCA算法，既節約了空間大小又解決了年齡問題。Ling H、Soatto S等人研究了不同的年齡跨度對人臉識別的影響，并應用在機場護照實時檢測等工作中。

而上述跨年齡人臉識別算法解決的往往是對同一個人年齡跨度較小的圖片進行識別，如幾年前的證件照與當前階段本人照的識別。

發明內容

本發明的目的在于克服上述現有技術的缺點，提供了一種基于圖像的親子間人臉相似性度量計算方法，該方法能夠實現年齡跨度較大的親子間的人臉相似性度量的計算。

為達到上述目的，本發明所述的基于圖像的親子間人臉相似性度量計算方法包括以下步驟：

1)收集若干人的多幅圖片，然后對收集得到的圖片進行人臉檢測；

2)裁剪步驟1)收集得到的圖片中的人臉；

3)將步驟2)得到人臉圖片進行去均值化；