基于稀疏表示和特征學習的單樣本親屬關(guān)系認證算法研究.pdf

1、親屬人臉圖像包含著豐富的生物本征關(guān)聯(lián)信息，通過人臉圖像進行親屬關(guān)系認證是模式識別和計算機視覺領(lǐng)域一個新的挑戰(zhàn)，其目的是對給定的一對圖像，系統(tǒng)能有效的判別他們之間是否存在親屬關(guān)系。相比于傳統(tǒng)的DNA親子鑒定方法，人臉圖像親屬關(guān)系認證有著高效、便捷等優(yōu)點，這在尋找丟失兒童、視頻關(guān)聯(lián)度分析等方面有著廣泛的應(yīng)用前景。本文在已有的人臉識別和親屬認證算法基礎(chǔ)上探討了一些新的認證思路。
　　首先，針對自然場景下人臉難以精準對齊等問題提出局部相似

2、模板匹配算法，在子模塊稀疏表示人臉識別算法基礎(chǔ)上加入模塊平移匹配和隨機組合環(huán)節(jié)，使得字典原子與目標模板具有最佳匹配，且組合后特征對子女圖像具有更好的表達能力。此外，針對子模塊稀疏表示投票判決原則不能充分利用圖像全局結(jié)構(gòu)信息問題提出子模塊投票與全局重建殘差綜合判決算法，使得判別結(jié)果有進一步提高。
　　其次，針對傳統(tǒng)歐氏測度不能有效描述親屬圖像樣本間復雜相似關(guān)系問題提出鄰域排斥測度學習稀疏判決算法，利用已有親屬樣本間相似程度先驗知識學

3、習最佳相似性度量，使之能更好刻畫親屬樣本間的相似關(guān)系，然后在新的測度空間下采用稀疏表示方法用父母樣本集建立過完備字典線性表示子女圖像，并以稀疏系數(shù)大小衡量樣本間相似程度。此外，針對親屬樣本間相似性不明顯問題提出子模塊綜合稀疏認證方法，通過多重稀疏系數(shù)綜合判別兩輸入樣本的親屬關(guān)系。
　　最后，針對已有的特征提取方法不能有目的的提取具有遺傳特性可辨識能力的特征表達問題，提出基于Lightened CNN深度人臉特征表示的單樣本親屬關(guān)系