基于稀疏表示和特征学习的单样本亲属关系认证算法研究

摘要

亲属人脸图像包含着丰富的生物本征关联信息，通过人脸图像进行亲属关系认证是模式识别和计算机视觉领域一个新的挑战，其目的是对给定的一对图像，系统能有效的判别他们之间是否存在亲属关系。相比于传统的DNA亲子鉴定方法，人脸图像亲属关系认证有着高效、便捷等优点，这在寻找丢失儿童、视频关联度分析等方面有着广泛的应用前景。本文在已有的人脸识别和亲属认证算法基础上探讨了一些新的认证思路。
　　首先，针对自然场景下人脸难以精准对齐等问题提出局部相似模板匹配算法，在子模块稀疏表示人脸识别算法基础上加入模块平移匹配和随机组合环节，使得字典原子与目标模板具有最佳匹配，且组合后特征对子女图像具有更好的表达能力。此外，针对子模块稀疏表示投票判决原则不能充分利用图像全局结构信息问题提出子模块投票与全局重建残差综合判决算法，使得判别结果有进一步提高。
　　其次，针对传统欧氏测度不能有效描述亲属图像样本间复杂相似关系问题提出邻域排斥测度学习稀疏判决算法，利用已有亲属样本间相似程度先验知识学习最佳相似性度量，使之能更好刻画亲属样本间的相似关系，然后在新的测度空间下采用稀疏表示方法用父母样本集建立过完备字典线性表示子女图像，并以稀疏系数大小衡量样本间相似程度。此外，针对亲属样本间相似性不明显问题提出子模块综合稀疏认证方法，通过多重稀疏系数综合判别两输入样本的亲属关系。
　　最后，针对已有的特征提取方法不能有目的的提取具有遗传特性可辨识能力的特征表达问题，提出基于Lightened CNN深度人脸特征表示的单样本亲属关系认证算法。通过对原始亲属样本进行逐层特征变换，将样本在原空间的特征表示变换到新的特征空间，自动地学习更本质的层次化特征表示，从而更有利于亲属关系的认证和特征的可视化，此外，网络采用MFM激活函数代替ReLU激活函数，使得输出特征更加紧致、可区分。

目录

声明

中文摘要

英文摘要

目录

第1章 绪 论

1.1 课题背景及意义

1.2 国内外研究现状

1.3 本文研究内容

1.4 本文组织结构

第2章 理论基础

2.1 稀疏表示图像识别

2.2 测度学习

2.3 深度学习

2.4 本章小结

第3章 基于局部相似模板匹配组合的稀疏表示亲属关系识别

3.1 引言

3.2 基于局部相似模板匹配组合的稀疏表示亲属关系识别

3.3 实验仿真研究

3.4 本章小结

第4章 基于邻域排斥测度学习稀疏判决的亲属关系认证算法

4.1 引言

4.2 基于邻域排斥测度学习稀疏判决的亲属关系认证算法

4.3 实验仿真研究

4.4 本章小结

第5章 基于Lightened CNN深度人脸特征表示的单样本亲属关系认证算法

5.1 引言

5.2 CNN卷积神经网络结构

5.3 基于Lightened CNN人脸特征表示的亲属关系认证算法

5.4 实验仿真研究

5.5 本章小结

结论

参考文献

攻读硕士学位期间承担的科研任务与主要成果

致谢