《基於魯棒相似性學習的人臉血緣關係識別研究》是依託首都師範大學,由徐敏擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名:基於魯棒相似性學習的人臉血緣關係識別研究
- 項目類別:青年科學基金項目
- 項目負責人:徐敏
- 依託單位:首都師範大學
項目摘要,結題摘要,
項目摘要
使用人臉照片替代傳統的DNA檢測實現血緣關係識別,是生物特徵識別領域具有挑戰性的研究課題,在身份識別與網際網路社交網路等領域具有重要的套用。然而現實存在的“無血緣人臉高相似”現象,易導致不具有血緣關係的人臉圖像對被錯誤分類。本項目圍繞魯棒的人臉血緣相似性學習展開研究,主要研究工作包括:1)研究一種人臉血緣特徵表示方法。它基於稀疏學習理論,綜合考慮人臉圖像的微結構信息和多尺度信息,同時兼顧人臉血緣特徵的判別力與魯棒性。2)研究一種魯棒的人臉血緣相似性度量模型。在相似性學習理論框架下,充分考慮訓練樣本之間的有效信息和重要性差異,顯式地集成“無血緣人臉高相似” 現象的先驗知識,進而提出基於平均相似度的鬆弛約束模型,克服當前的人臉血緣關係度量模型的不足與缺陷。3)設計和開發一個人臉血緣關係識別的原型系統,對項目提出的相似性度量模型的識別性能與計算效率進行測試和評估。
結題摘要
課題組三年以來,堅持不懈地圍繞著人臉血緣關係識別這個研究方向開展科學研究工作,取得了一系列重要的研究成果。(1)課題組提出通過提取人臉多種不同的特徵表示充分挖掘和利用多視數據的互補信息,在多視特徵空間中聯合學習多個語義一致的距離測度,從而有效度量血緣關係成員的內在相似性。(2)針對距離測度學習對模型的假設或約束過於嚴格,導致模型學習的不確定性增加,從而降低了度量模型的魯棒性這個問題。項目組基於相似性學習的理論框架,結合人臉血緣相似性的先驗知識,提出了學習一個能夠有效度量人臉血緣特徵的線上相似性學習度量模型。這一研究方案在實驗中被證明是可行且有效的,它顯著地提升了當前的血緣識別性能,為該領域研究提供了一種全新的思路。(3)在深度測度學習框架下,提出兩段流神經網路聯合學習雙親-孩子照片對的深度嵌入空間表示。實驗結果表明,深度度量學習模型有助於提升無約束環境下的人臉血緣關係識別性能,顯著提高了判別人臉遺傳相似性度量的魯棒性。(4)設計和實現了一個人臉血緣關係識別原型系統,並對課題組提出的相似性度量模型的識別性能與計算效率進行了測試和評估。