面向血緣關係認證的人臉特徵學習方法研究

《面向血緣關係認證的人臉特徵學習方法研究》是依託北京郵電大學，由閆海濱擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：面向血緣關係認證的人臉特徵學習方法研究
• 項目類別：青年科學基金項目
• 項目負責人：閆海濱
• 依託單位：北京郵電大學

項目摘要

人臉血緣關係認證在公安刑偵和社交媒體等領域有著巨大的套用潛力。本項目將深入研究面向血緣關係認證的判別人臉特徵學習理論，圍繞如何從人臉數據中自適應地學習出血緣關係判別力強的特徵表示，分別在低層局部特徵、中層判別特徵和高層語義特徵等三個層次研究判別特徵學習方法，重點解決傳統人臉特徵描述子在人臉血緣關係認證中判別能力不足這一問題，實現精準、高效、魯棒的人臉血緣關係認證系統。本項目的特色是從魯棒判別特徵學習角度進行分析，深入研究面向數據驅動的特徵表達方法，重點解決如何在真實場景下自適應學習出與血緣關係相關的人臉特徵，為基於人臉的血緣關係認證的套用提供理論支撐和技術保障。

結題摘要

圍繞項目制定的研究內容，項目組面向人臉血緣關係認證的特徵學習進行了深入研究，取得了多項創新性成果：針對傳統人臉血緣關係識別方法忽略人臉動態信息的不足，提出了基於多種判別距離度量學習的視頻人臉血緣關係認證方法，構造了無約束條件下的人臉視頻血緣關係資料庫驗證了方法的有效性；針對單張圖像真實環境下易受光照、姿態、遮擋、背景等因素的影響，提出了判別協同的多度量學習方法，方法在主流表情評測數據集上取得了較好的性能；針對人臉描述子的判別能力不足，提出了一種判別緊緻二值特徵學習方法，通過約束類內樣本二值碼的相似性提高了其判別力；針對傳統相似性度量語義描述能力不夠，提出了一種基於近鄰排斥相關性判別度量學習，挖掘判別力強的負樣本對，從而更有效地識別人臉血緣關係之間的相似性；提出了一種用於社會關係識別的方法，通過有效地利用語義信息直接從面部圖像中學習區分特徵；提出了一種用於面部親緣關係驗證的方法，通過使用注意網路來提取局部面部區域的信息，利用深度網路中引入了一種注意機制來提取面部的高級特徵。相關成果在公安刑偵和社交媒體等領域有著巨大的套用潛力。基於項目取得的一系列成果，項目組共發表學術論文9篇，其中國際期刊論文6篇（均被SCI檢索），撰寫了題為《Facial Kinship Verification: A Machine Learning Approach》的英文學術專著一本，同時申請國內發明專利3項。項目負責人自2019年1月開始擔任國際期刊《Pattern Recognition Letters》的編委（Associate Editor），國際期刊《IEEE Transactions on Pattern Analysis and Machine Intelligence》、《IEEE Transactions on Image Processing》、《IEEE Transactions on Circuits and Systems for Video Technology》、《IEEE Transactions on Cybernetics》、《Pattern Recognition》等國際期刊的審稿人，2019年IEEE國際多媒體大會ICME 2019領域主席（Area Chair），全國生物特徵識別會議CCBR 2017-2019的程式委員會委員。