[发明专利]基于距离和方向的深度鉴别度量学习亲属关系验证系统

权利要求书

1.一种基于距离和方向的深度鉴别度量学习亲属关系验证系统，其特征在于，包括特征提取模块，特征融合模块、亲属关系验证分类器及损失约束模块；

所述特征提取模块用于提取亲属关系验证中图像特征；

所述损失约束模块用于通过基于距离和方向的多个损失函数对提取的图像特征进行约束；

所述特征融合模块用于对亲属关系验证中提取的图像特征进行融合；

所述亲属关系验证分类器用于根据融合后的图像特征判断图像中人物是否存在亲属关系；

所述损失约束模块具体通过如下约束函数对提取的图像特征进行约束：

IDLoss函数：

其中，n代表样本大小；f_i代表第i个人的人脸图像特征；z_i代表第i个人的人脸图像的标签，表示第i个人属于哪个家庭；J代表所分块数，即将提取的特征分成J块；f_i,j代表第i个人脸图像的第j块特征；

ADLoss函数：

其中，|| ||₂表示两个样本之间的距离，n指样本大小；x_i，分别代表第i个人的特征、与i个人有亲属关系的正样本的特征和与i个人不具有亲属关系的负样本的特征；α是一个超参数，对负样本和第i个人的距离与正样本和第i个人的距离的间隔进行约束；

余弦相似损失函数：

其中，和分别表示第i个父/母和第i个孩子的特征；d表示的维度；和分别表示第i个父/母的人脸图像特征的k维度和第i个孩子人脸图像特征的k维度；y_i表示第i对样本的标签，当y_i＝1，表示该对样本之间有亲属关系，反之y_i＝0。

2.根据权利要求1所述的基于距离和方向的深度鉴别度量学习亲属关系验证系统，其特征在于，所述特征提取模块包括三个残差块和两个最大池化层；每个所述残差块包括第一卷积层，第一最大池化层，第二卷积层，上采样层，第二最大池化层以及归一化层；所述上采样层后使用Sigmoid激活函数，所述归一化层后使用ReLU激活函数；所述残差块之间设有一个第三最大池化层。

3.根据权利要求1或2所述的基于距离和方向的深度鉴别度量学习亲属关系验证系统，其特征在于，所述特征提取模块提取到人脸图像特征后，一方面在特征融合模块将特征融合后送入亲属关系验证分类器，从而判断两张图像上的人是否具有亲属关系；另一方面，将提取到的特征送入损失约束模块，优化特征提取模块，使其可以提取到更具鉴别力的特征。

4.根据权利要求1所述的基于距离和方向的深度鉴别度量学习亲属关系验证系统，其特征在于，所述特征融合模块按照如下方式对亲属关系验证中提取的图像特征进行融合：

对特征提取模块提取的一对图片的特征f₁和f₂按照如下方式分别进行计算：(f₁)²-(f₂)²，(f₁-f₂)²，f₁+f₂，f₁*f₂；并依次将计算结果进行拼接，得到融合后的特征。

5.根据权利要求1所述的基于距离和方向的深度鉴别度量学习亲属关系验证系统，其特征在于，所述亲属关系验证分类器按照如下方式根据融合后的图像特征判断图像中人物是否存在亲属关系：

其中，L_c(·)表示判别函数；表示融合后的图像特征；n指样本大小；y_i表示第i对样本的标签，当y_i＝1，表示该对样本之间有亲属关系，反之y_i＝0；表示第i对父/母与孩子融合后的特征属于标签y_i的概率。