郑亮 陈鹏 韩晶晶 陈亚

摘  要：文章对基于深度学习的亲属关系验证方法进行了深入研究，并针对由于人脸图像与其他自然图像存在较大的差异而导致的感受野较小的问题，提出了一种基于空洞卷积神经网络的亲属关系验证方法，构建了残差空洞卷积神经网络（RDCN Net），分别从父母与孩子的人脸图像中提取深度特征，经过特征融合后使用鉴别器得到亲属关系验证结果。算法在公开亲属关系数据集KinFaceW上进行测试，实验结果表明，本文方法在亲属关系验证的准确率上有良好的表现。

关键词：亲属关系验证;深度特征;空洞卷积;特征融合

中图分类号：TP391     文献标识码：A 文章编号：2096-4706（2021）18-0071-05

Abstract： In this paper， the kinship verification method based on deep learning is deeply studied， and aiming at the problem of small receptive field caused by the large difference between face image and other natural images， a kinship verification method based on atrous convolution neural network is proposed， residual atrous convolutions neural network （RDCN Net） is constructed， the depth features are extracted from the face images of parents and children respectively， and the kinship verification results are obtained by using the discriminator after feature fusion. The algorithm is tested on the open kinship dataset KinFaceW. The experimental results show that the proposed method has good performance in the accuracy of kinship verification.

Keywords： kinship verification; deep feature; atrous convolution; feature fusion

0  引  言

基于人脸图像的亲属关系验证是受遗传学、心理学[1-5]啟发从而得到在计算机视觉上的一个研究方向，是指通过对给定的一对父母及子女的人脸图像进行相似度比对，从而得到双方是否具有某种亲属关系。亲属关系验证技术在社会中有着广泛的应用前景，如在安全领域可以通过分析父母与孩子的图像，结合遍布各个区域的摄像头用于寻找走失的儿童、打击相关犯罪活动等。在社交领域，可以进行相册分类、成长记录、分析孩子行为等应用。

现有的亲属关系验证方法主要分为三类：基于特征的方法、基于模型的方法，和基于深度学习的方法。基于特征的方法主要基于低级特征使用一些手工制作的特征并使用传统的分类器来验证亲属关系。基于模型的方法往往通过学习一个有效的模型来判断主体之间是否存在亲缘关系，所学的模型可以增大亲属对之间的距离并缩小非亲属对之间的距离。……