基于测度学习的人脸血缘关系识别研究

Kinship verification from facial images is a new research topic in biometrics, and it has broad application prospects in human identification and social media mining. Existing methods to face recognition face the difficulty and challenge by kinship verification under unconstrained environment. This work aims to study and propose a new approach to kinship verification from facial images via metric learning. More specifically, (1) A new image descriptor for kinship verification is studied based on pyramid model and unsupervised learning, which accounts for both discrimination and robustness, and integrates the advantages from both hand-crafted encoding and feature learning, to substantially overcome the deficiency of the fully handcrafted face descriptors. (2) A novel neighborhood repulsed multi-view metric learning algorithm is studied to effectively measure the intrinsic similarity between the faces of kin members. By substantially exploiting the complementary information of multi-view data and the different importance among training examples, multiple semantically consistent metrics are jointly learned from multi-view data, such that the intraclass examples (with kinship relations) are pushed as close as possible while the interclass samples lying in a neighborhood are repulsed and pulled as far as possible. (3) A large-scale kinship dataset with reasonable distribution of the kin examples is constructed for training and testing of the kinship verification system, and it is devoted to a public dataset for research of kinship verification from facial images.

人脸血缘关系识别是生物特征识别领域一个新的研究方向，在身份验证和社交媒体挖掘领域具有潜在的广阔应用前景。当前的人脸识别技术在面对人脸血缘关识别问题时遇到很大的困难与挑战，本课题基于测度学习理论研究无约束环境下的人脸血缘关系识别方法，包括：(1) 研究一种面向人脸血缘关系识别的特征描述子。它基于无监督学习和图像空间金字塔模型，综合考虑特征描述子的判别性与鲁棒性，集成手工编码与特征学习的优点，克服手工设计编码的不足与缺陷。(2) 研究一种有效度量血缘关系成员内在相似性的邻域排斥多视测度学习算法。充分挖掘和利用多视数据的互补信息，以及样本间的重要性差异，从多视特征空间中联合学习多个语义一致的距离测度，使得具有血缘关系的样本间距离更为靠近，而无血缘关系的领域样本间距离拉得更开。(3) 构建一个大规模、样本分布合理的血缘关系样本库，用于系统训练和测试，并为该领域的研究发展提供一个公共数据集。

人脸血缘关系识别是生物特征识别领域一个新的研究方向，在身份验证和社交媒体挖掘领域具有潜在的广阔应用前景。当前的人脸识别技术在面对人脸血缘关识别问题时遇到很大的困难与挑战，本课题基于测度学习理论研究无约束环境下的人脸血缘关系识别方法，包括：(1) 研究一种面向人脸血缘关系识别的特征描述子。它基于无监督学习和图像空间金字塔模型，综合考虑特征描述子的判别性与鲁棒性，集成手工编码与特征学习的优点，克服手工设计编码的不足与缺陷。(2) 研究一种有效度量血缘关系成员内在相似性的邻域排斥多视测度学习算法。充分挖掘和利用多视数据的互补信息，以及样本间的重要性差异，从多视特征空间中联合学习多个语义一致的距离测度，使得具有血缘关系的样本间距离更为靠近，而无血缘关系的领域样本间距离拉得更开。(3) 构建一个大规模、样本分布合理的血缘关系样本库，用于系统训练和测试，并为该领域的研究发展提供一个公共数据集。..课题组通过四年的不懈努力，取得了一批重要的研究成果。(1) 建立了人脸血缘关系识别的基本理论框架、实现技术以及性能评估准则，为推动该项技术的研究和应用奠定了坚实的基础。(2) 课题组提出采用测度学习理论研究人脸血缘相似性问题，这一研究方案在实验中被证明是可行且有效的，它显著地提升了当前的血缘识别性能，为该领域研究提供了一种全新的思路。(3) 建立并发布了该领域最大规模的人脸血缘关系数据库KinFaceW，成为该领域最重要的基准数据集之一，为该领域的研究发展起到了重要推进作用。