[发明专利]基于深度学习的亲属关系验证方法和系统

说明书

本发明提供了一种基于深度学习的亲属关系验证方法和系统，其中，所述方法包括，获取第一图像数据和第二图像数据，其中，第一图像数据为待验证目标的图像数据，第二图像数据为比对目标的图像数据，采用多个特征提取网络对第一图像数据和第二图像数据进行特征提取，并且每个特征提取网络分别从第一图像数据和第二图像数据得到一个特征向量，并根据该特征向量分别得到待验证目标的融合特征向量和比对目标的融合特征向量，以及根据待验证目标的融合特征向量和比对目标的融合特征向量判断待验证目标与比对目标之间是否存在亲属关系。本发明能够具有较高的检测精度，并且能够在图像数据较少的情况下对目标之间是否存在亲属关系进行较为准确的判断。

技术领域

本发明涉及图像处理技术领域，具体涉及一种基于深度学习的亲属关系验证方法和一种基于深度学习的亲属关系验证系统。

背景技术

目前，判断亲属关系的主要方式还是通过鉴定双方的DNA序列来判断双方是否有亲属关系，但是，由于时间和空间的关系，我们并不能随时随地的做DNA检测，而由于遗传的原因，大多数人的相貌与自己的血亲有相似之处，因此，通过照片来进行亲属关系验证可行性就变得很高，并在实际生活中起到了重要的作用。

然而，通常使用的通过照片进行亲属关系验证的策略准确率较低，并且需要大量的图像数据来判断双方是否具有亲属关系。

发明内容

本发明旨在至少在一定程度上解决上述技术中的技术问题之一。为此，本发明的一个目的在于提出一种基于深度学习的亲属关系验证方法，能够具有较高的检测精度，并且能够在图像数据较少的情况下对目标之间是否存在亲属关系进行较为准确的判断。

本发明的第二个目的在于提出一种基于深度学习的亲属关系验证系统。

为达到上述目的，本发明第一方面实施例提出了一种基于深度学习的亲属关系验证方法，包括以下步骤：获取第一图像数据和第二图像数据，其中，所述第一图像数据为待验证目标的图像数据，所述第二图像数据为比对目标的图像数据；采用多个特征提取网络对所述第一图像数据和所述第二图像数据进行特征提取，其中，每个所述特征提取网络分别从所述第一图像数据和所述第二图像数据得到一个特征向量；根据每个所述特征提取网络从所述第一图像数据中提取的特征向量得到所述待验证目标的融合特征向量，其中，设定所述待验证目标的融合特征向量为第一融合特征向量；根据每个所述特征提取网络从所述第二图像数据中提取的特征向量得到所述比对目标的融合特征向量，其中，设定所述比对目标的融合特征向量为第二融合特征向量；根据所述第一融合特征向量和所述第二融合特征向量判断所述待验证目标与所述比对目标之间是否存在亲属关系。

根据本发明实施例提出的基于深度学习的亲属关系验证方法，通过获取第一图像数据和第二图像数据，其中，第一图像数据为待验证目标的图像数据，第二图像数据为比对目标的图像数据，并采用多个特征提取网络对获取的第一图像数据和第二图像数据进行特征提取，并且每个特征提取网络分别从第一图像数据和第二图像数据得到一个特征向量，并根据该特征向量分别得到待验证目标的融合特征向量和比对目标的融合特征向量，以及根据待验证目标的融合特征向量和比对目标的融合特征向量判断待验证目标与比对目标之间是否存在亲属关系，由此，能够具有较高的检测精度，并且能够在图像数据较少的情况下对目标之间是否存在亲属关系进行较为准确的判断。

另外，根据本发明上述实施例提出的基于深度学习的亲属关系验证方法还可以具有如下附加的技术特征：