[发明专利]一种基于深度学习的亲子关系验证算法

说明书

本发明涉及血缘检测，具体涉及一种基于深度学习的亲子关系验证算法，对深度神经网络模型进行模型训练，利用训练好的深度神经网络模型对人脸图像进行深度特征提取，通过血缘度量学习将深度特征映射到具有血缘判别性的特征空间，并在该特征空间中计算血缘关系相似度得分，基于血缘关系相似度得分判断是否存在血缘关系；本发明提供的技术方案能够有效克服现有技术所存在的不能通过人脸图像对儿童进行亲子关系验证的缺陷。

技术领域

本发明涉及血缘检测，具体涉及一种基于深度学习的亲子关系验证算法。

背景技术

在大型商场、闹市区等人群密集的地方，因为人群密集、拥挤等原因，很容易出现儿童走失的情况。目前，通常采用防止儿童走失的方案为：通过给儿童佩戴定位设备，该定位设备用于对儿童位置进行定位，并实时地与儿童监护人的智能终端进行信息交互，一旦检测到儿童与其监护人之间的距离较远时，则进行报警。

上述防止儿童走失的方案中，当发现儿童走失时，无法及时保留儿童走失现场的信息，一旦儿童落入犯罪分子的手中，佩戴的定位设备就会被破坏并丢弃，而且对于大型商场、闹市区等人群密集场所，并不能保证每位儿童都佩戴定位设备。

由此可见，现有技术方案中并没有能够有效防止儿童走失的方案，儿童走失的情况时常发生，而一旦儿童走失，顺利找回的难度极大，如果能够利用人脸图像进行血缘检测，那么通过大数据就有可能帮助走失儿童回到原来的家庭。但是，目前还没有一种能够通过人脸图像对儿童进行亲子关系验证，帮助父母找回孩子的方案。

发明内容

(一)解决的技术问题

针对现有技术所存在的上述缺点，本发明提供了一种基于深度学习的亲子关系验证算法，能够有效克服现有技术所存在的不能通过人脸图像对儿童进行亲子关系验证的缺陷。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：

一种基于深度学习的亲子关系验证算法，对深度神经网络模型进行模型训练，利用训练好的深度神经网络模型对人脸图像进行深度特征提取，通过血缘度量学习将深度特征映射到具有血缘判别性的特征空间，并在该特征空间中计算血缘关系相似度得分，基于血缘关系相似度得分判断是否存在血缘关系。

优选地，所述对深度神经网络模型进行模型训练，包括：

对输入的样本人脸图像分别提取预设的多个浅层特征，将浅层特征作为输入，正向传播提取深层特征，将深层特征进行串行融合，得到串行融合特征；

将串行融合特征所在层的各神经元结点以全连接方式与下一相邻层的各神经元结点进行连接，输出图像特征；

基于输出图像特征计算误差，并将误差进行反向传播，更新各浅层特征对应深度神经网络模型的参数。

优选地，所述基于输出图像特征计算误差，并将误差进行反向传播，更新各浅层特征对应深度神经网络模型的参数，包括：

对输出图像特征进行分类，并进行评估，基于评估分数与预设期望分数计算误差；

将误差在深度神经网络FaceR-CNN中反向传播至串行融合特征所在层，得到各浅层特征对应误差；

将各浅层特征对应误差在对应的深度神经网络FaceR-CNN中反向传播，更新对应网络参数。

优选地，所述浅层特征包括RGB特征、局部三值模式LTP特征和梯度方向直方图HOG特征。

优选地，所述利用训练好的深度神经网络模型对人脸图像进行深度特征提取，包括：

对输入的人脸图像进行TT特征提取，得到TT特征图像，在TT特征图像中选取多个不同位置的子图像块作为深度神经网络模型的输入，进行深度特征提取。