[发明专利]一种基于图像特征的亲属关系认证的方法及装置在审

专利信息
申请号: 201810557410.4 申请日: 2018-06-01
公开(公告)号: CN108985321A 公开(公告)日: 2018-12-11
发明(设计)人: 郭增洁 申请(专利权)人: 无锡天脉聚源传媒科技有限公司
主分类号: G06K9/62 分类号: G06K9/62;G06K9/00
代理公司: 北京尚伦律师事务所 11477 代理人: 杜莹
地址: 214000 江苏省无锡*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 人脸图像 关键特征 亲属关系 图像特征 图像 准确度 相似度 重构 认证 图像数据库 支持向量机 欧氏距离 图像识别 分类 人脸 预设 融合
【权利要求书】:

1.一种基于图像特征的亲属关系认证的方法,其特征在于,包括:

从预设的图像数据库中获取人脸图像组;

提取所述人脸图像组中的各个人脸的关键特征图像;

根据所述人脸图像组中双亲与子女的关键特征图像的欧氏距离,构造出重构人脸图像;

计算所述重构人脸图像和对应的子女人脸图像的关键特征图像的相似度;

根据所述关键特征图像的相似度,使用支持向量机进行融合分类,进而得到分类的准确度。

2.如权利要求1所述的方法,其特征在于,所述从预设的图像数据库中获取人脸图像组,包括:

在所述预设的图像数据库中,获取人脸图像组,所述人脸图像组的类型包括双亲-男孩人脸图像组、双亲-女孩人脸图像组和双亲-男孩女孩人脸图像组中的任一者或多者;

设定所述预设的图像数据库中的每一幅人脸图像的像素大小和图像比例中的任一者或多者皆相同;

确定获取出的任一类型的人脸图像组的数量为至少2组。

3.如权利要求1所述的方法,其特征在于,所述提取所述人脸图像组的关键特征图像,包括:

预设人脸图像关键特征要素,所述人脸图像关键特征要素包括额头、眼眉、眼睛、鼻子、嘴、下巴和面部中的任一者或多者;

映射出所述人脸图像关键特征要素中任一者或多者在所述人脸图像中的像素区域,确定所述像素区域中的图像为关键特征图像,所述映射关系为一一映射;

提取出所述人脸图像组中的各个人脸的关键特征图像。

4.如权利要求1所述的方法,其特征在于,所述根据所述人脸图像组中双亲图像与子女的关键特征图像的欧氏距离,构造出重构人脸图像,包括:

分别比较人脸图像组中父亲和母亲的关键特征图像与子女的关键特征图像之间的欧氏距离;

筛选出所述欧式距离较近的关键特征图像;

将所述欧式距离较近的关键特征图像进行重构形成新的人脸,将所述新的人脸命名为重构人脸图像。

5.如权利要求1所述的方法,其特征在于,所述计算所述重构人脸图像和对应的子女人脸图像的关键特征图像的相似度,包括:

根据近邻排斥度量学习算法对所述重构人脸图像和对应的子女人脸图像的关键特征图像进行学习;

根据余弦相似函数来计算所述学习后的所述重构人脸图像和对应的子女人脸图像的关键特征图像的关键特征图像的相似度。

6.一种基于图像特征的亲属关系认证的装置,其特征在于,包括:

获取模块,用于从预设的图像数据库中获取人脸图像组;

提取模块,用于提取所述人脸图像组中的各个人脸的关键特征图像;

构造模块,用于根据所述人脸图像组中双亲与子女的关键特征图像的欧氏距离,构造出重构人脸图像;

计算模块,用于计算所述重构人脸图像和对应的子女人脸图像的关键特征图像的相似度;

分类模块,用于根据所述关键特征图像的相似度,使用支持向量机进行融合分类,进而得到分类的准确度。

7.根据权利要求6的装置,其特征在于,所述获取模块,包括:

获取子模块,用于在所述预设的图像数据库中,获取人脸图像组,所述人脸图像组的类型包括双亲-男孩人脸图像组、双亲-女孩人脸图像组和双亲-男孩女孩人脸图像组中的任一者或多者;

设定子模块,用于设定所述预设的图像数据库中的每一幅人脸图像的像素大小和图像比例中的任一者或多者皆相同;

确定子模块,用于确定获取出的任一类型的人脸图像组的数量为至少2组。

8.根据权利要求6的装置,其特征在于,所述提取模块,包括:

预设子模块,用于预设人脸图像关键特征要素,所述人脸图像关键特征要素包括额头、眼眉、眼睛、鼻子、嘴、下巴和面部中的任一者或多者;

映射子模块,用于映射出所述人脸图像关键特征要素中任一者或多者在所述人脸图像中的像素区域,确定所述像素区域中的图像为关键特征图像,所述映射关系为一一映射;

提取子模块,用于提取出所述人脸图像组中的各个人脸的关键特征图像。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于无锡天脉聚源传媒科技有限公司,未经无锡天脉聚源传媒科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810557410.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top