(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210856270.7 (22)申请日 2022.07.13 (71)申请人 山西大学 地址 030006 山西省太原市小店区坞城路 92号山西大学科技楼80 3 (72)发明人 梁建青　梁吉业　 (74)专利代理 机构 山西五维专利事务所(有限 公司) 1410 5 专利代理师 茹牡花 (51)Int.Cl. G06V 40/16(2022.01) G06V 20/70(2022.01) G06V 10/82(2022.01) G06V 10/774(2022.01) G06V 10/77(2022.01)G06V 10/74(2022.01) (54)发明名称 基于广义多视图图嵌入的亲属关系验证方 法 (57)摘要 本发明一种基于广义多视图图嵌入的亲属 关系验证方法， 该方法包括以下步骤： 从训练集 中提取出人脸图像的多视图特征并生成样本对； 基于语义信息， 构造多视图内蕴图和惩罚图， 对 图嵌入方法进行转换和修正； 实现多视图的广义 融合， 求解广义特征值分解； 计算人脸图像的相 似性， 输出是否具有亲属关系的判别结果。 通过 本发明解决相关技术中面临样 本数量稀缺、 干扰 因素较多、 个体差异偏小等方面的挑战， 提供了 一种新的能够准确刻画不同个体 之间相对差异， 充分利用多视图一致性和互补性的广义多视图 度量学习方法， 有效高效地完成基于人脸的亲属 关系验证 。 权利要求书2页 说明书5页 附图1页 CN 115205941 A 2022.10.18 CN 115205941 A 1.基于广义多视图 图嵌入的亲属关系验证方法， 其特 征在于， 包括以下步骤： 步骤101： 从训练集中提取 出人脸图像的多视图特 征并生成样本对； 步骤102： 基于语义信息， 构造多视图内蕴图和惩罚图， 对图嵌入方法进行转换和修 正； 步骤103： 实现多视图的广义融合， 求 解广义特 征值分解； 步骤104： 计算人脸图像的相似性， 输出 是否具有亲属关系的判别结果。 2.根据权利要求1所述基于广义多视图图嵌入的亲属关系 验证方法， 其特征在于， 所述 步骤101， 从训练集中提取 出人脸图像的多视图特 征并生成样本对， 进一 步包括： 将所述训练集传入局部特征HOG、 SIFT特征描述符和 深度卷积神经网络， 通过词袋模型 和特征提取网络的最后全连接层后， 得到图像的500维词袋表 示和1024维的深度特征， 分别 进行PCA降维处理后， 得到各视图200维的特征表示 并且按照样本 标签得到所述各视图相似样本对集合 各视图 不相似样本对集 合 3.根据权利要求1所述基于广义多视图图嵌入的亲属关系 验证方法， 其特征在于， 所述 步骤102， 基于语义信息， 构造多视图内蕴图和惩罚图， 目标函数为： s.t.(U(v))TU(v)＝I,v＝1,2,. ..,m 其中， 为v视图的特 征变换矩阵， 为v视图的平均类内散度， 为v视图的平均类间散度， 为v视图K近邻样本对 的平均类间散 度， 为v视图K近邻样本对 的平均类间 散度， α 和β 为控制类间散度D(v), 的平衡参数， I 为d×d的单位矩阵。 4.根据权利要求1所述基于广义多视图图嵌入的亲属关系 验证方法， 其特征在于， 所述 步骤102， 对图嵌入方法进行转换， 该非凸优化形式的迹比问题可以转换为替代的比迹问 题：权　利　要　求　书 1/2 页 2 CN 115205941 A 2上述问题可以通过广义特 征值分解进行求 解 当d>N， 矩阵S(v)接近奇异时， 该特征值分解无解。 为克服该缺陷， 对图嵌入方法进行修 正， 加入单位阵作为 正则项： 其中0≤γ≤1为 正则参数。 5.根据权利要求1所述基于广义多视图图嵌入的亲属关系 验证方法， 其特征在于， 所述 步骤103， 实现多视图的广义融合， 目标函数为： 求解广义特 征值分解， 上述问题可以通过广义特 征值分解进行求 解 其中， 为对称方阵， Bv＝S(v)， Zv＝X(v),v＝1, 2,...,m。 6.根据权利要求1所述基于广义多视图图嵌入的亲属关系 验证方法， 其特征在于， 所述 步骤104， 计算人脸图像的相似性， 输出是否具有 亲属关系的判别结果， 进一步包括： 采用余 弦相似度计算成对人脸图像的相似性， 与给定阈值设为0.5进行比较， 输出判别结果。权　利　要　求　书 2/2 页 3 CN 115205941 A 3