Deep Convolutional Features to Improve Facial Kinship Verification.

Abstract

La vérification de la parenté à partir des images faciales est un domaine d'étude nouveau et difficile en biométrie et en vision par ordinateur impliquant de nombreuses recherches et études en raison de son importance dans de nombreuses applications telles que la criminalistique et la recherche d'enfants disparus. Il consiste à déterminer automatiquement si deux personnes partagent une relation biologique de parenté en examinant leurs attributs faciaux, appelés traits ou caractéristiques. Ces caractéristiques sont extraites à l'aide de nombreuses méthodes, telles que les descripteurs. Dans ce travail, nous développons une méthode efficace appelée Hist-Gabor basée sur les caractéristiques de l'histogramme extraites depuis l'ondelette de base de Gabor. En effet, nous examinons l'utilisation des caractéristiques profondes collectées à partir d'un modèle de réseau de neurones convolutif appelé VGG-face et des caractéristiques superficiels par notre nouvelle ondelette de Gabor en utilisant une méthode puissante de réduction des dimensions appelée TXQDA. Empiriquement, les nombreuses expériences démontrent que notre approche proposée surpasse les approches de l'état de l'art antérieur dans les bases de données difficiles Cornell et TSKinFace.