随着图像识别技术的快速发展,人脸血缘关系认证由于其重要的应用价值逐渐受到越来越多研究者的关注。作为一项新兴的生物特征识别技术,它具有许多潜在的应用价值,包括失踪儿童搜索、家庭相册管理和社交媒体分析等。不同于传统人脸识别问题,人脸血缘关系认证面临着更大的挑战,主要表现为相似性特征提取难度大、现有数据集规模较小。本论文从特征与数据这两个角度出发,提出了提升人脸血缘关系认证性能的多个方法,并设计可视化界面为实际服务机器人的应用提供支持。论文的主要工作成果如下:（1）针对特征提取困难的问题,提出了局部特征注意力模型,通过预先遮盖的数据增强方式引导网络将注意力集中在特征区域,提升了特征的鉴别力;（2）针对数据集规模小的问题,提出了基于强化学习的负样本采样方法,通过设计验证网络和样本筛选网络,有效地挑选出判别力强的负样本,提升了特征的判别力;（3）针对正负样本不均衡的问题,提出了基于元学习的困难样本挖掘方法,通过从数据中自动学习判别力强的表示模型,从另一个角度有效地解决了样本的不均衡性。论文所提出的方法与已有主流方法进行了实验对比,取得了比现有大多数主流人脸血缘关系认证方法更高的精度。同时论文还设计了可交互式人脸血缘关系验证系统,将我们提出的方法进行了集成,为人脸血缘关系认证的实际应用提供了技术支持。