基于人脸图像的亲属识别技术是一种能够充分利用脸部生物特征信息并通过机器学习方法来挖掘图片或视频中人物之间的亲属关系的计算机技术,其作为人脸图像分析问题上的一个新颖分支已经成为一个研究的热点,并在社会媒介分析和信息挖掘、寻找失踪人口、图像标注和检索等方面具有广泛的应用前景。本文在现有的人脸识别算法基础上重点探讨了基于人脸图像的亲属验证方法。首先,针对传统特征描述符不足以描述图片中人物之间的亲属关系以及特征向量中含有一定量的冗余信息而不利于衡量亲属之间的相似性的问题,提出了一种基于深度迁移学习和特征非线性映射的亲属验证方法。该方法首先将训练好的深度学习模型迁移到亲属识别数据集上以获取高层特征信息,然后结合对称多层感知机和三角相似度量学习方法对高层特征信息进行非线性映射,最后计算样本对之间的余弦距离并利用支持向量机进行分类。实验结果表明,该方法相较于传统特征方法、深度学习方法以及度量学习方法均提高了识别率。其次,针对特征非线性映射方法只考虑特定样本对之间的亲属关系而忽略了特定样本对与其他样本之间的亲属关系的问题,以及为了突出亲属之间在脸部上的局部相似性和充分利用多种类型特征之间的互补信息,提出了一种基于三角相似深度度量学习和多特征融合的亲属验证方法。该方法首先从脸部区域块上提取多种类型特征,然后通过三角相似深度度量学习方法对多种类型特征进行非线性映射,最后计算每一个样本对的多种余弦距离,并利用BP(Back Propagation)神经网络进行融合和分类。实验结果表明,该方法相较于三角相似度量学习方法和单一特征方法均提高了识别率。最后,为了达到亲属识别的需求,训练年龄分类模型和性别分类模型,并开发了基于人脸图像的亲属识别原型系统。该系统集成了多种特征提取方法、特征非线性映射、亲属验证、年龄分类、性别分类和亲属识别等功能模块。该系统可以挖掘出静态人脸图像对中人物之间的亲属关系。