親族認識のためのパッチベースのデュアルツリーコンプレックスウェーブレット変換

親族の認識は、2人の異なる個人の間に親族関係が存在するかどうかを見つけることを目的とした顕著な研究です。一般に、子供は顔の類似性に基づいて、他の人よりも両親よりも非常に似ています。これらの類似点は、子供が両親と共有する遺伝的に継承された顔の特徴によるものです。親族認識のほとんどの既存の研究は、これらの親族関係を見つけるために完全な顔の画像に焦点を当てています。このペーパーでは、最初に、提案されたグローバルベースのデュアルツリー複合体ウェーブレット変換（G-DTCWT）を使用して、同様の完全なフェイシャル画像の親族認識を示します。次に、デュアルツリー複合体ウェーブレット変換（DT-CWT）に基づいた新しいパッチベースの親族認識方法：ローカルパッチベースのDT-CWT（LP-DTCWT）および選択的パッチベースのDT-CWT（SP-DTCWT）に基づいて提示します。LP-DTCWTは、親族認識のための小さな顔のパッチの係数を抽出します。SP-DTCWTはLP-DTCWTの拡張であり、正規化された累積しきい値を上回る類似性スコアを持つ代表的なパッチのみの係数係数を抽出します。このしきい値は、新しいパッチ選択プロセスによって計算されます。これらの代表的なパッチは、親/子の画像のペアにおいてより多くの類似点を提供し、親族関係の精度を向上させます。提案された方法は、さまざまな公開されている親族データセットで広範囲に評価され、親族関係の精度を検証します。実験結果は、すべての親族データセットで提案された方法の有効性を示しています。SP-DTCWTは、最先端の方法に対して競争の正確さを達成します。SP-DTCWTの平均親族精度は、ベースラインKinfaceW-Iで95.85％、KinfaceW-IIデータセットで95.30％です。さらに、SP-DTCWTは、最大の親族データセットである野生の家族（FIW）で80.49％の最先端の精度を達成します。

Kinship recognition is a prominent research aiming to find if kinship relation exists between two different individuals. In general, child closely resembles his/her parents more than others based on facial similarities. These similarities are due to genetically inherited facial features that a child shares with his/her parents. Most existing researches in kinship recognition focus on full facial images to find these kinship similarities. This paper first presents kinship recognition for similar full facial images using proposed Global-based dual-tree complex wavelet transform (G-DTCWT). We then present novel patch-based kinship recognition methods based on dual-tree complex wavelet transform (DT-CWT): Local Patch-based DT-CWT (LP-DTCWT) and Selective Patch-Based DT-CWT (SP-DTCWT). LP-DTCWT extracts coefficients for smaller facial patches for kinship recognition. SP-DTCWT is an extension to LP-DTCWT and extracts coefficients only for representative patches with similarity scores above a normalized cumulative threshold. This threshold is computed by a novel patch selection process. These representative patches contribute more similarities in parent/child image pairs and improve kinship accuracy. Proposed methods are extensively evaluated on different publicly available kinship datasets to validate kinship accuracy. Experimental results showcase efficacy of proposed methods on all kinship datasets. SP-DTCWT achieves competitive accuracy to state-of-the-art methods. Mean kinship accuracy of SP-DTCWT is 95.85% on baseline KinFaceW-I and 95.30% on KinFaceW-II datasets. Further, SP-DTCWT achieves the state-of-the-art accuracy of 80.49% on the largest kinship dataset, Families In the Wild (FIW).