人脸图像传达了许多重要的人类生理特征,如身份、性别、表情、年龄、种族等。在计算机视觉中,从面部图像识别亲属关系是一个具有挑战性的研究课题。本文利用传统Fisher判别和典型相关分析的特征提取的方法,分别结合近邻判别学习的方法应用于亲属关系识别。实验证明,本文使用的两种方法都能获得较好的亲属关系识别的效果。本文的主要工作如下:(1)使用欧氏距离度量数据样本间的相似度,将高维的人脸数据向低维空间投影,使得具有亲属关系的数据样本在投影空间中的距离最小,不具有亲属关系的样本在投影空间中的距离最大,在投影的过程中保留具有鉴别能力的信息。针对亲属关系识别课题中数据样本的特点,构建亲属关系的类内和类间散度矩阵,同时考虑到数据集中不同组的人脸数据取自不同的家庭,组间信息差异大小不同,在投影过程中引入平衡参数更好的保持数据的局部结构和近邻信息,然后用欧氏距离来度量图像间的亲属关系。(2)针对亲属关系特征提取数据集中成对出现的样本,且样本组内相似度小、组间差异性大和数据集的小样本问题的特点,引入典型相关分析算法。该算法偏重于多模态的识别,为了增大识别的效果,利用样本间相关关系的互补原理最大化不同模态数据之间的相关性,同时减少数据之间的不确定性。在典型相关分析的无监督学习基础上,使用具有监督学习的局部判别典型相关分析,引入样本的类信息,并充分考虑了样本之间的相关关系及其对分类识别的影响。最后,针对多模态的特征提取方法进行组合方式的特征融合,完成亲属关系识别。