الخلاصة

يحتوي الوجه البشري على ثروة من المعلومات التي تتأثر بالوراثة، لذلك غالبًا ما يتشارك أفراد الأسرة في سمات وجه مشتركة بسبب قرابتهم. يعد التحقق من القرابة مشكلة صعبة في العديد من التطبيقات المهمة، مثل علم الطب الشرعي، والقياسات الحيوية، والتعرف على الوجوه. يوفر التحقق من القرابة أداة قوية في تحقيقات الطب الشرعي، مما يساهم في حل قضايا الأشخاص المفقودين، وتحليل وسائل التواصل الاجتماعي، وأبحاث الأنساب، والدراسة التاريخية. على الرغم من أن اختبار الحمض النووي هو الوسيلة الأكثر دقة للتحقق من القرابة، إلا أنه للأسف لا يمكن استخدامه في العديد من السيناريوهات، مثل المواقف التي تتطلب معالجة في الوقت الفعلي أو التطبيقات التي يكون لدينا فيها مستخدمون غير متعاونين، كما أنه مكلف أيضًا. الهدف الرئيسي من هذه الأطروحة هو التحقق مما إذا كان هناك شخصان لديهما صلة قرابة من خلال تحليل صورتي وجهين معًا، واستخراج سمات العلاقة بينهما، ومن ثم تحديد ما إذا كان لديهم قرابة أم لا.
يقدم النظام المقترح نظامًا للتحقق من القرابة يعتمد على التعلم التلقائي للميزات التمييزية من صور الوجه باستخدام شبكة عصبية تلافيفية ثلاثية الأبعاد ذات بنية جديدة. يتكون هذا النظام من مرحلتين رئيسيتين: مرحلة المعالجة المسبقة ومرحلة إثبات القرابة، وتتضمن كل مرحلة خطوات متعددة تؤدي وظائف مختلفة. في مرحلة المعالجة المسبقة، يتم إعداد الصور المدخلة لتكون مناسبة لنموذج الشبكة العصبية العميقة عن طريق قياسها وتطبيعها. يتم تنفيذ مرحلة التحقق من القرابة لتوفير قرار القرابة في خطوتين: خطوة استخراج السمات لاستخراج ملامح الوجه البارزة وكذلك تتبع هذه السمات في صورتين مدخلتين، ومن ثم خطوة التصنيف لاتخاذ قرار بشأن تلك الصور: قريب أم لا.
كشفت التجارب المكثفة أن شبكة CNN ثلاثية الأبعاد حققت نتائج واعدة مقارنة بالعديد من الأساليب الحديثة. وصلت دقة النظام المقترح إلى 83.75% في مجموعة بيانات ‏KinFaceW-I، و91% في مجموعة بيانات KinFaceW-II، و75.5% في مجموعة بيانات FIW.