人脸图像隐含着丰富且复杂的信息,相似的基因会直接表达为容貌的相似。本文基于生物学的理论背景,面向人工智能在人脸图像分析领域更广泛的应用,对基于深度学习识别人脸图像中人物的亲缘关系进行了深入的研究。亲缘关系识别是一项新颖又富有挑战的研究,为了从人脸图像中识别人物之间的亲缘关系,本文定义了一种新的关联特征用以表示两个人物之间的关联。借鉴多层自编码器以输入重构目标的思想,结合深度卷积神经网络强大的特征提取能力,本文设计了一种新的深度卷积自编码神经网络,关联特征就是这个深度神经网络深层级隐层的激活值。深度卷积自编码神经网络有监督地应用反向传播算法,随着网络层级的加深,逐步从人脸图像中提取代表人物的身份特征,并将一对人物的身份特征融合成为表示两者关系的关联特征。基于深度学习从人脸图像中提取的关联特征,可以有效地识别某种给定的人物关系。本文的主要贡献体现在以下几个方面:1.定义了一种新的关联特征,代表两个人物之间的关系。实验证明关联特征能有效地表示两个人物的联接,可以根据关联特征判断一对人脸图像是否具有所定义的关系。2.设计了一种深度模型,用以提取人物间的关联特征。随着网络层级加深和神经元数目的减小,深度卷积自编码神经网络有监督地学习,使得输入的人脸图像逐渐成为紧凑有效的关联特征。3.基于本文提出的深度学习方法,对具有遗传关系的父子、父女、母子和母女四种亲缘关系,实现了对人脸图像中人物间亲缘关系的识别。实验证明,本文提出的算法可以有效的识别亲缘关系。4.在由于衰老而改变容貌的自亲缘关系问题上,基于本文提出的深度学习的方法实现了对自亲缘关系的识别。并利用深度神经网络,对人脸图像中人物的年龄进行分层,预测人脸图像中人物的年龄阶段。