[發(fā)明專(zhuān)利]基于自適應(yīng)標(biāo)記分布的人類(lèi)年齡估計(jì)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201310531120.X
• 申請(qǐng)日: 2013-10-31
• 公開(kāi)（公告）號(hào): CN103544486B
• 公開(kāi)（公告）日: 2017-02-15
• 發(fā)明（設(shè)計(jì)）人: 耿新;王芹
• 申請(qǐng)（專(zhuān)利權(quán)）人: 東南大學(xué)
• 主分類(lèi)號(hào): G06K9/00
• 分類(lèi)號(hào): G06K9/00;G06K9/66
• 代理公司: 南京瑞弘專(zhuān)利商標(biāo)事務(wù)所(普通合伙)32249
• 代理人: 楊曉玲

1.基于自適應(yīng)標(biāo)記分布的人類(lèi)年齡自動(dòng)估計(jì)的方法，其特征在于：包括訓(xùn)練步驟和預(yù)測(cè)步驟，具體步驟如下：

訓(xùn)練步驟：

（1）獲取現(xiàn)有數(shù)據(jù)庫(kù)人臉圖像，通過(guò)BIF特征抽取算法對(duì)人臉圖像進(jìn)行特征抽取得到高維度特征，將得到的高維度特征使用數(shù)據(jù)降維方法MFA進(jìn)行降維，得出人臉圖像特征向量；

（2）對(duì)現(xiàn)有數(shù)據(jù)庫(kù)中的每幅人臉圖像，以其真實(shí)年齡為均值，以初始設(shè)定的方差為方差生成高斯分布，作為其對(duì)應(yīng)的初始年齡標(biāo)記分布；

（3）將得到的人臉圖像特征向量和初始年齡標(biāo)記分布作為輸入，應(yīng)用年齡標(biāo)記分布模型算法BFGS-LLD最小化輸入初始年齡標(biāo)記分布與模型預(yù)測(cè)標(biāo)記分布之間的KL散度，得到預(yù)測(cè)年齡標(biāo)記分布；所述BFGS-LLD最小化的目標(biāo)函數(shù)為：

L(θ)=ΣilogΣyexp(Σkθy,kgk(xi))-ΣiΣyPi(y)Σkθy,kgk(xi);]]>

其中θ為模型參數(shù)，i為人臉圖像數(shù)索引，y為年齡標(biāo)記，k為特征維度，x_i為第i個(gè)人臉圖像實(shí)例；P_i(y)為關(guān)于x_i的年齡標(biāo)記分布，g(x_i)為表示x_i的特征向量，g_k(x_i)為該特征向量的第k個(gè)元素；

（4）對(duì)步驟（3）生成的預(yù)測(cè)年齡標(biāo)記分布按年齡分組，相同年齡的預(yù)測(cè)年齡標(biāo)記分布用于學(xué)習(xí)該年齡的真實(shí)年齡標(biāo)記分布，即以最小化二者之間KL散度為目標(biāo)，學(xué)習(xí)每個(gè)年齡對(duì)應(yīng)的真實(shí)年齡標(biāo)記分布的方差，根據(jù)該方差為每幅圖像生成其真實(shí)年齡對(duì)應(yīng)的年齡標(biāo)記分布，并將其作為下一次模型訓(xùn)練的初始年齡標(biāo)記分布；

（5）重復(fù)步驟（3）和步驟（4），直至收斂或者達(dá)到設(shè)定最大訓(xùn)練次數(shù)，得出最終年齡預(yù)測(cè)模型；

預(yù)測(cè)步驟：

（6）獲取待估計(jì)的人臉圖像，通過(guò)BIF特征抽取算法對(duì)人臉圖像進(jìn)行特征抽取，并將抽取的高維度特征使用數(shù)據(jù)降維方法進(jìn)行降維，得出待估計(jì)人臉圖像特征向量；

（7）將獲取到的待估計(jì)人臉圖像特征向量輸入到最終年齡預(yù)測(cè)模型中，得到一個(gè)與待估計(jì)圖像對(duì)應(yīng)的年齡標(biāo)記分布的輸出，把這個(gè)分布中取得最大描述度時(shí)對(duì)應(yīng)的年齡作為本方法得到的估計(jì)年齡。

2.根據(jù)權(quán)利要求1所述的基于自適應(yīng)標(biāo)記分布的人類(lèi)年齡自動(dòng)估計(jì)的方法，其特征在于：步驟（3）中所述年齡標(biāo)記分布模型算法BFGS-LLD為先從標(biāo)記分布學(xué)習(xí)方法LLD中抽象出優(yōu)化目標(biāo)函數(shù)，再利用優(yōu)化算法BFGS進(jìn)行求解。