[發明專利]一種人臉屬性檢測模型生成方法及系統

有效

• 申請號: 201310628991.3
• 申請日: 2013-11-29
• 公開（公告）號: CN104680118B
• 公開（公告）日: 2018-06-15
• 發明（設計）人: 羅平;王曉剛;梁炎;劉健莊;湯曉鷗
• 申請（專利權）人: 華為技術有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 深圳市深佳知識產權代理事務所(普通合伙) 44285
• 代理人: 王仲凱

1.一種人臉屬性檢測模型生成方法，其特征在于，所述方法包括：

針對人臉不同的屬性，分別從人臉樣本圖像中選定與屬性對應的特征決策樹結構，所述特征決策樹結構包括一個或多個特征；將所述特征決策樹結構轉換為子和積網絡結構；

以多個對應屬性的子和積網絡結構和所述屬性的屬性參量作為結點，組合為母和積網絡結構，并為母和積網絡結構的邊配置權重值，得到檢測模型；

所述屬性參量為判斷屬性是否存在的參量；所述母和積網絡結構的邊用于連接所述結點。

2.根據權利要求1所述方法，其特征在于，所述分別從人臉樣本圖像中選定與屬性對應的特征決策樹結構具體為：

利用人臉樣本圖像，針對屬性進行特征訓練，得到支持該屬性的特征決策樹結構，并得到特征決策樹結構中每個特征對應的特征檢測器和特征定位器。

3.根據權利要求2所述方法，其特征在于，所述方法還包括：

從待測人臉圖像中提取已知特征參量代入檢測模型，計算得到待測人臉圖像中的屬性參量的值；所述特征參量為代表相應特征判斷結果的參量。

4.根據權利要求3所述方法，其特征在于，所述從待測人臉圖像中提取已知特征參量具體為：

利用所述特征定位器在待測圖像中找到該特征所在的區域，在區域內利用所述特征檢測器得到已知特征參量。

5.根據權利要求4所述方法，其特征在于，所述計算得到待測人臉圖像中的屬性參量的值具體為：

在所述檢測模型中利用最大概率指派算法計算得到待測人臉圖像中的屬性參量的值。

6.根據權利要求1所述方法，其特征在于，所述以多個對應屬性的子和積網絡結構和所述屬性的屬性參量作為結點，組合為母和積網絡結構具體為：

預先設置母和積網絡結構模板；

以多個對應屬性的子和積網絡結構和所述屬性的屬性參量作為結點，將所述結點按照母和積網絡結構模板組合，得到母和積網絡結構。

7.根據權利要求1所述方法，其特征在于，所述為母和積網絡結構的邊配置權重值具體為：

隨機設定母和積網絡結構的各邊的參考權重，并利用人臉樣本圖像對母和積網絡結構各邊的參考權重進行訓練；

所述參考權重的訓練具體為，根據人臉樣本圖像反復重置參考權重，直到重置后的參考權重與重置前參考權重的差值小于預設的收斂閾值，則將所述重置后的參考權重作為各邊的權重值。

8.根據權利要求7所述方法，其特征在于，所述對母和積網絡結構各邊的參考權重進行訓練具體為：

利用最大概率指派算法對母和積網絡結構各邊的參考權重進行訓練。

9.一種人臉屬性檢測模型生成系統，其特征在于，所述系統具體包括：

子建模模塊，用于針對人臉不同的屬性，分別從人臉樣本圖像中選定與屬性對應的特征決策樹結構，所述特征決策樹結構包括一個或多個特征；將所述特征決策樹結構轉換為子和積網絡結構；

母建模模塊，用于以多個對應屬性的子和積網絡結構和所述屬性的屬性參量作為結點，組合為母和積網絡結構，并為母和積網絡結構的邊配置權重值，得到檢測模型；

所述屬性參量為判斷屬性是否存在的參量；所述母和積網絡結構的邊用于連接所述結點。

10.根據權利要求9所述系統，其特征在于，所述子建模模塊具體包括：

特征訓練單元，用于利用人臉樣本圖像，針對屬性進行特征訓練，得到支持該屬性的特征決策樹結構，并得到特征決策樹結構中每個特征對應的特征檢測器和特征定位器；

子結構單元，用于將所述特征決策樹結構轉換為子和積網絡結構。

11.根據權利要求10所述系統，其特征在于，所述系統還包括：

圖像檢測模塊，用于從待測人臉圖像中提取已知特征參量代入檢測模型，計算得到待測人臉圖像中的屬性參量的值；

所述特征參量為代表相應特征判斷結果的參量。