[發(fā)明專利]一種基于深層特征與淺層特征融合的人臉年齡估計方法

有效

• 申請?zhí)枺?/td>: 201611120293.2
• 申請日: 2016-12-08
• 公開（公告）號: CN106778584B
• 公開（公告）日: 2019-07-16
• 發(fā)明（設(shè)計）人: 孫寧;顧正東;李曉飛
• 申請（專利權(quán)）人: 南京郵電大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/42;G06K9/62
• 代理公司: 南京經(jīng)緯專利商標(biāo)代理有限公司 32200
• 代理人: 徐瑩

1.一種基于深層特征與淺層特征融合的人臉年齡估計方法，其特征在于，包括以下步驟：

步驟A、對人臉樣本數(shù)據(jù)集中的每張人臉樣本圖像進行預(yù)處理，獲得每張人臉樣本圖像的人臉區(qū)域多尺度圖片；

步驟B、利用步驟A所獲得每張人臉樣本圖像的人臉區(qū)域多尺度圖片對構(gòu)建的初始卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練，獲得多個用于人臉識別的卷積神經(jīng)網(wǎng)絡(luò)，并從其中選取一個用于人臉識別的卷積神經(jīng)網(wǎng)絡(luò)；

步驟C、將具備年齡標(biāo)簽值的人臉數(shù)據(jù)集進行預(yù)處理，得到每張人臉圖像的人臉區(qū)域多尺度圖片，及將得到的每張人臉圖像的人臉區(qū)域多尺度圖片分別作為輸入對步驟B所選取的卷積神經(jīng)網(wǎng)絡(luò)進行微調(diào)處理，可獲得多個用于年齡估計的卷積神經(jīng)網(wǎng)絡(luò)；

步驟D、對每個用于年齡估計的卷積神經(jīng)網(wǎng)絡(luò)分別提取得到每張人臉圖像所對應(yīng)多層次的年齡特征，并將其作為深層特征輸出；

步驟E、利用HOG特征和LBP特征提取算子對步驟C中具備年齡標(biāo)簽值的人臉數(shù)據(jù)集中每張人臉圖像分別進行特征提取，及所提取的HOG特征和LBP特征作為人臉圖像的淺層特征輸出；

步驟F、構(gòu)建深度置信網(wǎng)絡(luò)，及將每個人臉圖像所提取的深層特征和淺層特征中的HOG特征和LBP特征輸入深度置信網(wǎng)絡(luò)中進行融合，獲得融合后的特征；

步驟G、根據(jù)步驟F所得融合后的特征進行人臉圖像的年齡回歸估計，獲得和輸出人臉圖像所對應(yīng)的年齡標(biāo)簽值。

2.根據(jù)權(quán)利要求1所述基于深層特征與淺層特征融合的人臉年齡估計方法，其特征在于：所述步驟A中對每張人臉樣本圖像預(yù)處理包括：人臉關(guān)鍵點定位、人臉對齊及裁剪處理。

3.根據(jù)權(quán)利要求2所述基于深層特征與淺層特征融合的人臉年齡估計方法，其特征在于：所述步驟A中通過構(gòu)建級聯(lián)深度神經(jīng)回歸網(wǎng)絡(luò)實現(xiàn)人臉關(guān)鍵點定位。

4.根據(jù)權(quán)利要求1所述基于深層特征與淺層特征融合的人臉年齡估計方法，其特征在于：所述步驟B中構(gòu)建的初始卷積神經(jīng)網(wǎng)絡(luò)包括卷積層、全連接層和輸出層。

5.根據(jù)權(quán)利要求1所述基于深層特征與淺層特征融合的人臉年齡估計方法，其特征在于：所述步驟B中選取得到一個識別精度最高的用于人臉識別的卷積神經(jīng)網(wǎng)絡(luò)。

6.根據(jù)權(quán)利要求1所述基于深層特征與淺層特征融合的人臉年齡估計方法，其特征在于：所述步驟G中人臉圖像的年齡回歸估計包括：對人臉數(shù)據(jù)集所具備的年齡標(biāo)簽值采用線性回歸分析得到年齡回歸函數(shù)，根據(jù)所得年齡回歸函數(shù)估計融合后的特征得到人臉圖像所對應(yīng)的年齡標(biāo)簽值。