[發(fā)明專(zhuān)利]一種基于深層特征與淺層特征融合的人臉年齡估計(jì)方法

有效

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

本發(fā)明公開(kāi)了一種基于深層特征與淺層特征融合的人臉年齡估計(jì)方法，包括：對(duì)人臉樣本數(shù)據(jù)集中的每張人臉樣本圖像進(jìn)行預(yù)處理；對(duì)構(gòu)建的初始卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練，選取一個(gè)用于人臉識(shí)別的卷積神經(jīng)網(wǎng)絡(luò)；利用具備年齡標(biāo)簽值的人臉數(shù)據(jù)集對(duì)所選取的卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行微調(diào)處理，獲得多個(gè)用于年齡估計(jì)的卷積神經(jīng)網(wǎng)絡(luò)；提取得到人臉圖像所對(duì)應(yīng)多層次的年齡特征，并將其作為深層特征輸出；提取獲得每個(gè)人臉圖像的淺層特征HOG特征和LBP特征；構(gòu)建深度置信網(wǎng)絡(luò)將深層特征和淺層特征融合；根據(jù)深度置信網(wǎng)絡(luò)中融合后的特征進(jìn)行人臉圖像的年齡回歸估計(jì)，獲得和輸出年齡估計(jì)結(jié)果。本發(fā)明提高了年齡估計(jì)的準(zhǔn)確度，具備高精度的人臉圖像年齡識(shí)估計(jì)能力。

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于深層特征與淺層特征融合的人臉年齡估計(jì)方法，屬于圖像處理技術(shù)的技術(shù)領(lǐng)域。

背景技術(shù)

隨著模式識(shí)別的發(fā)展，人臉識(shí)別也隨之成為熱點(diǎn)。許多新興技術(shù)也依賴(lài)于人臉識(shí)別。其中，人臉年齡估計(jì)作為其中一個(gè)分支，因其在身份認(rèn)證、人機(jī)接口、視頻檢索以及機(jī)器人視覺(jué)中存在著潛在的應(yīng)用受到了廣泛的關(guān)注。

國(guó)際上，Young和Niels是最早提出年齡估計(jì)的人。他們?cè)缭?994年就提出通過(guò)人臉圖像進(jìn)行年齡估計(jì)。但是他們的工作相對(duì)較為簡(jiǎn)單。他們把年齡粗略地分成：小孩、年輕人和老年人三種。Hayashi等人研究了基于Hough變換的皺紋紋理和人臉圖像膚色分析的年齡和性別識(shí)別方法。2003年，Iga等人用支持向量機(jī)開(kāi)發(fā)一個(gè)用于估計(jì)年齡的分類(lèi)器。Lanitis等人提出一種基于臉部外觀的統(tǒng)計(jì)模型。他們比較了不同分類(lèi)器，例如KNN、MLP、SOM的性能，并且認(rèn)為機(jī)器幾乎可以和人一樣估計(jì)出人的年齡。Nakano等人提出利用臉部和脖子上皺紋紋理的邊緣信息來(lái)進(jìn)行年齡估計(jì)。Zhou等人提出用Boosing的方法做為回歸方法進(jìn)行年齡的估計(jì)，并用實(shí)驗(yàn)表明該方法比基于SVMs的方法還要好。Geng等人提出衰老模式子空間的方法，通過(guò)學(xué)習(xí)一些代表性的子空間來(lái)建模衰老模式，這種衰老模式是用一系列的個(gè)人衰老圖像定義出來(lái)的。

年齡估計(jì)是一個(gè)復(fù)雜的問(wèn)題，主要由于人的年齡特征在外表上很難準(zhǔn)確地被觀察出來(lái)。人臉的年齡特征通常表現(xiàn)在皮膚紋理、皮膚顏色、光亮程度和皺紋紋理等方面，然而這些因素通常與個(gè)人的遺傳基因、生活習(xí)慣、性別、性格特征和工作環(huán)境等方面相關(guān)。因此，很難用一個(gè)統(tǒng)一的模型去定義人臉圖像的年齡，通常需要通過(guò)大量樣本的學(xué)習(xí)才能較好地估計(jì)出人的年齡層次。目前，要準(zhǔn)確地估計(jì)出一個(gè)人的具體年齡，仍然是一個(gè)很困難的問(wèn)題。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問(wèn)題在于克服現(xiàn)有技術(shù)的不足，提供一種基于深層特征與淺層特征融合的人臉年齡估計(jì)方法，解決現(xiàn)有的估計(jì)方法很難用一個(gè)統(tǒng)一的模型去定義人臉圖像的年齡，無(wú)法準(zhǔn)確地對(duì)人臉圖像特征提取和識(shí)別估計(jì)出具體年齡，無(wú)法實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)下的年齡估計(jì)。

本發(fā)明具體采用以下技術(shù)方案解決上述技術(shù)問(wèn)題：

一種基于深層特征與淺層特征融合的人臉年齡估計(jì)方法，包括以下步驟：

步驟A、對(duì)人臉樣本數(shù)據(jù)集中的每張人臉樣本圖像進(jìn)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(duì)構(gòu)建的初始卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練，獲得多個(gè)用于人臉識(shí)別的卷積神經(jīng)網(wǎng)絡(luò)，并從其中選取一個(gè)用于人臉識(shí)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(jìn)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(duì)步驟B所選取的卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行微調(diào)處理，可獲得多個(gè)用于年齡估計(jì)的卷積神經(jīng)網(wǎng)絡(luò)；

步驟D、所述每個(gè)用于年齡估計(jì)的卷積神經(jīng)網(wǎng)絡(luò)分別提取得到每張人臉圖像所對(duì)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(duì)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(jìn)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；