[發(fā)明專利]一種基于深度稀疏表示的人臉年齡估計方法

有效

• 申請?zhí)枺?/td>: 201710546450.4
• 申請日: 2017-07-06
• 公開（公告）號: CN107330412B
• 公開（公告）日: 2021-03-26
• 發(fā)明（設(shè)計）人: 廖海斌
• 申請（專利權(quán)）人: 湖北科技學(xué)院
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明提供了一種基于深度稀疏表示的年齡估計方法，屬于圖像處理與模式識別技術(shù)領(lǐng)域。它解決了現(xiàn)存人臉年齡估計方法不穩(wěn)定的問題。其主要包括如下步驟：A、構(gòu)建鑒別字典學(xué)習(xí)模型；B、基于鑒別字典建立深度稀疏表示模型；C、構(gòu)建兩因子分析模型進行身份因子去除；D、提取魯棒性年齡特征；E、構(gòu)建分層年齡估計模型進行年齡估計。本發(fā)明具有抗干擾能力強、準(zhǔn)確度高等優(yōu)點。

技術(shù)領(lǐng)域

本發(fā)明屬于圖像處理與模式識別技術(shù)領(lǐng)域，涉及一種基于深度稀疏表示的人臉年齡估計方法。

背景技術(shù)

在醫(yī)學(xué)界，人們主要通過分析膽固醇、高密度膽固醇、白蛋白等血檢指標(biāo)來測定一個人的“生理年齡”并以此研究人體衰老的程度。但遺憾的是這套指標(biāo)體系目前還很不完善，且使用不方便。如果能利用計算機和圖像處理技術(shù)，通過分析人臉表觀圖像能精準(zhǔn)預(yù)測一個人的“生理年齡”，將“生理年齡”與“實際年齡”對比，就可以知道你究竟是“青春常駐”還是“未老先衰”。那么將極大地提高研究效率和降低研究成本。通過看“臉”來估計年齡不僅可用于量化衰老，還可以應(yīng)用于智慧城市和平安城市建設(shè)中。如，基于年齡分析的強制、控制、商業(yè)分析，廣告投遞和人機交互等應(yīng)用。在日常的語言交談中，談話內(nèi)容與方式往往受對方性別和年齡等因素影響。例如，在面對年長者時，談話的語言顯然會正式些。更一般地，人類會通過對方人臉外觀迅速估計對方性別、年齡和身份等信息以便選擇不同社交方式。

相對人臉識別問題，年齡分析所受到的關(guān)注要少得多。然而，這并不表明年齡分析沒有人臉身份識別重要。人臉年齡分析最容易想到是在人臉識別、法醫(yī)學(xué)方面的應(yīng)用。近年來關(guān)于人臉年齡分析的研究吸引了更多心理學(xué)、美學(xué)，刑偵學(xué)、計算機圖形學(xué)、計算機視覺等領(lǐng)域的研究興趣。可以肯定，未來年齡自動分析的應(yīng)用并不亞于人臉識別，并將廣泛應(yīng)用于智能廣告投遞，生物鑒定學(xué)，生物統(tǒng)計學(xué)，電子客戶關(guān)系管理，人臉識別、美容，法律實施，安全控制、人口統(tǒng)計與普查、人機交互等領(lǐng)域。

在人臉年齡自動估計系統(tǒng)中,通常分為兩個階段,第一個階段是提取年齡特征,第二個階段是估計年齡,通常研究的重點是如何提取到最佳的年齡特征。目前人臉年齡特征提取方法大致可以分為經(jīng)典傳統(tǒng)和基于深度學(xué)習(xí)的兩大類方法。第一類方法理論成熟、實現(xiàn)簡單，但魯棒性不高。其中典型代表有主動表觀模型(AAM),局部二元模式(LBP),Gabor和仿生特征(Bio-inspired Features,BIF)等。每種方法都有各自的特點和應(yīng)用場合。例如，AAM特征綜合了人臉紋理和形狀信息具有全局性，適用于人臉年齡粗估計。LBP主要是提取人臉局部紋理特征，具有局部細節(jié)性，在區(qū)分相近的年齡比較有效，但由于缺乏全局信息容易出現(xiàn)大區(qū)域跨年齡段估計錯誤。BIF特征考慮了人類分類識別物體的思維方式，所以取得了比較好的效果，但其人類物體識別思維方式并沒有充分利用。因此，如何有效地綜合利用以上特征并充分挖掘人類思維方式是年齡估計未來的重要研究方向。本發(fā)明朝此方向作有益的探討與研究，提出基于深度稀疏表達的人臉特征提取方法。該方法融合了AAM、LBP和BIF特征的各自特點。

最近，由于深度學(xué)習(xí)的研究與應(yīng)用不斷深入與發(fā)展，出現(xiàn)了不少基于深度學(xué)習(xí)的人臉年齡估計方法。如，文章“Dong Yi,Zhen Lei,Stan Z.Li.Age Estimation by Multi-scale Convolutional Network[C].In Proceedings of 12th Asian Conference onComputer Vision,Singapore,2014.”和專利“一種人臉圖像的年齡估計方法(專利號：CNIO5956571A)”等將深度卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用于年齡估計。深度學(xué)習(xí)是目前研究的熱門，基于深度學(xué)習(xí)的年齡估計雖然取得了顯著的效果。但其應(yīng)用面臨著深度網(wǎng)絡(luò)的優(yōu)化設(shè)計和人臉圖像優(yōu)化處理技巧等問題；其次，現(xiàn)有的深度學(xué)習(xí)結(jié)構(gòu)當(dāng)隱層數(shù)增多時參數(shù)急劇增加,對運算性能提出了較高的要求；最后，面臨海量年齡訓(xùn)練樣本缺乏和工程應(yīng)用等問題。而本發(fā)明提出的深度稀疏表示人臉年齡估計方法具有計算復(fù)雜度低，不需要海理量訓(xùn)練樣本和魯棒性高等優(yōu)點。

發(fā)明內(nèi)容