[發明專利]一種人群年齡識別方法及裝置

在審

• 申請號: 201710764526.0
• 申請日: 2017-08-30
• 公開（公告）號: CN107545249A
• 公開（公告）日: 2018-01-05
• 發明（設計）人: 樊雨茂;段立新;孫源良
• 申請（專利權）人: 國信優易數據有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京超凡志成知識產權代理事務所(普通合伙)11371
• 代理人: 張紅平

1.一種人群年齡識別方法，其特征在于，所述方法包括：

獲取待識別的目標人群圖像；

采用構建的神經網絡模型對所述目標人群圖像進行人臉檢測；

利用預先訓練的人臉年齡識別模型，分別為檢測出的人臉預估年齡。

2.根據權利要求1所述的方法，其特征在于，所述神經網絡模型包括第一深度神經網絡、第一支持向量機分類器、第一矯正器、以及第一篩選器；

在采用構建的神經網絡模型對所述目標人群圖像進行人臉檢測之前，還包括：

生成所述目標人群圖像的多個候選框截圖；

采用構建的神經網絡模型對所述目標人群圖像進行人臉檢測，包括：

將生成的候選框截圖輸入所述神經網絡模型，利用所述第一深度神經網絡對各候選框截圖進行特征向量提取，得到每個所述候選框截圖對應的第一圖像特征向量；并

將所述第一圖像特征向量輸入所述第一支持向量機分類器，對所述第一圖像特征向量所表征的候選框截圖是否包含人臉進行檢測，確定出包含人臉的候選框截圖；

將確定的包含人臉的候選框截圖輸入所述第一矯正器，對各包含人臉的候選框截圖的位置坐標進行矯正；并

將輸出的經過坐標矯正的候選框截圖輸入所述第一篩選器，根據候選框截圖的覆蓋面積對輸入的候選框截圖進行篩選，得到對所述目標人群圖像進行人臉檢測的檢測結果。

3.根據權利要求2所述的方法，其特征在于，所述神經網絡模型還包括第二深度神經網絡、第二支持向量機分類器、第二矯正器、以及第二篩選器；且所述第二深度神經網絡用于提取的特征向量數量多于所述第一深度神經網絡用于提取的特征向量數量；

在根據候選框截圖的覆蓋面積對輸入的候選框截圖進行篩選之后，還包括：

將經過所述第一篩選器篩選得到的候選框截圖輸入所述第二深度神經網絡，對輸入的候選框截圖進行特征向量提取，得到輸入的每個所述候選框截圖對應的第二圖像特征向量；并

將所述第二圖像特征向量輸入所述第二支持向量機分類器，對所述第二圖像特征向量所表征的候選框截圖是否包含人臉進行檢測，確定出包含人臉的候選框截圖；

將確定的包含人臉的候選框截圖輸入所述第二矯正器，對各包含人臉的候選框截圖的位置坐標進行矯正；并

將輸出的經過坐標矯正的候選框截圖輸入所述第二篩選器，根據候選框截圖的覆蓋面積對輸入的候選框截圖進行篩選，得到對所述目標人群圖像進行人臉檢測的最終檢測結果。

4.根據權利要求2所述的方法，其特征在于，所述第一深度神經網絡包括：依次連接的第一卷積層、第一池化層、第二卷積層、第三卷積層、以及第四卷積層；

所述第一卷積層的卷積核大小為3*3且卷積核個數為10；

所述第一池化層采用最大值池化且池化區間為2*2；

所述第二卷積層的卷積核大小為3*3且卷積核個數為18；

所述第三卷積層的卷積核大小為3*3且卷積核個數為36；

所述第四卷積層的卷積核大小為1*1且卷積核個數為8。

5.根據權利要求3所述的方法，其特征在于，所述第二深度神經網絡包括：依次連接的第五卷積層、第二池化層、第六卷積層、第三池化層、以及全連接層；

所述第五卷積層的卷積核大小為3*3且卷積核個數為18；

所述第二池化層采用最大值池化且池化區間為2*2；

所述第六卷積層的卷積核大小為3*3且卷積核個數為36；

所述第三池化層采用均值池化且池化區間為5*5；

所述全連接層包含128個神經元。

6.根據權利要求1至5任一項所述的方法，其特征在于，利用預先訓練的人臉年齡識別模型，分別為檢測出的人臉預估年齡，包括：

針對每個檢測出的人臉，將對應的人臉截圖輸入至預先訓練的人臉年齡識別模型，確定該人臉截圖中包含的人臉在各個目標年齡下的概率值；

基于確定出的所述概率值，生成該人臉的年齡概率向量，所述年齡概率向量所包含的元素表征該人臉在各目標年齡下的概率；

將所述年齡概率向量中最大概率值對應的目標年齡確定為預估得到的該人臉的年齡。