[發(fā)明專利]一種基于深度學(xué)習(xí)的年齡估計(jì)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201710881954.1
• 申請(qǐng)日: 2017-09-26
• 公開（公告）號(hào): CN107590478A
• 公開（公告）日: 2018-01-16
• 發(fā)明（設(shè)計(jì)）人: 曹艷艷;王昆
• 申請(qǐng)（專利權(quán)）人: 四川長虹電器股份有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06N3/04;G06N3/08
• 代理公司: 四川省成都市天策商標(biāo)專利事務(wù)所51213
• 代理人: 劉興亮,劉渝

技術(shù)領(lǐng)域

本發(fā)明涉及一種年齡估計(jì)方法，具體涉及一種基于深度學(xué)習(xí)的年齡估計(jì)模型設(shè)計(jì)方法，屬于計(jì)算機(jī)視覺領(lǐng)域。

背景技術(shù)

年齡估計(jì)技術(shù)作為計(jì)算機(jī)視覺的一個(gè)分支，近年來受到越來越多的關(guān)注。所謂年齡估計(jì)就是根據(jù)人臉圖像，提取圖像年齡特征，采用計(jì)算機(jī)視覺技術(shù)進(jìn)行相關(guān)處理分析，判斷人臉圖像年齡的技術(shù)。通過對(duì)人臉圖像準(zhǔn)確的年齡預(yù)測，可以改變?nèi)藗兊纳盍?xí)慣和方式，具有很重要的現(xiàn)實(shí)意義。日常生活方面可以通過年齡預(yù)測結(jié)果針對(duì)不同年齡人群提供精準(zhǔn)服務(wù)，在人流擁擠區(qū)域快速標(biāo)記幼兒和老人，方便特殊人群管理。越來越多的手機(jī)娛樂軟件也加入年齡估計(jì)功能，準(zhǔn)確的年齡估計(jì)結(jié)果能夠提升用戶的體驗(yàn)，利于軟件推廣。

人的年齡在不同時(shí)期呈現(xiàn)不一樣的變化，并且是長期連續(xù)的過程。直觀感受為輪廓變化、皮膚變化、五官變化等。通過面部圖像對(duì)人的年齡進(jìn)行估計(jì)面臨諸多難題，年齡估計(jì)不是標(biāo)準(zhǔn)的多分類問題，不同的人在不同階段給人的直觀印象差別很大，更難通過圖片就對(duì)人進(jìn)行準(zhǔn)確的估計(jì)；人臉數(shù)據(jù)庫很難獲取，人為主觀標(biāo)定也存在較大偏差；表情、環(huán)境、圖像質(zhì)量影響年齡估計(jì)的準(zhǔn)確性。

年齡估計(jì)方法主要分為基于臉部形狀和基于紋理特征的方法。基于臉部形狀的方法關(guān)鍵在于關(guān)鍵點(diǎn)定位，如AAM、ACM算法，如果定位不準(zhǔn)將影響年齡估計(jì)的效果，不同姿態(tài)、表情影響關(guān)鍵點(diǎn)定位。基于紋理特征的算法主要有LBP、Gabor等算法，提取面部圖像紋理特征，能夠描述面部皺紋信息，圖像質(zhì)量、分辨率等影響該類算法的精度。近年來，深度學(xué)習(xí)算法經(jīng)歷快速發(fā)展期，隨著大數(shù)據(jù)時(shí)代的到來以及GPU等各種更加強(qiáng)大的計(jì)算設(shè)備的發(fā)展，深度學(xué)習(xí)如虎添翼，不斷顛覆語音識(shí)別、圖像分類、文本理解等眾多領(lǐng)域的算法設(shè)計(jì)思路。

發(fā)明內(nèi)容

本發(fā)明提出一種輕量級(jí)深度學(xué)習(xí)模型，其目的在于提升現(xiàn)有算法識(shí)別率低耗時(shí)的問題，尤其適用于低分辨率、有遮擋的人臉圖像的年齡估計(jì)問題。

本發(fā)明是一種基于深度學(xué)習(xí)的年齡估計(jì)方法，包括如下步驟：

(1)構(gòu)建年齡數(shù)據(jù)庫，共超過50萬張人臉圖像，人工標(biāo)定標(biāo)簽0-61歲，其中標(biāo)簽61代表60歲以上人群。該數(shù)據(jù)庫全部為中國人臉數(shù)據(jù)，有效保證識(shí)別國內(nèi)人臉圖像的有效性。在保證圖像數(shù)量的同時(shí)，該數(shù)據(jù)庫擴(kuò)大人臉圖像廣度，保證足夠多的人在不同年齡段不同環(huán)境下的樣本，而非同一人在同一場景下的大量樣本。圖像大部分為日常生活圖片，包括不同姿態(tài)、分辨率、表情下的圖像。相對(duì)于現(xiàn)有公開的年齡估計(jì)算法，本發(fā)明所構(gòu)建的年齡庫更能反應(yīng)實(shí)際應(yīng)用中所獲取的人臉圖像，保證最終所得到的年齡估計(jì)模型的泛化能力和魯棒性。

(2)對(duì)已構(gòu)建的年齡數(shù)據(jù)庫圖像進(jìn)行預(yù)處理，包括人臉檢測、關(guān)鍵點(diǎn)定位及對(duì)齊。

具體地，人臉檢測技術(shù)為LBP+haar，MTCNN等；關(guān)鍵點(diǎn)定位及對(duì)齊采用AAM，dlib等技術(shù)。

較佳地，對(duì)步驟(2)的預(yù)處理結(jié)果進(jìn)行光照預(yù)處理。

(3)對(duì)齊后的圖像統(tǒng)一大小歸一化為64x64。

優(yōu)選地，步驟(3)歸一化后的圖像轉(zhuǎn)換為浮點(diǎn)型，像素值歸一化到[0 1]。

(4)將步驟(3)得到的圖像和對(duì)應(yīng)的標(biāo)簽作為深度模型的輸入，運(yùn)用CNN卷積深度網(wǎng)絡(luò)訓(xùn)練年齡估計(jì)模型。

具體地，該深度模型共包含4個(gè)卷積層，4個(gè)relu層，4個(gè)pooling層，兩個(gè)全連接層。

(5)對(duì)測試圖像按照步驟(2)、(3)依次進(jìn)行預(yù)處理，然后輸入到步驟(4)訓(xùn)練好的年齡估計(jì)模型，得出測試圖像在各類標(biāo)簽上的相似度值。

(6)將步驟(5)得到的對(duì)應(yīng)標(biāo)簽和相似度值相乘再相加，得到最終的年齡估計(jì)結(jié)果。

較優(yōu)地，選擇前N個(gè)最相似的標(biāo)簽，與標(biāo)簽對(duì)應(yīng)的相似度求和相加。

該發(fā)明提供的年齡估計(jì)方法，得到的深度模型小，運(yùn)行時(shí)間快，年齡估計(jì)識(shí)別率高。建立的超過50萬張人臉年齡庫，有效保證樣本多樣性，為深度模型訓(xùn)練提供數(shù)據(jù)支撐，該數(shù)據(jù)庫包括大量小孩、老人樣本，能夠有效識(shí)別特殊人群的年齡。

附圖說明

圖1為人臉年齡數(shù)據(jù)庫建立過程。

圖2為本發(fā)明所建立的部分人庫圖像。

圖3為本發(fā)明所采用深度學(xué)習(xí)模型結(jié)構(gòu)。

具體實(shí)施方式

本發(fā)明為一種基于深度學(xué)習(xí)的年齡估計(jì)方法，包括前期數(shù)據(jù)庫的建立，模型設(shè)計(jì)與訓(xùn)練，后期測試等步驟，具體實(shí)施方式如下：