[發明專利]一種基于聲紋和人臉圖像特征融合的年齡預測系統及方法

在審

• 申請號: 201810063645.8
• 申請日: 2018-01-23
• 公開（公告）號: CN108460334A
• 公開（公告）日: 2018-08-28
• 發明（設計）人: 徐楓;陳建武;肖謀
• 申請（專利權）人: 北京易智能科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G10L17/04
• 代理公司: 成都弘毅天承知識產權代理有限公司 51230
• 代理人: 徐金瓊;劉東

本發明公開了一種基于聲紋和人臉圖像特征融合的年齡預測系統及方法，旨在現有技術中單獨的采用聲紋識別或人臉識別來預測年齡存在局限性而導致年齡預測存在誤差的問題；本申請中通過融合了聲音和人臉建立性別分類器，再根據性別分類器對數據集進行性別分類，分類之后訓練得到基于性別的年齡預測分類器，不僅結合了聲音與人臉的綜合識別來實現年齡預測，解決了單獨的聲音或人臉造成年齡預測偏差的問題，同時還通過性別分類器對男女數據集進行區分，更進一步地增加了年齡預測的準確性；本申請適用于年齡預測相關領域。

技術領域

本發明涉及本發明涉及人臉屬性識別技術、聲紋識別技術和語音交互技術領域，特別涉及一種基于聲紋和人臉圖像特征融合的年齡預測系統及方法。

背景技術

現有大數據挖掘發展越來越成熟，根據不同用戶對其年齡等進行分段分析，用于更加人性化的人機交互、圖像及視頻檢索、智能監控、人口統計等有重要意義。人臉屬性識別技術以及聲紋識別技術都發展到了一定的程度。

一、人臉屬性識別技術：

隨著計算機視覺的理論和應用研究快速發展，傳統的性別識別方法已不能滿足如今的需求，基于計算機的生物特征識別技術應運而生。生物特征識別技術包括：指紋、虹膜、人臉、聲音、手勢等，在這些特征里，人臉特征潛力巨大。每一張人臉都包含著豐富的信息，利用這些信息我們可以進行年齡、性別、身份等研究；每一張人臉具有唯一性，即使雙胞胎也存在面部特征差異；人臉特征提取具有友好性，在對象未知的情況下進行特征提取。除此之外，基于人臉的性別年齡識別方法具有獲取方便快捷、識別過程并發、識別結果直觀、應用成本低性價比高等多種優勢。

在性別識別方面：最早20世紀80年代，Golomb訓練的全聯結的二層神經網絡；其后，Cottrell先對樣本進行主分類分析(PCA)，然后訓練BP(BackPropagation)神經網絡；Gutta提出了采用混合分類器，把徑向基神經網絡和C4.5決策樹算法結合起來，最高識別率96％；Moghaddam引入基于RBF(徑向基函數)的SVM分類器，SVM達到96.6％正確率。Viola和Jones提出AdaBoost算法，在4500張圖像達到78％正確率。清華大學的武勃等采用基于查找表的弱分類器，在FERET的圖像中正確率達到88％。

在年齡估計方面：最早在1994年Young和Niels提出通過人臉進行年齡估計，將年齡分為小孩、年輕人和老年人；其后，Hayashi提出基于Hough變換的皺紋紋理和人臉圖像膚色分析識別方法；Zhou提出Boosing作為回歸方法進行年齡估計；Geng提出衰老模式子空間方法；Wei把年齡內部信息考慮在內，使用相關成分分析法(RCA)進行調整，并用LLPP及MFA算法進行降維處理。

除此之外，CVPR、ICIP、ECCV、ICPR等一些國際上比較權威的會議，每年都會出現一定數量的高質量的相關研究成果。

雖然已經在人臉屬性方面取得了大量的研究成果，但是這些方法會受到實際應用場景的多種因素的影響，影響因素有：因為人臉是非剛性物體，不同的姿態、不同的光照、不同的表情會使同一張人臉有多樣的變化，會給識別帶來困擾；年齡對臉部特征帶來影響，不同時期的人臉有很大的差異性；人臉也會受到遮擋的影響，比如有無眼鏡、有無胡須、長短發等。

二、聲紋識別技術：

聲紋識別是一種生物識別技術，它利用人的話音中存在著的與身份相關的特性識別身份，也稱為說話人識別(Speaker Recognition)。聲紋識別根據語音波形中反映說話人生理和行為特征的語音參數自動鑒別說話人身份的一項技術，需要對因說話人的發音器官、發音通道和發音習慣而產生的個性差異提取特征。聲紋因具備簡單、方便、準確、經濟及可擴展性良好等諸多優勢。