[發(fā)明專利]一種基于方向梯度和隱變量分析的人臉年齡估計方法

在審

• 申請?zhí)枺?/td>: 201910242005.8
• 申請日: 2019-03-28
• 公開（公告）號: CN110298224A
• 公開（公告）日: 2019-10-01
• 發(fā)明（設(shè)計）人: 舒暢;洪建宇;劉洪盛;傅志中;周寧
• 申請（專利權(quán)）人: 電子科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06T5/40
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于方向梯度和隱變量分析的人臉年齡估計方法，其特征在于：所述方法的整體步驟為：

步驟一、數(shù)據(jù)預處理階段：利用現(xiàn)有的人臉檢測和人臉關(guān)鍵點定位算法對人臉圖片進行人臉檢測和關(guān)鍵點定位，裁剪出人臉區(qū)域并將圖片縮放到128×160大小保存；

步驟二、數(shù)據(jù)集劃分：隨機劃分出年齡數(shù)據(jù)集中的80％數(shù)據(jù)作為訓練集，剩下20％作為驗證集，保證同一個人的數(shù)據(jù)僅出現(xiàn)在一個集合中；

步驟三、訓練集分組：將步驟二中劃分出的訓練集分別按照年齡段和身份信息分組并保存；

步驟四、提取多尺度方向梯度直方圖(Histogram of oriented gradient)特征：對步驟二劃分的訓練集圖片首先進行灰度化處理并做伽馬歸一化，之后利用梯度算子計算圖片每個像素點水平方向和豎直方向的梯度值，計算公式如公式一和公式二：

G_x(x,y)＝H(x+1,y)-H(x-1,y) 公式一

G_y(x,y)＝H(x,y+1)-H(x,y-1) 公式二

其中，G_x(x,y)，G_y(x,y)，H(x,y)分別表示輸入圖像中像素點(x,y)處的水平方向梯度、豎直方向梯度和像素值；

然后計算像素點(x,y)處的梯度幅值G(x,y)和梯度方向α(x,y)，計算公式如公式三和公式四：

接著在全圖合成大尺寸的方向梯度直方圖特征，并根據(jù)步驟一中關(guān)鍵點定位的結(jié)果在眼部周圍提取小尺寸的方向梯度直方圖特征，最后將兩個尺寸的特征拼接在一起作為整張人臉的特征；

步驟五、特征降維：使用主成分分析算法對步驟四中提取的方向梯度直方圖特征進行降維，保留98％的能量；

步驟六、訓練隱變量分析模型：將步驟六中提取的圖片特征建模成年齡相關(guān)特征和身份相關(guān)特征以及其他無關(guān)噪聲的線性組合，建模形式如公式五：

t＝β+Ux+Vy+ε公式五

其中，t是提取的特征，β是訓練集中特征的均值，Ux表示的是年齡相關(guān)的特征，Vy表示的是身份相關(guān)的特征，ε表示其他無關(guān)噪聲，假設(shè)其服從正態(tài)分布：ε～N(0,δ²I)；

首先計算出β，然后根據(jù)步驟三中按照年齡段和身份信息劃分的樣本組，利用最大期望(Expectation maximization)算法估計出參數(shù)U,V,δ；

接著根據(jù)公式六從原特征中計算出年齡相關(guān)的特征并保存：

f＝UU^TΣ^-1(t-β)公式六

其中，Σ＝δ²I+UU^T+VV^T；

步驟七、訓練回歸器：將步驟六中提取的年齡相關(guān)的特征作為輸入，訓練一個線性回歸器模型并保存，本發(fā)明采用的是現(xiàn)有的線性(LibLinear)函數(shù)庫來完成回歸器的訓練；

步驟八、方法測評：在上述步驟完成后，將驗證集中的圖片先按照步驟五提取多尺寸方向梯度直方圖特征；

再使用步驟六中訓練好的隱變量分析模型，根據(jù)公式六提取出年齡相關(guān)的特征；

最后將年齡相關(guān)特征送入步驟七中訓練好的線性回歸器得到預測的年齡，并使用平均絕對誤差作為評價指標評估算法性能，平均絕對誤差的計算公式見公式七：

2.如權(quán)利要求1所述的方法，其特征在于：所述步驟四中先對整張圖片提取大尺寸方向梯度直方圖特征(細胞單元尺寸為16×16或8×8)，再對眼睛附近區(qū)域提取小尺寸方向梯度直方圖特征(細胞單元尺寸為8×8或4×4)。

3.如權(quán)利要求1或2所述的方法，其特征在于：將所述步驟五中提取的多尺度方向梯度直方圖特征先進行降維，把降維后的特征建模成年齡相關(guān)特征和身份相關(guān)特征以及其他無關(guān)噪聲的線性組合，并使用最大期望算法估計隱變量分析模型的參數(shù)。