[發明專利]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

• 申請號: 201910242005.8
• 申請日: 2019-03-28
• 公開（公告）號: CN110298224A
• 公開（公告）日: 2019-10-01
• 發明（設計）人: 舒暢;洪建宇;劉洪盛;傅志中;周寧
• 申請（專利權）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

本發明公開了一種基于多尺寸方向梯度直方圖(Histogram of oriented gradient)特征和隱變量分析的人臉年齡估計方法，其整體步驟為：S1：構建數據集并將數據集劃分為訓練集、驗證集兩部分；S2：對圖片提取多尺寸的方向梯度直方圖特征；S3：訓練隱變量分析模型并使用該模型從S2提取的特征中過濾掉年齡無關的特征；S4：使用S3處理后的特征訓練回歸器，完成對人臉圖像中人物年齡的估計。本發明首先提出了一種基于人臉先驗知識的多尺寸特征提取方法，接著使用隱變量分析方法過濾出特征中包含的年齡無關的信息，相比較傳統的基于局部特征提取的方法提高了年齡估計的準確性。

技術領域

本發明涉及計算機視覺技術領域，尤其涉及一種基于方向梯度和隱變量分析的人臉年齡估計方法。

背景技術

人臉年齡估計，即通過單張人臉照片估計出人的年齡，是人臉屬性分析中的重要組成部分。由于其在智能監控，商業分析，人機交互等領域的廣泛應用，近二十年來一直是一個研究的熱門問題。但是人臉年齡估計也是一個富有挑戰性的問題，因為不同人的老化過程在臉部的表現是有很大差異性的，也就是說從一個人的人臉外觀到其實際年齡之間是一種模糊的映射關系，并且每個人的映射關系都不相同。這也解釋了為什么一些人看起來比其實際年齡偏大而一些人偏小。

目前的人臉年齡估計方法大致可以分為兩類，基于分類的方法和基于回歸的方法。基于分類的方法是將不同年齡看作不同的類別，不同類別之間沒有相關性。這樣的處理就忽略了不同年齡之間較強的順序性和相關性，導致年齡估計方法性能下降。而基于回歸的方法是將年齡看作一個連續的數，通過訓練用提取到的圖片特征去擬合年齡標簽，這樣的處理方法更加符合直覺。但是在一些研究工作中有學者指出，相比較前者，基于回歸的方法更容易陷入過擬合。通過對提取的特征進行進一步分析，剔除無關的噪聲并降低數據維度可以有效地緩解過擬合問題。

隱變量是指試驗中無法直接觀測的變量，通常可以采用統計模型對隱變量進行觀察，統計其概率特性從而推測出隱變量。隱變量分析在心理學、經濟學、跨年齡人臉識別等領域有著很廣泛的應用。人臉中包含著各種各樣的信息，例如年齡、身份、情緒等等，這些信息就可以看作是一組隱變量，使用隱變量分析方法可以有針對性地分析這些信息以提高人臉年齡估計方法的性能。

發明內容

本發明的目的在于克服現有技術存在的不足，提供一種基于多尺度方向梯度直方圖(Histogram of oriented gradient)特征和隱變量分析的人臉年齡估計方法，包含以下步驟：

步驟一、數據預處理階段：利用現有的人臉檢測和人臉關鍵點定位算法對人臉圖片進行人臉檢測和關鍵點定位，裁剪出人臉區域并將圖片縮放到128×160大小保存。

步驟二、數據集劃分：隨機劃分出年齡數據集中的80％數據作為訓練集，剩下20％作為驗證集，保證同一個人的數據僅出現在一個集合中。

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：