[發(fā)明專利]基于弱監(jiān)督的人臉年齡自動估計方法

在審

• 申請?zhí)枺?/td>: 202010028680.3
• 申請日: 2020-01-11
• 公開（公告）號: CN111274882A
• 公開（公告）日: 2020-06-12
• 發(fā)明（設(shè)計）人: 胡玉帥;沈修平
• 申請（專利權(quán)）人: 上海悠絡(luò)客電子科技股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04
• 代理公司: 上海新天專利代理有限公司 31213
• 代理人: 龔敏

本發(fā)明涉及一種基于弱監(jiān)督的人臉年齡自動估計方法，包含以下步驟：預(yù)處理、根據(jù)圖片本身的均值和方差對圖片做歸一化；卷積神經(jīng)網(wǎng)絡(luò)；提取特征向量和類別；計算每個類別的特征向量的中心點；計算每個圖片與每個類別中心點的距離；根據(jù)圖片與每個類別中心點的距離估算年齡。本發(fā)明依靠年齡段弱標(biāo)簽可以自動訓(xùn)練強分類具體年齡模型，該模型對一張未標(biāo)注的圖片自動估計具體年齡，減少了對人工精確標(biāo)記的依賴。并且該算法從弱分類年齡段到強分類具體年齡的計算非常簡單。

技術(shù)領(lǐng)域

本發(fā)明涉及人臉年齡自動估計方法，尤其是基于弱監(jiān)督的人臉年齡自動估計方法。

背景技術(shù)

人臉年齡自動估計指提供一張圖片，自動識別出圖中人物的年齡。這項技術(shù)有很多應(yīng)用，如視頻監(jiān)控、產(chǎn)品推薦、人機交互、市場分析、用戶畫像、年齡變化預(yù)測等。近些年來隨著深度學(xué)習(xí)特別是卷積神經(jīng)網(wǎng)絡(luò)領(lǐng)域的發(fā)展，人臉年齡估計算法的性能也得到了快速的提高。但是使用算法進行年齡估計仍是一個比較困難的任務(wù)，人臉年齡與頭骨形狀、五官位置、皺紋等都有一定關(guān)系，而且會受到光照、姿態(tài)、表情等的影響,即使是人類對年齡的觀察估計也會有很大偏差，因此人工標(biāo)記年齡也不精確。當(dāng)前的大部分基于機器學(xué)習(xí)的年齡估計方法需要依賴人工標(biāo)記精確年齡，然后讓算法去自動學(xué)習(xí)圖片和標(biāo)記的年齡之間的對應(yīng)關(guān)系。因為標(biāo)記不精確，學(xué)習(xí)到的模型也有誤差。并且人工標(biāo)記是一個很費時的工作，很多時候獲取不到具有精確標(biāo)記的人臉年齡數(shù)據(jù)。

發(fā)明內(nèi)容

本發(fā)明目的在于提供一種基于弱監(jiān)督的人臉年齡估計方法，此處弱監(jiān)督(或稱弱標(biāo)簽)是指人工對一張圖片進行年齡標(biāo)記的時候，不需要標(biāo)記精確的年齡，只標(biāo)記兒童，少年，青年，壯年，老年等幾個年齡階段。這樣一是可以減少人工估計年齡的時間，二是降低算法對人工標(biāo)注的精確性的依賴。

本發(fā)明的具體技術(shù)方案是：一種基于弱監(jiān)督的人臉年齡自動估計方法，包含以下步驟：

步驟一、預(yù)處理：對人臉圖像，統(tǒng)一縮放和裁剪為設(shè)定尺寸,根據(jù)圖片本身的均值和方差對圖片做歸一化；

步驟二、卷積神經(jīng)網(wǎng)絡(luò)：卷積神經(jīng)網(wǎng)絡(luò)使用任一種卷積神經(jīng)網(wǎng)絡(luò)模型，以經(jīng)典的殘差網(wǎng)絡(luò)為例，它包含若干卷積層和最后的全連接分類層，各層之間使用直接映射來連接；

步驟三、提取特征向量和類別:神經(jīng)網(wǎng)絡(luò)的最終輸出為圖片所對應(yīng)的類別得分，最后的全連接分類層的輸入特征為圖片對應(yīng)的特征向量；

步驟四、計算每個類別的特征向量的中心點：取訓(xùn)練集中的所有圖片,按類別分組，計算每組對應(yīng)特征向量集合的中心點；

步驟五、計算每個圖片與每個類別中心點的距離：對一個待測試的圖片，提取特征向量后，計算該特征向量與每個類別中心點的距離，計算公式如下：

d_{j_i}＝(f_j-C_i)×(f_j-C_i)

其中，f_j表示第j個測試的圖片，C_i表示第i個類別的中心點；d_{j_i}表示待測試的圖片與C_i的距離；

步驟六、根據(jù)圖片與每個類別中心點的距離估算年齡：對一張待測試圖片p，首先估算每個類中心點之間的距離，計算公式如下：

C_ij＝(C_i-C_j)×(C_i-C_j)

其中，C_i與C_j表示第i與第j個類別的中心點，C_ij表示兩個類別中心點之間的距離；

年齡估算公式如下：