[發明專利]基于鞋印圖像的STA-Net年齡預測方法

有效

• 申請號: 202010112342.8
• 申請日: 2020-02-24
• 公開（公告）號: CN111340098B
• 公開（公告）日: 2023-07-21
• 發明（設計）人: 唐俊;徐君君;樊旭晨;吳洛天;王鵬鵬;鹿新;汪桐生;茅麗麗;瞿金杰;王年;張艷;朱明;鮑文霞
• 申請（專利權）人: 安徽大學
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V10/764;G06V10/20;G06V10/82;G06N3/0464;G06N3/08
• 代理公司: 合肥東信智谷知識產權代理事務所(普通合伙) 34143
• 代理人: 劉寒冰

1.一種基于鞋印圖像的STA-Net年齡預測方法，其特征在于，待測鞋印圖像經年齡預測框架得到對應的預測年齡，具體包括以下步驟：

S1、評分模型：待測鞋印圖像經評分模型進行數據評估，與評分模型預先設置的預設值進行比較，評估高于預設值代表待測鞋印圖像質量合格，可以進行年齡預測，評估低于預設值代表待測鞋印圖像質量不合格，給用戶不可進行預測的反饋；

S2、圖像預處理模型：將質量合格的待測鞋印圖像進行預處理操作，所述預處理操作包括去噪、中心化、偽彩化；

S3、預測模型：將預處理后的待測鞋印圖像輸入經STA-Net網絡訓練得到預測模型進行年齡預測，得到最終的預測年齡；

步驟S3中STA-Net網絡由3個部分組成：

1)特征提取部分，包含四個不同深度的空洞卷積模塊，卷積模塊的步長為1，卷積核大小為3，空洞卷積系數為2，使用lReLU作為激活函數，則每個步長下卷積的結果如公式(1)、(2)所示，其中l、m、u為濾波器尺寸，j、k為分別為輸入圖像長、寬尺寸，W為共享權重，bias為偏置；

其中:j∈[0,H_in),k∈[0,W_in),u∈[0,C_in)(1)

O為Leaky-ReLU激活函數：

每層的輸出尺寸如公式(3)所示，其中H_n、W_n分別為輸入第n層的特征圖長度與寬度，C_n為該卷積層的深度，Y_n為第n層卷積層的輸出，p為填充的像素數，k是卷積核大小，d為空洞卷積系數，s為步長；

2)注意力機制部分，通過公式(4)對卷積部分提取的特征圖進行掩膜疊加得到一個有效特征更加明顯的特征圖：

Y_o＝Y+sigmoid(Y)*Y

其中sigmoid(Y)為：

3)全連接回歸部分，首先是一個含有4096個節點的全連接層，其次將其輸出的包含4096個特征向量平均切成8片，每片單獨進行年齡回歸，最后將預測的8個年齡進行權重疊加計算出最終年齡，如公式(5)所示：

Age＝w₁*age₁+w₂*age₂+w₃*age₃+.....+w₇*age₇+w₈*age₈?(5)?。

2.如權利要求1所述的基于鞋印圖像的STA-Net年齡預測方法，其特征在于，步驟S1中評分模型的具體內容如下：

1)五種數值的計算：

a.像素平均值：將待測鞋印圖像調整至統一尺寸，統計該待測鞋印圖像的像素總和S，用S除以該待測鞋印圖像的像素點數，得到像素平均值；

b.信息比例：將待測鞋印圖像調整至統一尺寸，再統計該待測鞋印圖像中像素值大于0的像素點個數P，將P除以該待測鞋印圖像的所有像素點數，得到信息比例值；

c.有效值比例：將待測鞋印圖像調整至統一尺寸，再統計該待測鞋印圖像中像素值大于50的像素點個數M，將M除以該待測鞋印圖像的所有像素點數，得到有效值比例值；

d.平均像素亮度：將待測鞋印圖像調整至統一尺寸，再計算鞋印圖像的像素總和S，用像素總和S除以圖像的非零像素點的總個數，就得到了平均像素亮度；

e.有效像素亮度：將待測鞋印圖像調整至統一尺寸，設置像素值大于或等于50的點為有效像素點，計算有效像素點的像素個數以及有效像素點的像素總和，再將有像素點的總和除以有效像素點個數就得到了有效像素亮度；

2)圖像判斷：將上述五類得分數據按照權重形式疊加，得到總得分，與預先設置的預設值進行比較，待測鞋印圖像評分高于預設值則可以進行年齡預測，反之則給用戶不可進行預測的反饋。

3.如權利要求2所述的基于鞋印圖像的STA-Net年齡預測方法，其特征在于，步驟S2中的預處理操作具體包括：首先將待測鞋印圖像重置大小為256*128像素點的圖片，之后進行二值化處理并通過otsu去噪，其次使用等效矩形代替待測鞋印圖像中的鞋印區域，將等效矩形的中點平移到所述圖片中心來實現待測鞋印圖像的中心化的效果，最后將單通道黑白數據按照比例關系轉化為偽彩圖。

4.如權利要求1-3任意一項所述的基于鞋印圖像的STA-Net年齡預測方法，其特征在于，所述年齡預測框架的搭建方法，包括以下步驟：

1)分類過程：首先對不同年齡的鞋印圖像按照不同的比例劃分為訓練集、驗證集以及測試集，每張鞋印圖像均對應附帶年齡標簽；

2)數據篩選過程：將步驟1劃分出的訓練集以及驗證集數據進行數據篩選，刪除噪聲過大以及鞋印殘缺嚴重的數據，其次剔除年齡標簽不合理的數據，使年齡范圍分布在10-80歲之間，讓年齡成正態分布；

3)訓練過程：對訓練集數據進行所述預處理操作，其次根據數據的特點調整網絡的相關參數；最后將經過預處理的數據輸入STA-Net中進行模型訓練，得到一個初步的預測模型；

4)驗證過程：對驗證集數據進行所述預處理操作，其次將經過預處理的數據輸入所述預測模型得到年齡的預測值，最后通過對比年齡標簽上的真實值與預測值之間的誤差進一步調整網絡參數，得到優化預測模型；

5)評分預設過程：對經步驟2篩選過的訓練集數據、驗證集數據中的鞋印圖像分別進行像素平均值、信息比例、有效信息比例、平均像素亮度、有效平均像素亮度的計算，并將總得分的最小值，設定為評分模型的預設值；

6)測試過程：將測試集數據逐張經評分模型評估，高于預設值代表鞋印圖像質量合格，可以進行年齡預測，低于預設值不可進行預測，對質量達標的鞋印圖像進行所述預處理操作，將預處理完的鞋印圖像輸入所述優化預測模型中得到最終的預測年齡，與測試集年齡標簽上的真實值對比。