[發(fā)明專利]一種基于局部圖像塊的人臉年齡識別方法

有效

• 申請?zhí)枺?/td>: 202010439994.2
• 申請日: 2020-05-22
• 公開（公告）號: CN111709305B
• 公開（公告）日: 2023-08-11
• 發(fā)明（設(shè)計）人: 楊晨悅;夏思宇;韓飛翔;王欽文;韓國權(quán);胡洪達
• 申請（專利權(quán)）人: 東南大學
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V10/56;G06V10/764
• 代理公司: 南京經(jīng)緯專利商標代理有限公司 32200
• 代理人: 羅運紅

1.一種基于局部圖像塊的人臉年齡識別方法，其特征在于，該方法包括以下步驟：

(1)使用dlib-81個關(guān)鍵點模型對采集的不同年齡的人臉圖像進行處理，去除圖像中的非面部皮膚區(qū)域；

(2)對處理后的人臉圖像進行滑動裁剪，將大圖片切割為同等大小的圖像塊；

(3)通過計算圖像塊的灰度值，剔除非皮膚區(qū)域占比大于40％的圖像塊，剔除后剩余的圖像塊稱為patch-image；

(4)通過神經(jīng)網(wǎng)絡(luò)訓練，得到獲取圖像塊年齡的模型；

(5)對需要檢測年齡的圖像進行處理，通過訓練好的模型，得到每張patch-image對應(yīng)的年齡數(shù)據(jù)；

(6)運用SVM，根據(jù)圖像每張patch-image的年齡數(shù)據(jù)，分析得到整張圖像對應(yīng)的年齡；

在步驟(1)中，根據(jù)81個關(guān)鍵點模型去除采集的人臉圖像中的非面部皮膚區(qū)域由如下步驟獲得：

(1.1)讀取要加載的81個關(guān)鍵點人臉檢測模型，它可以定位人臉輪廓及五官輪廓上的81個關(guān)鍵點；

(1.2)構(gòu)建四個landmarks矩陣，確定輪廓上橫坐標最小的點為起始點，然后按順時針方向分別依次存儲臉部輪廓關(guān)鍵點，左右眼輪廓關(guān)鍵點，和嘴唇輪廓關(guān)鍵點的坐標，每個landmarks矩陣中的關(guān)鍵點之間按存儲順序連接形成閉合的關(guān)鍵點包圍區(qū)；

(1.3)對采集的人臉圖像進行遍歷，判斷每個像素點與landmarks關(guān)鍵點矩陣構(gòu)成的包圍區(qū)的位置關(guān)系，若不在面部皮膚區(qū)域內(nèi)，則置像素點RGB值為(0，0，0)；

(1.4)得到去除非面部皮膚區(qū)域的圖像；

在步驟(3)中，剔除非皮膚區(qū)域占比大于40％的圖像塊，其方法如下：

(3.1)將切割后得到的圖像塊轉(zhuǎn)化為灰度圖；

(3.2)確定一個閾值范圍a，當圖像塊中某像素點的灰度值小于閾值a時，認為該點為非皮膚區(qū)域，灰度值計算方法如下：

Gray＝0.299×R+0.587×G+0.114×B

其中，Gray為灰度值，R，G，B指像素點對應(yīng)的紅，藍，綠三原色光的亮度級；

(3.3)遍歷每個圖像塊，計算圖像塊中灰度值小于閾值a的像素點數(shù)量，通過確定非皮膚區(qū)域像素點數(shù)占總像素點數(shù)的比例，來判斷圖像塊中非皮膚區(qū)域是否大于整張圖像塊面積的40％，圖像塊中每一點的灰度值為gray(i,j)，(i,j)為像素點的坐標，count為圖像塊中灰度值小于閾值a的像素點數(shù)，初值為0，height為圖像塊的高度，width為圖像塊的寬度，size為圖像塊的像素點數(shù)；

當gray(i,j)＜a時，count＝count+1，其中0≤i≤height,0≤j≤width

若count＞0.4×size，則將該張圖像塊剔除；

即，若灰度值小于閾值a的像素點數(shù)占圖像總像素點數(shù)的比例大于40％，則認為該張圖像塊中非皮膚區(qū)域占比大于40％，需要剔除，未被剔除的圖像塊構(gòu)成patch-image；

步驟(4)中，通過訓練神經(jīng)網(wǎng)絡(luò)，得到獲取圖像塊年齡的模型，其方法如下：首先將patch-image進行歸一化處理變換為預設(shè)大小的圖像；對每一張patch-image進行年齡標注，其年齡與原人臉圖像的年齡相同；將變換后的patch-image隨機分為訓練集和測試集，將訓練集中標注的圖像、年齡標簽輸入到深度學習神經(jīng)網(wǎng)絡(luò)ResNet50進行年齡分類的學習；在神經(jīng)網(wǎng)絡(luò)進行學習的過程中，每一張圖像都會進行200次的迭代采樣，每5輪保存一次權(quán)重，得到一個獲取圖像塊對應(yīng)年齡的模型；

步驟(5)中將需要檢測年齡的圖像進行關(guān)鍵點檢測處理，滑動裁剪，剔除后，通過獲取圖像塊年齡的模型，得到每張patch-image對應(yīng)的年齡；

步驟(6)中，運用SVM得到分類結(jié)果，即人臉圖像對應(yīng)的年齡，其方法如下：在步驟(5)中獲得需要檢測年齡圖像對應(yīng)的每張patch-image的年齡結(jié)果，統(tǒng)計每張圖像對應(yīng)不同年齡的patch-image數(shù)量，將數(shù)量統(tǒng)計結(jié)果進行歸一化和正則化后，將統(tǒng)計數(shù)據(jù)隨機分為訓練集和測試集，將訓練集中歸一化及正則化后的多組patch-image年齡統(tǒng)計數(shù)據(jù)作為輸入，將每組統(tǒng)計數(shù)據(jù)對應(yīng)的原人臉圖像的年齡作為輸出，送入SVM進行年齡分類的訓練，獲得一個SVM模型，運用該模型可以在獲得每張需檢測年齡圖像的patch-image的年齡統(tǒng)計數(shù)據(jù)后，將數(shù)據(jù)劃分到代表不同年齡的區(qū)域內(nèi)，即可分類得到需檢測年齡圖像的最終年齡結(jié)果。