[發(fā)明專利]一種基于人臉特征學(xué)習(xí)的輕量級多頭年齡估計(jì)方法

有效

• 申請?zhí)枺?/td>: 202110620332.X
• 申請日: 2021-06-03
• 公開（公告）號: CN113298004B
• 公開（公告）日: 2022-04-29
• 發(fā)明（設(shè)計(jì)）人: 周翔;劉國清;倪一華
• 申請（專利權(quán)）人: 南京佑駕科技有限公司
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V10/774;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 南京縱橫知識產(chǎn)權(quán)代理有限公司 32224
• 代理人: 韓紅莉

本發(fā)明公開了一種基于人臉特征學(xué)習(xí)的輕量級多頭年齡估計(jì)方法，向構(gòu)建的多頭人臉年齡估計(jì)模型中輸入預(yù)處理后的待測人臉圖片，構(gòu)建的多頭人臉年齡估計(jì)模型預(yù)測輸出人臉年齡。構(gòu)建多頭人臉年齡估計(jì)模型，包括：預(yù)處理人臉圖片訓(xùn)練數(shù)據(jù)集；以經(jīng)過通道壓縮的SSR?NET特征提取網(wǎng)絡(luò)作為雙支路多頭的年齡估計(jì)主干網(wǎng)絡(luò)，在年齡估計(jì)主干網(wǎng)絡(luò)后接上多頭網(wǎng)絡(luò)；對人臉圖片訓(xùn)練數(shù)據(jù)集利用多頭網(wǎng)絡(luò)進(jìn)行多次二分類任務(wù)和一次回歸任務(wù)的訓(xùn)練；利用損失函數(shù)引導(dǎo)人臉年齡估計(jì)網(wǎng)絡(luò)學(xué)習(xí)包括二元交叉熵?fù)p失和Smooth?L1損失的最佳參數(shù)，使用預(yù)處理后的訓(xùn)練集訓(xùn)練多頭的年齡估計(jì)主干網(wǎng)絡(luò)，獲得最佳多頭人臉年齡估計(jì)模型。

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于人臉特征學(xué)習(xí)的輕量級多頭年齡估計(jì)方法，屬于計(jì)算機(jī)視覺技術(shù)領(lǐng)域。

背景技術(shù)

隨著科學(xué)技術(shù)的不斷發(fā)展，人們越來越追求安全、便捷、舒適的生活，例如人們在享受汽車帶來便捷出行同時(shí)，也更多的關(guān)注行車安全問題。因此，如何改善駕駛安全，保障人身安全是目前汽車研究領(lǐng)域一個(gè)重要課題。近些年隨著輔助駕駛系統(tǒng)(ADAS)和駕駛員監(jiān)控系統(tǒng)(DMS)的出現(xiàn)，在一定程度上保障了駕駛的安全性。

駕駛員監(jiān)控系統(tǒng)利用傳感器與算法的融合達(dá)到對駕駛員屬性、狀態(tài)的實(shí)時(shí)監(jiān)控，提高駕駛的安全性。人臉年齡估計(jì)任務(wù)作為駕駛員監(jiān)控系統(tǒng)中一個(gè)重要的基礎(chǔ)任務(wù)，實(shí)現(xiàn)高效、準(zhǔn)確、穩(wěn)定的人臉年齡估計(jì)算法必定能夠在駕駛員監(jiān)控系統(tǒng)中發(fā)揮重大作用。

現(xiàn)有技術(shù)中，卷積神經(jīng)網(wǎng)絡(luò)在分類任務(wù)上取得了較大的提升，其準(zhǔn)確率已遠(yuǎn)高于非深度學(xué)習(xí)方法。雖然卷積神經(jīng)網(wǎng)絡(luò)從早期的淺層神經(jīng)網(wǎng)絡(luò)不斷發(fā)展到目前各種復(fù)雜結(jié)構(gòu)，在各大計(jì)算機(jī)視覺任務(wù)中已取得巨大的成功，但龐大的網(wǎng)絡(luò)很難在實(shí)際的算力資源有效地在嵌入式平臺上使用，并且目前的年齡估計(jì)網(wǎng)絡(luò)大多單獨(dú)使用分類或者回歸的方法來做年齡估計(jì)的任務(wù)，在精度上還有很大的提高空間。

因此，如何能夠?qū)?dāng)前優(yōu)異的深度學(xué)習(xí)網(wǎng)絡(luò)模型適配到人臉年齡估計(jì)任務(wù)中，并且部署到實(shí)際應(yīng)用場景中是目前丞待解決的重要問題。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問題是克服現(xiàn)有技術(shù)的缺陷，提供一種基于人臉特征學(xué)習(xí)的輕量級多頭年齡估計(jì)方法。

為達(dá)到上述目的，本發(fā)明提供一種基于人臉特征學(xué)習(xí)的輕量級多頭年齡估計(jì)方法，包括：向構(gòu)建的多頭人臉年齡估計(jì)模型中輸入預(yù)處理后的待測人臉圖片，構(gòu)建的多頭人臉年齡估計(jì)模型預(yù)測輸出人臉年齡。

優(yōu)先地，構(gòu)建多頭人臉年齡估計(jì)模型，包括：

預(yù)處理人臉圖片訓(xùn)練數(shù)據(jù)集，將人臉圖片訓(xùn)練數(shù)據(jù)集按比例分為訓(xùn)練集、驗(yàn)證集和測試集；以經(jīng)過通道壓縮的SSR-NET特征提取網(wǎng)絡(luò)作為雙支路多頭的年齡估計(jì)主干網(wǎng)絡(luò)，在年齡估計(jì)主干網(wǎng)絡(luò)后接上多頭網(wǎng)絡(luò)；

對人臉圖片訓(xùn)練數(shù)據(jù)集利用多頭網(wǎng)絡(luò)進(jìn)行多次二分類任務(wù)和一次回歸任務(wù)的訓(xùn)練；

利用損失函數(shù)引導(dǎo)人臉年齡估計(jì)網(wǎng)絡(luò)學(xué)習(xí)包括二元交叉熵?fù)p失和Smooth-L1損失的最佳參數(shù)，使用預(yù)處理后的訓(xùn)練集訓(xùn)練多頭的年齡估計(jì)主干網(wǎng)絡(luò)，獲得最佳多頭人臉年齡估計(jì)模型；利用測試集測試多頭人臉年齡估計(jì)模型，若多頭人臉年齡估計(jì)模型不滿足設(shè)定的要求，則調(diào)整模型參數(shù)，使用預(yù)處理后的訓(xùn)練集訓(xùn)練多頭的年齡估計(jì)主干網(wǎng)絡(luò)，獲得多頭人臉年齡估計(jì)模型。

優(yōu)先地，人臉圖片訓(xùn)練數(shù)據(jù)集和待測人臉圖片均包括多個(gè)年齡段的訓(xùn)練人臉圖片，訓(xùn)練人臉圖片和待測人臉圖片均為由車載攝像頭采集并經(jīng)過摳取提取人臉得到的人臉圖片，預(yù)處理訓(xùn)練人臉圖片和預(yù)處理待測人臉圖片包括：

對人臉圖片進(jìn)行真實(shí)年齡的標(biāo)注，年齡標(biāo)注數(shù)值有M個(gè)；

從人臉圖片訓(xùn)練數(shù)據(jù)集中隨機(jī)次序批量讀取人臉圖片；

對人臉圖片進(jìn)行數(shù)據(jù)增強(qiáng)；

對人臉圖片進(jìn)行年齡標(biāo)簽處理。

優(yōu)先地，年齡標(biāo)簽處理，包括：