[发明专利]一种基于TFIDF的人脸图像年龄的估计方法

权利要求书

1.一种基于TFIDF的人脸图像的年龄估计方法，其特征在于包括以下几个步骤：

步骤1、将一张人脸图像img通过ASM算法提取68个关键特征点，生成形状向量AAM_img，记为AAM_img＝(x₁，x₂，…，x₁₃₆)，其中(x₁,x₂)作为形状向量AAM_img的第一个特征点，(x₃,x₄)作为形状向量AAM_img的第二个特征点，依次类推；

步骤2、将所述形状向量AAM_img的每个分量转换成Landmark-Term值，具体为:

将形状向量AAM_img＝(x₁，x₂，...，x₁₃₆)的第i个分量x_i转换成形式为“F-i-LOC”的字符串，其中i表示第i个分量，其中,为取整操作，width为预置的固定值，称“F-i-LOC”为形状向量AAM_img第i个Landmark-Term值,其中i的取值范围在[1,136]；

步骤3、根据给定的人脸图像库，抽取出所有人脸图像的形状向量AAM_img，组成形状向量AAM_img样本空间(AAM_img1，AAM_img2，...，AAM_imgN)，假设整个AAM_img样本空间里有m个不同的Landmark-Term值，则所有的Landmark-Term值构成一个Landmark-Term字典DIC,DIC＝(term₁,term₂,...,term_m),其中term_i表示Landmark-Term字典DIC中的第i个Landmark-Term值；

步骤4、对于任意一个人脸图像的形状向量AAM_img，将其转换成一个Landmark-Term向量TermVec(img)，具体如下：

给定一个形状向量AAM_img，对应的Landmark-Term向量为TermVec(img)＝(v₁,v₂,...v_m)，其中，m为Landmark-Term字典中的Landmark-Term值总数，若形状向量AAM_img中存在一个分量转化成Landmark-Term值后与Landmark-Term字典DIC中的term_i相同，则v_i＝1，否则v_i＝0；

步骤5、给每个年龄组里所有Landmark-Term向量求和，则对所有的年龄组别，可得到Landmark-Term值的权重矩阵W，具体为：

将给定的人脸图像库中训练数据的所有人脸图像按年龄分组，对于每一个年龄组，将该年龄组内所有的Landmark-Term向量进行求和计算：其中,c_j表示第j个年龄组别，img∈c_j表示人脸图像img属于c_j年龄组，SumVec_j表示c_j年龄组的统计向量，其中第i个分量的值代表的是Landmark-Term字典DIC中的term_i在c_j年龄组中出现的总次数，用tf(term_i,j)表示，即SumVecj=tf(term1,j)tf(term2,j)...tf(termm,j),]]>则对所有的年龄组别，采用TFIDF来权衡每个年龄组中每个Landmark-Term值的权重，按如下公式计算：

wi,j=tf(termi,j)*log(|C|Σkχ(SumVeck[i]))]]>

其中tf(term_i,j)＝SumVec_j[i]是term_i在C_j年龄组中出现的总次数，|C|是年龄组别的总数,SumVec_k[i]表示在C_k年龄组的统计向量的第i个分量值，χ是判断函数,χ(x)={1,if x>00,else,]]>其中k＝1,2，...,m；w_i,j表明term_i在C_j年龄组中重要的权重，权重越大，term_i在C_j年龄组中越重要，记W＝(w_i,j)_m×|C|为权重矩阵，其中m为Landmark-Term字典中的Landmark-Term值总数,|C|是年龄组别的总数；

步骤6、根据步骤5所得到的权重矩阵W得到投影向量proj(img)，具体为：

对于一个未知年龄分组的人脸图像img，按权重矩阵W将该待测年龄的人脸图像img的Landmark-Term向量投影到年龄组空间：

proj(img)＝W×TermVec(img)'

其中，TermVec(img)'是TermVec(img)的转置向量,proj(img)中第i个分量的值是该未知年龄分组的人脸图像img属于年龄组C_i的相似度，即意味着值越大，人脸图像img的年龄等于i的可能性越大；

步骤7、根据步骤6所得到的投影向量proj(img)，估计待测年龄的人脸图像img的最大若干可能年龄，按以下步骤计算:

(1)首先对proj(img)中的各分量按大小值进行降序排序；

(2)取降序排序后的前n个分量，n为用户自定义的一个数值；

(3)取该n个分量在原有投影向量proj(img)中的位置生成一个新向量posages(img)＝[topAge₁,topAge₂,...,topAge_n],其中,topAge₁表示proj(img)向量分量值最大的分量所在位置，即表示的是该待测年龄的人脸图像img最大可能年龄；topAge_i表示的是该待测年龄的人脸图像img中第i大可能的年龄，依此类推。