[发明专利]基于稀疏无向概率图模型的人脸年龄估计方法、系统

权利要求书

1.一种基于稀疏无向概率图模型的人脸年龄估计方法，包括训练阶段和估计阶段，其特征在于，

所述训练阶段包括以下步骤：

步骤1、获取一组带有真实年龄标记的人脸图像；对每一幅人脸图像，提取其人脸图像特征，并根据真实年龄为其赋予一个符合高斯分布的初始年龄分布，这些带有初始年龄分布的人脸图像构成训练集；所述初始年龄分布的均值为其真实年龄，方差为预设的初始方差；

步骤2、利用所述训练集中人脸图像的人脸图像特征、年龄分布分别作为无向概率图模型的输入以及相应的输出，以目标函数最小为目标，对所述无向概率图模型进行训练，得到年龄分布预测模型；所述目标函数为初始年龄分布与模型预测年龄分布之间的相似度与稀疏正则项的加权和，所述稀疏正则项可使得年龄分布预测模型中隐藏层的单元尽可能稀疏；

所述估计阶段包括以下步骤：

步骤3、提取待估计人脸图像的人脸图像特征，将其输入所述年龄分布预测模型，得到一个与待估计人脸图像对应的年龄分布输出，把这个年龄分布中取得最大描述度时对应的年龄作为最终估计年龄。

2.如权利要求1所述人脸年龄估计方法，其特征在于，所述无向概率图模型为包括输入层，隐藏层以及分布层的三层结构，其数学表达具体如下：

其中，θ为模型参数集合，其包括b_k，u_kr；i为人脸图像数索引；j为年龄；r为隐藏层的隐藏单元索引；R为隐藏单元个数；x为输入的人脸图像特征；p(y_j＝1|x；θ)表示模型输出的人脸图像的年龄j的置信度；l为最大的年龄。

3.如权利要求2所述人脸年龄估计方法，其特征在于，所述初始年龄分布与模型预测年龄分布之间的相似度为初始年龄分布与模型预测年龄分布之间的KL散度。

4.如权利要求3所述人脸年龄估计方法，其特征在于，所述目标函数具体如下：

其中，θ为模型参数集合，i为人脸图像数索引，n为人脸图像总数，j为年龄，l为最大的年龄，r为隐藏层的隐藏单元索引，R为隐藏单元个数，代表第i幅人脸图像的年龄j的置信度，x⁽ⁱ⁾为第i幅人脸图像的特征，h_r为隐藏单元，λ为加权系数，为预测模型计算的第i幅人脸图像的年龄j的置信度；隐藏单元的后验概率p(h_r＝1|x,y_j＝1)的和为稀疏正则项，其中隐藏单元的后验概率公式为：

5.一种基于稀疏无向概率图模型的人脸年龄估计系统，包括人脸图像特征提取模块和年龄分布预测模型，所述人脸图像特征提取模块用于提取人脸图像的人脸图像特征，并将所提取的人脸图像特征输入所述年龄分布预测模型；其特征在于，所述年龄分布预测模型通过以下方法预先训练得到：

步骤1、获取一组带有真实年龄标记的人脸图像；对每一幅人脸图像，提取其人脸图像特征，并根据真实年龄为其赋予一个符合高斯分布的初始年龄分布，这些带有初始年龄分布的人脸图像构成训练集；所述初始年龄分布的均值为其真实年龄，方差为预设的初始方差；

步骤2、利用所述训练集中人脸图像的人脸图像特征、年龄分布分别作为无向概率图模型的输入以及相应的输出，以目标函数最小为目标，对所述无向概率图模型进行训练，得到年龄分布预测模型；所述目标函数为初始年龄分布与模型预测年龄分布之间的相似度与稀疏正则项的加权和，所述稀疏正则项可使得年龄分布预测模型中隐藏层的单元尽可能稀疏。

6.如权利要求5所述人脸年龄估计系统，其特征在于，所述无向概率图模型为包括输入层，隐藏层以及分布层的三层结构，其数学表达具体如下：

其中，θ为模型参数集合，其包括b_k，u_kr；i为人脸图像数索引；j为年龄；r为隐藏层的隐藏单元索引；R为隐藏单元个数；x为输入的人脸图像特征；p(y_j＝1|x；θ)表示模型输出的人脸图像的年龄j的置信度；l为最大的年龄。