[发明专利]模型的训练方法、跨年龄人脸识别方法和对应的装置

说明书

本发明提供一种模型的训练方法、跨年龄人脸识别方法和对应的装置，提高针对跨年龄的人脸识别的准确率，降低针对跨年龄的人脸识别的复杂度。其中，在模型的训练方法中包括：分别获取通用人脸数据库和跨年龄人脸数据库，所述跨年龄人脸数据库中包括按照人脸的身份特征和年龄特征分类的多个人脸图像组；使用所述通用人脸数据库和所述跨年龄人脸数据库对由隐因子分析模型引导的深度卷积神经网络模型进行训练，输出训练完成后的所述深度卷积神经网络模型。

技术领域

本发明涉及计算机技术领域，具体涉及一种模型的训练方法、跨年龄人脸识别方法和对应的装置。

背景技术

在许多应用场合中，由于安防、人机交互、人群分析等要求，需要及时可靠的身份信息验证与识别。通过人脸图像获取身份认证，对用户来说具有非接触、无侵犯、方便快捷等特点。因此人脸识别技术作为一种非常有前景的身份识别技术，值得进行深度研究与大力推广。人脸识别技术有多种重要应用，如机器人智能、智能化视频监控、家居安防验证、刑事监控分析、网络视频社交等。在人脸识别的实际应用场景中，待识别的人脸图像有着各种的变化，如光照、遮挡、姿态、表情、年龄等。其中，年龄的变化会使得人脸产生巨大的变化，容易导致人脸识别的失败。另外年龄的变化非常复杂，难以建立精准的模型对其进行分析。

发明内容

本发明提供一种模型的训练方法、跨年龄人脸识别方法和对应的装置，用于提高针对跨年龄的人脸识别的准确率，降低针对跨年龄的人脸识别的复杂度。

本发明第一方面提供一种模型的训练方法，包括：

分别获取通用人脸数据库和跨年龄人脸数据库，所述跨年龄人脸数据库中包括按照人脸的身份特征和年龄特征分类的多个人脸图像组；

使用所述通用人脸数据库和所述跨年龄人脸数据库对由隐因子分析模型引导的深度卷积神经网络模型进行训练，输出训练完成后的所述深度卷积神经网络模型。

本发明第二方面提供一种跨年龄人脸识别方法，包括：

使用深度卷积神经网络模型从至少两幅人脸图像中分别提取出对应的身份特征，所述深度卷积神经网络模型由隐因子分析模型引导，且通过通用人脸数据库和跨年龄人脸数据库进行训练后输出；

根据所述至少两幅人脸图像分别提取到的身份特征之间的相似程度确定所述至少两幅人脸图像是否属于跨年龄的同一个人脸。

本发明第三方面提供一种模型的训练装置，包括：

获取模块，用于分别获取通用人脸数据库和跨年龄人脸数据库，所述跨年龄人脸数据库中包括按照人脸的身份特征和年龄特征分类的多个人脸图像组；

模型训练模块，用于使用所述通用人脸数据库和所述跨年龄人脸数据库对由隐因子分析模型引导的深度卷积神经网络模型进行训练，输出训练完成后的所述深度卷积神经网络模型。

本发明第四方面提供一种跨年龄人脸识别装置，包括：

身份特征识别模块，用于使用深度卷积神经网络模型从至少两幅人脸图像中分别提取出对应的身份特征，所述深度卷积神经网络模型由隐因子分析模型引导，且通过通用人脸数据库和跨年龄人脸数据库进行训练后输出；

跨年龄人脸判断模块，用于根据所述至少两幅人脸图像分别提取到的身份特征之间的相似程度确定所述至少两幅人脸图像是否属于跨年龄的同一个人脸。

本发明第五方面提供一种模型的训练装置，包括：处理器、存储器、发送器和接收器，其中，所述处理器，用于执行如下步骤：

分别获取通用人脸数据库和跨年龄人脸数据库，所述跨年龄人脸数据库中包括按照人脸的身份特征和年龄特征分类的多个人脸图像组；