[发明专利]人脸年龄段识别方法及装置、计算机装置及可读存储介质

权利要求书

1.一种人脸年龄段识别方法，其特征在于，所述方法包括：

(a)获取训练样本集中各个人脸图像的人脸特征，所述人脸特征包括梯度方向直方图特征和/或局部二值模式特征；

(b)利用所述训练样本集对多层栈式自编码模型进行预训练，得到所述多层栈式自编码模型的网络参数的初始值，所述多层栈式自编码模型包括一个输入层和三个隐藏层，所述一个输入层和三个隐藏层构成堆叠的三个自编码器；

(c)利用所述多层栈式自编码模型对所述训练样本集中各个人脸图像的梯度方向直方图特征和/或局部二值模式特征进行编码，获得所述训练样本集中各个人脸图像的年龄段特征；

(d)对所述训练样本集中各个人脸图像的年龄段特征进行聚类，得到预设数量的聚类中心；

(e)计算所述训练样本集中各个人脸图像的年龄段特征对各个聚类中心的归属度，调整所述多层栈式自编码模型的网络参数以优化所述归属度；

(f)判断是否满足预设训练结束条件，若满足预设训练结束条件，则得到训练好的多层栈式自编码模型，否则，若不满足预设训练结束条件，则返回步骤(c)；

(g)利用所述训练好的多层栈式自编码模型对待处理人脸图像进行编码，得到所述待处理人脸图像的年龄段特征；

(h)根据所述待处理人脸图像的年龄段特征对所述待处理人脸图像进行年龄段识别，得到所述待处理人脸图像的年龄段类型。

2.如权利要求1所述的方法，其特征在于，所述判断是否满足预设训练结束条件包括：

判断训练样本集中各个人脸图像的年龄段类型的识别准确率是否大于或等于预设阈值；或者

判断调整的轮数是否达到预设轮数。

3.如权利要求1所述的方法，其特征在于，所述三个隐藏层的神经元个数分别为500、500、1000。

4.如权利要求1所述的方法，其特征在于，所述对所述多层栈式自编码模型进行预训练包括：

用受限玻尔兹曼机对所述多层栈式自编码模型进行逐层贪婪预训练。

5.如权利要求1-4中任一项所述的方法，其特征在于，所述优化所述归属度包括：通过优化目标函数L来优化所述归属度，所述目标函数L采用KL散度来衡量，计算公式为：

其中，Q是由q_ij组成的特征空间，P是由p_ij组成的特征空间，

其中，q_ij为所述训练样本集中的人脸图像x_i对聚类中心μ_j的归属度，z_i为人脸图像x_i的年龄段特征，α为t-分布的自由度，j＝1,...,n，j′＝1,...,n，n为聚类中心的个数。

6.一种人脸年龄段识别装置，其特征在于，所述装置包括：

获取单元，用于获取训练样本集中各个人脸图像的人脸特征，所述人脸特征包括梯度方向直方图特征和/或局部二值模式特征；

预训练单元，用于利用所述训练样本集对多层栈式自编码模型进行预训练，得到所述多层栈式自编码模型的网络参数的初始值，所述多层栈式自编码模型包括一个输入层和三个隐藏层，所述一个输入层和三个隐藏层构成堆叠的三个自编码器；

调整单元，用于利用所述多层栈式自编码模型对所述训练样本集中各个人脸图像的梯度方向直方图特征和/或局部二值模式特征进行编码，获得所述训练样本集中各个人脸图像的年龄段特征；对所述训练样本集中各个人脸图像的年龄段特征进行聚类，得到预设数量的聚类中心；计算所述训练样本集中各个人脸图像的年龄段特征对各个聚类中心的归属度，调整所述多层栈式自编码模型的网络参数以优化所述归属度；

判断单元，用于判断是否满足预设训练结束条件，若满足预设训练结束条件，则得到训练好的多层栈式自编码模型；

编码单元，用于利用所述训练好的多层栈式自编码模型对待处理人脸图像进行编码，得到所述待处理人脸图像的年龄段特征；

识别单元，用于根据所述待处理人脸图像的年龄段特征对所述待处理人脸图像进行年龄段识别，得到所述待处理人脸图像的年龄段类型。