[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

说明书

一种人脸年龄段识别方法，包括：(a)获取训练样本集中各个人脸图像的人脸特征；(b)对多层栈式自编码模型进行预训练；(c)对各个人脸图像的人脸特征进行编码，获得各个人脸图像的年龄段特征；(d)对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，调整多层栈式自编码模型的网络参数以优化所述归属度；(f)重复(c)‑(e)，直至满足预设条件；(g)对待处理人脸图像进行编码，得到待处理人脸图像的年龄段特征；(h)对待处理人脸图像进行年龄段识别，得到待处理人脸图像的年龄段类型。本发明还提供一种人脸年龄段识别装置、计算机装置及可读存储介质。本发明可以实现快速高效的人脸年龄段识别。

技术领域

本发明涉及计算机视觉技术领域，具体涉及一种人脸年龄段识别方法及装置、计算机装置和计算机可读存储介质。

背景技术

年龄段识别是生物特征识别领域中新的研究方向，实现年龄段的精确识别有着巨大的应用前景，例如应用于安全控制、视频监控、电子客户关系管理等。

人脸中包含大量的和年龄相关的信息，根据人脸图像可以进行年龄段识别(即人脸年龄段识别)。现有的人脸年龄段识别技术包括卷积神经网络、年龄成长模式子空间等。然而，卷积神经网络需要不断地对图像进行卷积计算，提取年龄段特征的时间比较长，时间效率低下。年龄成长模式子空间需要将所有年龄段的特征拼接成一个大的向量，容易导致维数灾难。

发明内容

鉴于以上内容，有必要提出一种人脸年龄段识别方法及装置、计算机装置和计算机可读存储介质，其可以实现快速高效的人脸年龄段识别。

本申请的第一方面提供一种人脸年龄段识别方法，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；

(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；

(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人脸特征进行编码，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。

另一种可能的实现方式中，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。

另一种可能的实现方式中，所述多层栈式自编码模型包括三个隐藏层，所述三个隐藏层的神经元个数分别为500、500、1000。

另一种可能的实现方式中，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。

另一种可能的实现方式中，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，