[发明专利]基于人脸图像的年龄估计模型构建方法及估计方法

说明书

本发明公开了一种基于人脸图像的年龄估计模型构建方法及估计方法，本发明采用了基于肤色分类和深度标签分布学习的方法，对MORPH数据库人脸图像进行年龄估计，将个体肤色差异的影响考虑到年龄估计方法之内，与已有的方法相比较能够有效的减少肤色差异带来的影响，将Inception‑V3深度卷积神经网络最后的全局平均池化层改为全局最大池化层，能够减小卷积层参数误差造成估计值均值偏移的问题，更多的保留了纹理信息，并采用深度标签分布学习算法和Inception‑V3深度卷积神经网络，使用迁移学习对数据进行网络微调，通过理论分析和实验验证了该方法的可行性和有效性。

技术领域

本发明涉及人脸图像识别领域，具体涉及一种基于人脸图像的年龄估计模型构建方法及估计方法。

背景技术

年龄信息作为人类的一种重要生物特征，在人机交互领域中有着众多应用需求，并且对人脸识别系统的性能有着重要影响。人脸图像的年龄估计是指应用计算机技术对人脸图像随年龄变化的规律进行建模，从而使机器能够根据面部图像推测出人的大概年龄或所属的年龄范围。

现有技术在对基于人脸图像的年龄估计时，有使用Gabor特征和LBP特征，利用SVM对年龄分类；还有KPLS(Kernel Partial Least Squares)回归和BIF(BiologicallyInspired Features)方法进行人脸年龄估计。

现有技术中在对人脸图像进行年龄估计时，没有考虑到肤色差异以及衰老过程对年龄估计准确率的影响，使得年龄估计的准确率不高。

发明内容

本发明的目的在于提供基于人脸图像的年龄估计模型构建方法及估计方法，用以解决现有技术中的方法在对人脸图像进行年龄估计时，由于没有考虑肤色影响导致年龄估计准确率不高等问题。

为了实现上述任务，本发明采用以下技术方案：

一种基于人脸图像的年龄估计模型构建方法，方法包括：

步骤1、对多幅具有人脸的图像进行人脸检测，截取仅有人脸部分的图像作为人脸图像，将多幅人脸图像保存为原始人脸图像集；

步骤2、将所述原始人脸图像集中所有人脸图像分为两组，其中所有黑色皮肤的人脸图像组成第一图像集，所有非黑色皮肤的人脸图像组成第二图像集；

为所述第一图像集中的每幅人脸图像分别对应各自的年龄标签，获得第一年龄标签集，为所述第二图像集中的每幅人脸图像分别对应各自的年龄标签，获得第二年龄标签集，其中所述的年龄标签为人脸图像中人脸的真实年龄值；

步骤3、对所述的第一图像集中的每幅人脸图像提取LBP特征，获得每幅人脸图像的第一LBP特征；对所述的第一图像集中的每幅人脸图像采用深度卷积神经网络提取DCNN特征，获得每幅人脸图像的第一DCNN特征；将每幅人脸图像的第一LBP特征与第一DCNN特征进行融合，获得每幅人脸图像的第一图像特征，收集第一图像集中所有人脸图像的第一图像特征，获得第一图像特征集；

对所述的第二图像集中的每幅人脸图像提取LBP特征，获得每幅人脸图像的第二LBP特征；对所述的第二图像集中的每幅人脸图像采用深度卷积神经网络提取DCNN特征，获得每幅人脸图像的第二DCNN特征；将每幅人脸图像的第二LBP特征与第二DCNN特征进行融合，获得每幅人脸图像的第二图像特征，收集第二图像集中所有人脸图像的第二图像特征，获得第二图像特征集；

步骤4、将第一图像特征集作为输入，第一年龄标签集作为输出，训练XGBoost回归模型，获得第一年龄估计模型；

将第二图像特征集作为输入，第二年龄标签集作为输出，训练XGBoost回归模型，获得第二年龄估计模型。

进一步地，将所述原始人脸图像集中所有人脸图像分为两组，具体包括：