[发明专利]一种年龄估计方法

说明书

本发明公开了一种年龄估计方法，包括以下步骤：（1）对数据集中的图片通过人脸检测算法提取脸部特征；（2）将提取的脸部特征分为少年、青年、壮年、盛年、达年、中年和老年，其中少年和老年特征直接通过线性支持向量机进行提取，青年、壮年、盛年、达年和中年五个年龄阶段特征采用加入了时间约束的AGRC编码框架进行解码。采用本发明方法有效提高了年龄估计的准确率。

技术领域

本发明属于图像信息处理技术领域，涉及一种年龄估计方法。

背景技术

人脸识别和检索在计算机视觉和多媒体领域一直是一个热门的话题。有四种主要影响人脸识别的主要因素：姿势、光照、表情、年龄。最近，随着人脸关键点定位的准确度以及计算机运算能力的提高，很多研究者在无约束环境下(例如LFW人脸数据库)的人脸识别取得了接近人类识别的效果。但是LFW人脸数据库仅仅在姿态、光照、表情上有变化，在人脸的年龄上变化很小。

人脸随着年龄的增大变化非常显著，所以在年龄变化下人脸的识别和匹配是相当有难度的。尽管年龄估计和仿真方面有研究很多，但是在全年龄内的人脸识别和检索仍然很少。

发明内容

本发明的目的是为了解决现有技术中存在的缺陷，提供一种在年龄变化下进行人脸识别和匹配的技术。

为了达到上述目的，本发明提供了一种年龄估计方法，包括以下步骤：

(1)对数据集中的图片通过人脸检测算法提取脸部特征；

(2)将提取的脸部特征分为少年、青年、壮年、盛年、达年、中年和老年，其中少年和老年特征直接通过线性支持向量机进行提取，青年、壮年、盛年、达年和中年五个年龄阶段特征采用AGRC编码框架进行解码；

所述AGRC编码框架解码的步骤如下：

(a)计算出青年、壮年、盛年、达年和中年五个阶段分别对应的参考编码矩阵；

(b)利用拉布拉斯时间矩阵，在拉布拉斯矩阵基础上增加时间约束，使得青年、壮年、盛年、达年和中年五个阶段内部的年龄变化降低到最低；

(c)利用最大池得到最终的特征。

其中，步骤(1)中人脸检测算法采用JDA算法(联合级联人脸检测与配准算法，Joint Cascade Face Detection and Alignment)。

具体的，步骤(1)中人脸特征通过以下步骤进行提取：采用JDA算法提取出脸部5个特征点：眼角、鼻尖和嘴尖；并对于每张脸的五个特征点，采用STCSR算法(时空级联形状回归的人脸形状跟踪算法，Spatio-Temporal Cascade Shape Regression)，结合脸部姿态将其扩展为16个特征点；然后对每个特征点提取局部特征：对每个特征点用5个不同尺度的方块去覆盖，每个方块被分成4*4的方格，从每个方格中提取出59维的uniform LBP特征，从同一个特征点提取出来的特征被串联起来作为对每个特征点的描述，每个特征点的特征维度为4720维，然后采用主成分分析法将所得的4720维降低到500维。

本发明相比现有技术具有以下优点：

本发明通过将人的年龄进行阶段划分，其中由于少年和老年特征比较明显，无需经过复杂的特征提取，直接通过线性支持向量机(Linear Support Vector Machine，LinSVM)即可取得较好的结果，对于其它青年、壮年、盛年、达年和中年五个年龄阶段通过本文提出的AGRC编码框架(年龄段参考编码框架算法，Age Groups Reference Coding)，使得每个阶段提取的16个脸部特征在相同年龄阶段(比如青年阶段)尽可能的接近，在不同年龄阶段(比如青年阶段和中年阶段)，尽可能地不接近，从而提高了年龄估计的准确率，相比于不使用AGRC框架，年龄估计的准确率直接得到了显著提高。

附图说明