[发明专利]基于自适应标记分布的人类年龄估计方法

摘要

本发明公开了一种基于自适应标记分布的人类年龄自动估计方法，方法为通过自适应训练方法结合应用年龄标记分布模型算法，将得到的人脸图像特征向量和初始年龄标记分布作为输入，应用年龄标记分布模型算法最小化输入初始年龄标记分布与模型预测标记分布之间的KL散度，得到预测年龄标记分布，然后相同年龄的预测年龄标记分布用于学习其对应年龄的年龄标记分布，循环直至训练收敛或者达到设定最大次数，得出最终预测模型；待估计人脸图像特征输入到得出的最终预测模型中，输出预测年龄。该系统的年龄估计精度可以达到与人类类似的水平。

主权项

基于自适应标记分布的人类年龄自动估计的方法，其特征在于：包括训练步骤和预测步骤，具体步骤如下：训练步骤：(1)获取现有数据库人脸图像，通过BIF特征抽取算法对人脸图像进行特征抽取得到高维度特征，将得到的高维度特征使用数据降维方法MFA进行降维，得出人脸图像特征向量；(2)对现有数据库中的每幅人脸图像，以其真实年龄为均值，以初始设定的方差为方差生成高斯分布，作为其对应的初始年龄标记分布；(3)将得到的人脸图像特征向量和初始年龄标记分布作为输入，应用年龄标记分布模型算法BFGS‑LLD最小化输入初始年龄标记分布与模型预测标记分布之间的KL散度，得到预测年龄标记分布；所述BFGS‑LLD最小化的目标函数为：L(θ)=ΣilogΣyexp(Σkθy,kgk(xi))-ΣiΣyPi(y)Σkθy,kgk(xi);]]>其中θ为模型参数，i为人脸图像数索引，y为年龄标记，k为特征维度，xi为第i个人脸图像实例；Pi(y)为关于xi的年龄标记分布，g(xi)为表示xi的特征向量，gk(xi)为该特征向量的第k个元素；步骤(3)中所述年龄标记分布模型算法BFGS‑LLD为先从标记分布学习方法LLD中抽象出优化目标函数，再利用优化算法BFGS进行求解；(4)对步骤(3)生成的预测年龄标记分布按年龄分组，相同年龄的预测年龄标记分布用于学习该年龄的真实年龄标记分布，即以最小化二者之间KL散度为目标，学习每个年龄对应的真实年龄标记分布的方差，根据该方差为每幅图像生成其真实年龄对应的年龄标记分布，并将其作为下一次模型训练的初始年龄标记分布；(5)重复步骤(3)和步骤(4)，直至收敛或者达到设定最大训练次数，得出最终年龄预测模型；预测步骤：(6)获取待估计的人脸图像，通过BIF特征抽取算法对人脸图像进行特征抽取，并将抽取的高维度特征使用数据降维方法进行降维，得出待估计人脸图像特征向量；(7)将获取到的待估计人脸图像特征向量输入到最终年龄预测模型中，得到一个与待估计图像对应的年龄标记分布的输出，把这个分布中取得最大描述度时对应的年龄作为本方法得到的估计年龄。