[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

摘要

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。

主权项

1.一种基于人脸图像的年龄估计模型构建方法，其特征在于，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；将所述第一图像集中的每幅人脸图像的真实年龄值作为各自的年龄标签，获得第一年龄标签集，将所述第二图像集中的每幅人脸图像的真实年龄值作为各自的年龄标签，获得第二年龄标签集；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。