[发明专利]基于数字人脸图像的人类年龄自动估计方法

权利要求书

1.一种基于数字人脸图像的人类年龄自动估计方法，其特征在于，步骤为：

第一步，通过数字图像输入设备获取用户面部的数字灰度图像即待估计人脸 图像；

第二步，待估计图像被分别放在年龄成长模式中所有可能的年龄上，提取待 估计人脸图像的特征向量并生成一组候选年龄成长模式向量，在每个候选年龄成 长模式向量中，仅一个年龄上有图像特征，其余部分全部为缺失值；

在年龄成长模式向量的生成过程中并没有手工参与，训练成长模式子空间的 具体步骤为：

步骤1：获取用于训练的一组具有不同年龄段的人脸图像集为训练集；

步骤2：从步骤1的训练集中生成一组年龄成长模式；

步骤3：抽取年龄成长模式中人脸图像的特征，生成一组年龄成长模式向量， 具体做法为：

首先得到训练集中的所有的年龄成长模式的年龄成长模式向量：将训练集中 的一个年龄成长模式中的图像投影到由主成分分析得到的有n个正交向量基的 子空间中，获得一个n维特征向量，n是预先设定的整数，用同样的方法得到 该年龄成长模式中的其余图像的特征向量，然后将该年龄成长模式中所有图像的 特征向量按照年龄顺序拼接成一个大的向量，就得到该年龄成长模式向量，该向 量中缺失值对应年龄成长模式中缺失的人脸图像，然后以同样的方法得到整个训 练集中的所有年龄成长模式的年龄成长模式向量；

然后，对缺失值进行初始化：每一行上显示了一个人的年龄成长模式，每一 列上为年龄相同的人脸图像，其中每一行和每一列上含有若干个缺失的人脸图 像，以其中一幅缺失图像为中心，沿着该缺失图像同样年龄的方向即同一列，在 其他人的年龄成长模式中找到若干人脸图像，然后将这些找到的同样年龄但不同 人的人脸图像的特征向量取平均，将均值填充到缺失图像的所在位置作为初始 值，对训练集中的每个年龄成长模式向量中的所有缺失图像都进行同样的处理， 完成训练集的初始化；

步骤4：以步骤3得到的年龄成长模式向量为训练集，计算成长模式子空间；

第三步，判断成长模式子空间是否训练好，如果否，则进入训练成长模式子 空间，如果是，则进入下一步；

第四步，根据训练好的成长模式子空间，将待估计人脸图像的所有候选年龄 成长模式向量投影到成长模式子空间中，再从投影向量重构出完整的候选年龄成 长模式向量；

第五步，如果待估计图像被放在了正确的年龄上，则重构出来的年龄成长模 式中对应年龄上的人脸图像与原图像非常相像，否则重构出来的人脸图像将出现 扭曲现象，通过比较重构图像与原图像之间的重构误差，找到重构误差最小的一 个候选年龄成长模式，即对待估计人脸图像来讲的最佳年龄成长模式；

第六步，待估计人脸图像在这个最佳候选年龄成长模式中的位置r即为对其 年龄的估计，并将其作为最终的结果输出。

2.如权利要求1所述的基于数字人脸图像的人类年龄自动估计方法，其特 征在于，步骤4，以步骤3得到的年龄成长模式向量为训练集，计算成长模式子 空间的具体做法为：

步骤I，在初始化后的训练集上应用主成分分析技术，为年龄成长模式向量 生成一个有k个正交基向量的本征空间即成长模式子空间，k是一个子空间维 度，为预先设定的整数；

步骤II，利用向量操作，将训练集中的每个年龄成长模式向量投影到步骤I 得到的成长模式子空间中；

步骤III，利用步骤II得到的成长模式子空间投影重构出训练集中所有的年龄 成长模式向量，即将投影向量乘以步骤II中投影矩阵的转置；

步骤IV，将步骤III重构出来的年龄成长模式向量与原始的年龄成长模式向量 相比较，计算两者对应原数据中已知值的元素之差的平方和，作为已知值的重构 误差，将训练集中所有年龄成长模式向量的已知值重构误差的均值作为当前成长 模式子空间对训练集中已知值的重构误差；

步骤V，判断该重构误差是否小于预先设定的阈值θ，如果否，则用步骤III 中重构出来的向量中对应原数据中缺失值的部分替换原数据中的缺失值，然后再 次回到步骤I，在更新过的训练集上应用主成分分析；

如果是，则将最新的主成分分析计算得到的子空间作为成长模式子空间保存 起来；结束。