[发明专利]一种年龄估计方法及设备

权利要求书

1.一种年龄估计方法，包括：

S1：获得年龄均衡分布的人脸年龄数据库，包括人脸图像及其对应的年龄；

S2：构建用于年龄估计的具有残差结构的深度卷积神经网络；

S3：利用所述年龄均衡分布的人脸年龄数据库和迁移学习方法对所述具有残差结构的深度卷积神经网络进行训练，获得训练完成的深度卷积神经网络；

S4：将待测试人脸图像输入所述训练完成的深度卷积神经网络，获得所述待测试人脸图像的年龄估计结果。

2.根据权利要求1所述的年龄估计方法，其中，步骤S1包括：

S11：将多个现有人脸年龄数据库中的人脸图像进行合并，得到大规模数据集，对所述大规模数据集中的所有人脸图像进行预处理；

S12：对经过预处理的所述数据集中的人脸图像按照不同年龄段进行分类统计，确定样本量失衡的年龄段；

S13：利用生成对抗网络学习所述样本量失衡的年龄段的人脸图像特征，并生成预设数量的具有相似特征的人脸图像；

S14：将所生成的人脸图像并入经过预处理的所述数据集，获得年龄均衡分布的人脸年龄数据库。

3.根据权利要求1所述的年龄估计方法，其中，

所述具有残差结构的深度卷积神经网络包括顺序连接的：第一卷积层、第一池化层、十六个残差块、第二池化层、全连接层和Softmax分类层；

所述第一卷积层为第一层，第一卷积层的输入为人脸图像；

所述十六个残差块顺序连接，每个残差块均包含四个卷积层；

所述深度卷积神经网络中每个卷积层后都连接有批量归一化层和ReLU非线性激活函数层。

4.根据权利要求3所述的年龄估计方法，其中，所述十六个残差块分为四组，第一组残差块包括3个具有相同结构的残差块，第二组残差块包括4个具有相同结构的残差块，第三组残差块包括6个具有相同结构的残差块，第四组残差块包括3个具有相同结构的残差块。

5.根据权利要求1至4中任一项所述的年龄估计方法，其中，步骤S3包括：

S31：将所述年龄均衡分布的人脸年龄数据库分为训练集和验证集；

S32：基于所述训练集和迁移学习方法对所述具有残差结构的深度卷积神经网络进行训练；

S33：每训练迭代预设次数后在所述验证集上进行一次测试，获得训练完成的深度卷积神经网络。

6.根据权利要求5所述的年龄估计方法，其中，步骤S32包括：

S321：在Imagenet数据集上对所述具有残差结构的深度卷积神经网络进行预训练，使所述深度卷积神经网络具备对图像特征提取的能力，获得初始权重参数；

S322：基于所述初始权重参数，对所述具有残差结构的深度卷积神经网络在所述人脸年龄数据库上进行微调。

7.根据权利要求6所述的年龄估计方法，其中，所述基于所述初始权重参数对所述具有残差结构的深度卷积神经网络在所述人脸年龄数据库上进行微调包括：所述深度神经网络的全连接层在所述初始权重参数的基础上采用较预设阈值大的学习率进行训练，除所述全连接层外，所述深度神经网络的其他各层在所述初始权重参数的基础上采用较预设阈值小的学习率进行训练。

8.根据权利要求1所述的年龄估计方法，其中，步骤S4包括：S41：对待测试人脸图像进行预处理，并将预处理后的图像输入所述训练完成的深度卷积神经网络；

S42：通过前向传播得到所述训练完成的深度卷积神经网络最后一层的分类结果，获取分类结果中概率最大的类别所对应的年龄段。

9.一种年龄估计设备，包括：存储器、处理器以及总线；

所述处理器和存储器通过所述总线完成相互间的通信；

所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述存储器中的程序指令，以执行如权利要求1至8中任一项所述的年龄估计方法。

10.一种非暂态计算机可读存储介质，存储有计算机指令，所述计算机指令使所述计算机执行如权利要求1至8中任一项所述的年龄估计方法。