[发明专利]一种年龄估计方法及设备

说明书

技术领域

本发明涉及计算机视觉领域，更具体地，涉及一种年龄估计方法及设备。

背景技术

人脸是人类最重要的生物特征之一，在辨别身份和传递感情等方面起着主要的作用。近年来，基于人脸图像的研究，包括人脸检测、身份认证、人脸属性(性别、年龄、表情、种族)等识别问题成为计算机视觉、人机交互等领域的研究热点。其中，年龄估计技术在人机交互领域中有着众多的应用需求，利用计算机实现自动人脸年龄估计有着重要意义。例如，在安全监控方面，通过年龄识别系统自动识别人的年龄，实现网络安全或对自动售卖进行安全控制。在互联网访问过程中，通过年龄识别，控制未成年人无法浏览成人信息或含有不健康内容的网页。在烟酒自动售卖机上安装摄像头，通过识别年龄，拒绝向未成年人出售烟酒等。

基于人脸图像的年龄估计是一种典型的机器学习系统，其结构主要包括人脸检测与对齐、年龄特征提取、模型训练、年龄估计等部分。目前，用于人脸检测与对齐的方法已经逐渐成熟，而对于年龄特征的提取是实现年龄估计过程中的重要环节。传统的年龄估计方法采用手工设计人脸特征的方法，将提取到的特征输入到分类器/回归器中训练模型，从而实现年龄估计。Pitanguy等人在文章“Defining and measuring aging parameters”中，基于人体测量学理论，通过测量人脸器官与骨骼的大小，选取能表征人脸随年龄变化的参数，量化年龄变化对人脸的影响。Cootes等人在文章“Active Appearance Models”中提出一种人脸统计模型，首先提取人脸的面部特征点作为人脸的全局形状模型，然后对每个面部特征点添加局部纹理信息，建立局部纹理模型。

以上传统的年龄估计方法均采用人工设计方式提取人脸特征，进而采用相应的分类器进行年龄分类达到年龄估计的目的。由于年龄估计是一个复杂的问题，人脸的面部特征会受到生活习惯、工作环境、性格特征等的影响，人工提取到的特征无法全面地表征这些复杂的变化机制，进一步影响了分类器的分类性能和年龄预测的准确度。

发明内容

(一)要解决的技术问题

为了解决现有技术基于人工提取特征无法实现准确的年龄估计的问题，本发明提供一种年龄估计方法及设备。

(二)技术方案

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。

在本发明一些示例性实施例中，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。

在本发明一些示例性实施例中，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。

在本发明一些示例性实施例中，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。

在本发明一些示例性实施例中，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。