[发明专利]一种基于人脸识别分析个人兴趣爱好的方法

权利要求书

1.一种基于人脸识别分析个人兴趣爱好的方法，其特征在于，主要包括以下步骤：

步骤E1：收集包含年龄、性别、兴趣爱好的人脸图像作为训练数据；

步骤E2：使用AlexNet网络作为基础网络结构，用步骤E1中的数据训练得到AgeNet训练模型和GenderNet训练模型；利用年龄、性别对应的DeepID网络获取面部的特征数据，并将面部特征向量化；所述AgeNet训练模型用于生成面部数据与年龄的映射关系，能够获得未知年龄的面部数据的年龄信息；所述GenderNet训练模型用于生成面部数据与性别的映射关系，能够获得未知性别的面部数据的性别信息；

步骤E3：在步骤E2之后调用聚类模型，根据聚类结果得到兴趣爱好的分布，从而输出推荐的兴趣爱好；

步骤E4：在步骤E1-E3训练得到的模型中输入用户的脸部照片，采用步骤E2中的AgeNet网络得到用户的年龄信息，采用步骤E2中的GenderNet网络得到用户的性别信息，最后调用步骤E3中的聚类模型输出兴趣爱好的信息。

2.根据权利要求1所述的一种基于人脸识别分析个人兴趣爱好的方法，其特征在于，所述步骤E2中根据步骤E1中的数据，使用AlexNet网络作为基础网络结构，每5岁为一个年龄区间，对训练数据中的年龄信息进行one-hot编码，且编码结果为14维向量；将AlexNet网络结构中fc8层的num-output参数修改为12，同时将fc8的名称修改为age-layer，并将修改后的网络命名为AgeNet；在Caffe环境中使用标记的样本训练得到AgeNet训练模型，用于生成面部数据与年龄的映射关系，能够获得未知年龄的面部数据的年龄信息。

3.根据权利要求2所述的一种基于人脸识别分析个人兴趣爱好的方法，其特征在于，所述步骤E2中使用AlexNet网络作为基础网络结构，训练步骤E1中的性别数据，将训练数据中的性别信息进行one-hot编码，且编码结果为2维向量；将AlexNet网络结构中fc8层的num-output参数修改为2，同时将fc8的名称修改为gender-layer，并将修改后的网络命名为GenderNet；在Caffe环境中使用标记的样本训练得到GenderNet训练模型，用于生成面部数据与性别的映射关系，能够获得未知性别的面部数据的性别信息。

4.根据权利要求3所述的一种基于人脸识别分析个人兴趣爱好的方法，其特征在于，所述步骤E2中筛选训练数据中具有相同性别和相同年龄段的样本为一组数据，使用名为DeepID的人脸识别网络对人脸数据进行识别，提取DeepID网络中的高层卷积层的数据作为面部特征数据。

5.根据权利要求4所述的一种基于人脸识别分析个人兴趣爱好的方法，其特征在于，所述步骤E2中筛选28组具有相同性别和相同年龄段的样本。

6.根据权利要求1所述的一种基于人脸识别分析个人兴趣爱好的方法，其特征在于，所述步骤E3中将每一张输入的人脸数据对应的面部特征数据拉伸为一维向量，将同一组数据中全部的人脸数据生成的一维向量使用Kmeans聚类方法进行聚类。

7.根据权利要求1-6任一项所述的一种基于人脸识别分析个人兴趣爱好的方法，其特征在于，所述步骤E1中筛选保留年龄大于等于10岁且小于80岁的样本。