[发明专利]一种基于人脸的单模型多输出的年龄性别识别方法及系统

权利要求书

1.一种基于人脸的单模型多输出的年龄性别识别方法，其特征在于，包括以下步骤，

步骤1，获取检测到的RGB人脸图像采用3通道读取，并进行归一化处理；

步骤2，将处理后的人脸图像输入到由多层卷积层构成的CNN特征提取网络，采用随机初始权重分别提取识别对象的年龄特征数据和性别特征数据；

步骤3，分别对所述年龄特征数据和性别特征数据进行扁平化处理，得到一维特征数据；针对年龄预测，将所述年龄特征数据和性别特征数据级联，然后输入到由三层分别包含不同数量神经元的全连接层构成的年龄预测网络中，采用线性回归激活函数，进行年龄预测；针对性别预测，将性别特征数据输入到由三层分别包含不同数量神经元的全连接层构成的性别预测网络中，采用二分类softmax激活函数，进行性别预测。

2.根据权利要求1所述一种基于人脸的单模型多输出的年龄性别识别方法，其特征在于，所述CNN特征提取网络包括依次连接的两层分别包括32个卷积核滤波器的卷积层、两层分别包括64个卷积核滤波器的卷积层以及两层分别包括128个卷积核滤波器的卷积层。

3.根据权利要求2所述一种基于人脸的单模型多输出的年龄性别识别方法，其特征在于，所述每层卷积层后均依次设有ELU激活层和局部响应归一化层。

4.根据权利要求3所述一种基于人脸的单模型多输出的年龄性别识别方法，其特征在于，所述位于第二卷积层、第四卷积层和第六卷积层后的ELU激活层和局部响应归一化层后还分别设有最大池化层和dropout层。

5.根据权利要求1所述一种基于人脸的单模型多输出的年龄性别识别方法，其特征在于，所述用于年龄预测的三层全连接层，其中第一层全连接层和第二层全连接层后均依次设有ELU激活层、局部响应归一化层和dropout层；所述用于性别预测的三层全连接层，其中第一层全连接层和第二层全连接层后均依次设有ELU激活层、局部响应归一化层和dropout层。

6.根据权利要求1或5所述一种基于人脸的单模型多输出的年龄性别识别方法，其特征在于，所述用于年龄预测的第三层全连接层包括一个神经元，其输出激活函数采用linear线性回归激活函数，进行年龄的连续预测；所述用于性别预测的第三层全连接层包括两个神经元，其输出激活函数采用softmax函数，得到相加等于1的两个男女性别预测概率。

7.一种基于人脸的单模型多输出的年龄性别识别系统，其特征在于，包括：

图像预处理模块，用于获取检测到的RGB人脸图像采用3通道读取，并进行归一化处理；

特征提取模块，用于将处理后的人脸图像输入到由多层卷积层构成的CNN特征提取网络，采用随机初始权重分别提取识别对象的年龄特征数据和性别特征数据；

预测模块，用于分别对所述年龄特征数据和性别特征数据进行扁平化处理，得到一维特征数据；针对年龄预测，将所述年龄特征数据和性别特征数据级联，然后输入到由三层分别包含不同数量神经元的全连接层构成的年龄预测网络中，采用线性回归激活函数，进行年龄预测；针对性别预测，将性别特征数据输入到由三层分别包含不同数量神经元的全连接层构成的性别预测网络中，采用二分类softmax激活函数，进行性别预测。

8.根据权利要求7所述一种基于人脸的单模型多输出的年龄性别识别系统，其特征在于，所述CNN特征提取网络包括依次连接的两层分别包括32个卷积核滤波器的卷积层、两层分别包括64个卷积核滤波器的卷积层以及两层分别包括128个卷积核滤波器的卷积层。

9.根据权利要求8所述一种基于人脸的单模型多输出的年龄性别识别系统，其特征在于，所述每层卷积层后均依次设有ELU激活层和局部响应归一化层。

10.根据权利要求9所述一种基于人脸的单模型多输出的年龄性别识别方法，其特征在于，所述位于第二卷积层、第四卷积层和第六卷积层后的ELU激活层和局部响应归一化层后还分别设有最大池化层和dropout层。