[发明专利]一种基于卷积神经网络的多标签年龄估计方法

说明书

本发明公开了一种基于卷积神经网络的多标签年龄估计方法，包括：获取输入样本数据集；对每个输入样本进行人脸检测、对齐，并根据人脸位置进行归一化；对输入样本的年龄标签进行多标签处理，使得每个样本映射到相同数量的标签；将所有归一化图像作为卷积神经网络的输入，多标签集作为输出，对卷积神经网络进行训练，得到年龄估计模型；根据二分类输出与多标签处理原则，结合年龄的有序特性，完成人脸估计年龄的计算。本发明利用了年龄特征之间的微变性和有序性，运用多标签学习的思想构建卷积神经网络模型，解决了现有年龄估计方法中存在的年龄估计准确率不高、鲁棒性差等问题。

技术领域

本发明属于图像处理和深度学习技术领域，更具体地，涉及一种基于卷积神经网络的多标签年龄估计方法。

背景技术

目前，人脸年龄估计在侦查监控、信息管理、智能人机交互、社交娱乐等领域得到了非常广泛的应用。然而，人脸年龄估计技术在真实应用场景中估计不够准确，容易受到表情、姿势、以及光照条件的影响。

在人脸年龄估计方法种，绝大部分都是采用传统的年龄估计算法。传统的年龄估计方法主要分为特征提取和年龄估计两个阶段。在特征提取阶段，大都是显式的特征提取，得到的是基于手工设计的年龄特征，而由于手工设计特征的局限性，提取的年龄特征并不一定是最优的。即使将卷积神经网络应用在年龄估计上，但大多仍应用在特征提取阶段。在年龄估计阶段，无论是年龄分类还是年龄回归模式，大部分方法是将年龄标签作为相互独立的类别，忽略了年龄面貌变化是一个非常缓慢且有序的过程，相近年龄之间的人脸特征差别非常之小，即人脸年龄特征具有微变性和有序性。因此，现有的人脸年龄估计方法年龄估计准确率不高，且鲁棒性不好，难以实用，有较大的改善空间。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种基于卷积神经网络的多标签年龄估计方法，其目的在于，通过结合年龄特征之间的微变性和有序性，构建一个多输出的卷积神经网络模型，解决现有人脸年龄估计方法年龄估计不准确，以及鲁棒性差的问题。

为实现上述目的，本发明提供了一种基于卷积神经网络的多标签年龄估计方法，包括以下步骤：

(1)获取输入样本数据集；

(2)对每个输入样本进行人脸检测、对齐，并根据人脸大小及位置将输入图像进行变形、切割为指定大小的归一化图像。

(3)将每个输入样本标注的年龄标签进行多标签处理，使得每个样本映射到相同数量的标签，以得到多标签训练样本集；

(4)将步骤(2)中得到的所有归一化图像作为多输出卷积神经网络的输入，将步骤(3)中得到的所有样本的多标签集作为输出，对卷积神经网络进行训练，得到卷积神经网络年龄估计模型；

(5)运用步骤(4)所得到的模型的一系列二分类输出，以及步骤(3)中的多标签处理原则，结合年龄的有序特性，完成人脸估计年龄的计算。

优选地，步骤(1)中所述的输入样本数据集是从互联网上直接下载的人脸年龄图像、以及人为拍摄的人脸图像，其中包括不同种族的人脸图像、不同光照效果的图像、不同姿势的人脸图像、以及不同性别的人脸图像。

优选地，步骤(2)具体包括以下子步骤：

(2-1)利用原始人脸图像，采用人脸检测方法对人脸人脸图像进行检测，以获取图像中人脸双眼的位置；

(2-2)利用步骤(2-1)得到的双眼位置，将人脸图像进行旋转、缩放、以及分割，以得到归一化后的人脸图像。

优选地，步骤(3)具体包括以下子步骤：

(3-1)获取原始人脸图像的真实年龄标签，采用相同的多标签处理原则，得到对应的多标签集合，记为Y_i；计算公式如下：