[发明专利]基于GAN扩充多人种特征协同选择的人脸年龄估计方法

说明书

本发明公开了一种基于GAN扩充多人种特征协同选择的人脸年龄估计方法，先通过生成式对抗网络进行多风格人脸样本的模拟生成，来快速地大规模地扩充不同人种的人脸库，从而提高对黄色、棕色等人种年龄信息识别的精度。然后利用卷积神经网络对原有数据集进行预训练，接着基于扩充得到的人脸年龄数据库进行进一步的精训练。最后将四个人种的Sub‑CNN进行基于组稀疏算法的联合特征选择融合，以此来解决基于人脸图像的年龄估计问题。本发明得到了更具泛化能力的人脸年龄估计模型，同时也能大大提高很多年龄人脸识别系统的性能，弥补了以往研究的不足之处。

技术领域

本发明涉及一种人脸年龄估计方法，特别是一种基于GAN扩充多人种特征协同选择的人脸年龄估计方法。

背景技术

随着人机交互的相关理论与应用研究的快速发展，年龄信息作为人类的一种重要生物特征，在此领域中有着众多应用需求，并且对人脸识别系统的性能有着重要影响。但是绝大部分的研究是基于现有的数据集，由于在很多国外的现有大型数据集上黄色、棕色等人种样本过少，大大限制了对黄色、棕色等人种图片的年龄辨识。

发明内容

本发明所要解决的技术问题是提供一种基于GAN扩充多人种特征协同选择的人脸年龄估计方法，得到更具泛化能力的人脸年龄估计模型。

为解决上述技术问题，本发明所采用的技术方案是：

一种基于GAN扩充多人种特征协同选择的人脸年龄估计方法，其特征在于包含以下步骤：

步骤一：通过网络爬虫从Internet网上下载所缺人脸图像集；

步骤二：基于步骤一的人脸图像集进行GAN人脸多风格样本输出模型的训练，扩充完善现有人脸年龄数据库；

步骤三：在完成基于GAN对人脸年龄数据库模拟生成多风格不同人种人脸年龄图片后，针对每一组人种数据集设计一个CNN模型，总共设计四个串联形式的Sub-CNN，并借助LFW、CACD大型人脸库对Sub-CNN模型进行预训练，然后对其基于扩充得到的人脸年龄数据库进行进一步的精训练；

步骤四：基于组稀疏Group-lasso的联合特征选择，应用于神经网络训练权值向量的过程中；

步骤五：多人种年龄识别模型建立完成，通过模型进行人脸年龄估计。

进一步地，所述步骤二生成式对抗网络为

生成式对抗网络由生成模型Generative Model和判别模型DiscriminativeModel两个模块构成，生成模型G的目标是使其生成的伪数据G(z)在判别模型D上的表现和真实数据x在D上的表现一致，G和D互相博弈学习并迭代优化的过程使得它们的性能不断提升，随着D的判别能力提升，并且无法判别其数据来源时，则认为G已学到真实的数据分布，根据生成式对抗网络的特性，对通过网络爬虫从网上下载的所缺人脸图像集，进行快速扩充类似的且多风格的样本。

进一步地，所述生成模型的作用是尽可能地学习真实的数据分布，输入随机变量z，则G尽可能地生成服从真实数据分布的样本G(z)；判别模型的作用是判别其输入数据是来自生成模型G还是来自真实的数据x，如果输入来自G(z)，则标注为0并判别为伪，否则标注为1并判别为真。

进一步地，所述步骤三具体为世界人种可分为棕色、黄色、黑色、白色，不同人种间的人面部特征由于气候条件、地理位置、传统风俗、遗传因子等因素的影响存在显著的差异性，而在相同人种间这种差异性在某种程度上相对较小，在完成基于GAN对人脸年龄数据库模拟生成多风格不同人种人脸年龄图片后，针对每一组人种数据集，设计一个CNN模型，即总共设计四个串联形式的Sub-CNN，并借助LFW、CACD等大型人脸库对Sub-CNN模型进行预训练，然后对其基于扩充得到的人脸年龄数据库进行进一步的精训练。