[发明专利]基于人工智能的年龄精准识别方法

说明书

本发明公开了一种基于人工智能的年龄精准识别方法，包括如下步骤：第一步，通过将高清摄像头采集到的图像，输入到经人工智能云平台训练的模型中处理，在终端侧设备在给出图像中人脸的年龄估计；第二步，将第一步中经过年龄估计后的输入图像进行图像预处理后，用不同的神经网络框架进行训练，实现对年龄的精准识别。本发明可以充分地从数据中学习人脸自然的跨年龄变化规律，可让跨年龄识别更加可靠和精准；并且，本发明不但可以提高人脸识别的准确率，并且在刑侦、失踪人口的查找和电子客户关系管理等领域都有广泛的应用前景。

技术领域

本发明涉及年龄识别技术领域，更为具体地，涉及一种基于人工智能的年龄精准识别方法。

背景技术

在传统的人脸识别中，人脸样貌会随着年龄发生变化，导致对象当前面貌与图像库中的图像之间出现差异，从而引起识别率的下降。为减少这种变化带来的影响，可应用人脸年龄估计来模拟年龄变化的效果，提高人脸的识别率，实现人脸面貌的准确识别和预测。除此之外，年龄识别技术还可应用于微信小程序、游戏、手机自拍等场景。现有的年龄识别算法存在可靠性差和精度差等问题。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于人工智能的年龄精准识别方法，可以充分地从数据中学习人脸自然的跨年龄变化规律，可让跨年龄识别更加可靠和精准；并且，不但可以提高人脸识别的准确率，并且在刑侦、失踪人口的查找和电子客户关系管理等领域都有广泛的应用前景。

本发明的目的是通过以下技术方案来实现的：

一种基于人工智能的年龄精准识别方法，包括：

第一步，通过将高清摄像头采集到的图像，输入到经人工智能云平台训练的模型中处理，在终端侧设备在给出图像中人脸的年龄估计；

第二步，将第一步中经过年龄估计后的输入图像进行图像预处理后，用不同的神经网络框架进行训练，实现对年龄的精准识别。

进一步的，在第二步中，用不同的神经网络框架进行训练，包括如下子步骤：

采用卷积神经网络进行模型构建，先用非负矩阵分解方法提取人脸特征，然后通过RBF神经网络确定一个人脸图像及其相符年龄之间的估计函数，对于输入图片，输出一个年龄区间的可能概率。

进一步的，在第二步中，采用CNN年龄识别算法进行训练，CNN架构包含多个卷积层和多个全连接层，层数比较少避免过拟合。

进一步的，在第二步中，图像预处理包括进行图像压压缩、图像抽样、输入矢量标准化。

进一步的，在第一步中，终端侧设备包括Firefly-RK3399六核64位嵌入式开发板。

本发明的有益效果是：

(1)本发明可以充分地从数据中学习人脸自然的跨年龄变化规律，可让跨年龄识别更加可靠和精准；并且，本发明不但可以提高人脸识别的准确率，并且在刑侦、失踪人口的查找和电子客户关系管理等领域都有广泛的应用前景。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的步骤流程图。

具体实施方式

下面结合附图进一步详细描述本发明的技术方案，但本发明的保护范围不局限于以下所述。本说明书中公开的所有特征，或隐含公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。