[发明专利]一种基于人脸信息进行年龄识别的方法、装置及电子设备

说明书

本公开关于一种基于人脸信息进行年龄识别的方法、装置及电子设备，包括：获取人脸图像并输入到年龄识别模型；利用特征提取部分，对人脸图像进行特征向量提取，利用分类预测部分预测人脸图像数据对应的年龄值，其中，年龄识别模型是分批将包括不同年龄段的人脸样本作为输入对网络模型进行训练得到的，特征提取部分是对特征提取层训练过程中，利用不同批次的第一损失函数和第二损失函数调整特征提取层的参数后得到的；第一损失函数通过计算当前批次提取的各人脸样本的特征向量，与对应年龄段的中心特征向量的距离得到。本公开通过根据不同年龄段的中心特征向量确定对应的损失函数调整参数，使同一年龄段的特征向量相似度更高，识别结果更准确。

技术领域

本公开涉及信息识别分类技术领域，特别涉及一种基于人脸信息进行年龄识别的方法、装置及电子设备。

背景技术

基于图像进行目标识别后，需要基于识别的目标进行分类。应用到年龄值预测场景，可以获取人脸图像，基于人脸图像进行年龄预测。目前预测年龄被越来越多的应用需要，年龄预测是人脸属性任务中一项重要的子任务。目前多采用年龄预测模型对年龄进行预测，对年龄的预测大致分为两类：

1)输出人脸的年龄值；

即需要输出准确的年龄值，一般年龄值的范围为1≤年龄≤100，当然，还可以是定义的其他年龄值范围。

2)输出人脸所属的年龄段；

具体可以定义为儿童、少年、青年、中年、老年等年龄段，一个年龄段可以包括多个年龄值。

在年龄预测模型建模时，一种方式是只针对输出的年龄值作优化，即输入人脸图像，利用网络模型提取特征并进行分类预测，以输出年龄值为目标进行模型参数调整；另一种方式是针对输出的年龄段作优化，即输入人脸图像，利用网络模型提取特征并进行分类预测，以输出年龄段为目标进行端到端的训练。

如果一个年龄预测模型既需输出年龄值，又需输出年龄段，通常会采用多分支的结构，其中一个分支采用上述一种方式进行训练，另一个分支采用上述另一种方式进行训练，两个分支的输入相同，各自输出对应的分类结果。

目前的年龄预测模型如果仅预测年龄值或年龄段，则对于年龄段或年龄值的预测不够准确甚至无法预测，如果采用上述两个分支的网络模型，则网络结构复杂，且训练过程耗时耗资源。

发明内容

本公开提供一种基于人脸信息进行年龄识别的方法、装置及电子设备，用以解决目前采用模型识别年龄结果不够准确的问题。本公开的技术方案如下：

根据本公开实施例的第一方面，提供一种基于人脸信息进行年龄识别的方法，包括：

获取人脸图像并输入到年龄识别模型，所述年龄识别模型包括特征提取部分和分类预测部分；

利用所述特征提取部分，对所述人脸图像进行特征向量提取，其中，所述年龄识别模型是分批将包括不同年龄段的人脸样本作为输入对网络模型进行训练得到的，所述特征提取部分是对所述网络模型中的特征提取层进行训练过程中，利用不同批次的第一损失函数和第二损失函数调整特征提取层的参数后得到的；所述第一损失函数通过计算当前批次提取的各人脸样本的特征向量，与对应年龄段的中心特征向量的距离得到，所述第二损失函数根据所述网络模型中分类输出层输出的年龄值及标注的人脸样本的年龄值计算得到；

基于提取的特征向量，利用所述分类预测部分，预测所述人脸图像数据对应的年龄值。

在一种可能的实施方式中，所述对应年龄段的中心特征向量采用如下方式确定：

根据至少一个批次提取的各人脸样本的特征向量，确定不同年龄段的初始中心特征向量；

对不同年龄段的初始中心特征向量，利用除该年龄段外其他年龄段的初始中心特征向量之和的反向向量进行调整，得到不同年龄段的中心特征向量。