[发明专利]基于面部特征和纹理特征的年龄预测方法、系统和装置

权利要求书

1.基于面部特征和纹理特征的年龄预测方法，其特征在于包括如下步骤：

获取多张人脸图像，每张人脸图像上均具有年龄标签；

基于灰度共生矩阵从人脸图像中提取纹理特征值；

基于Viola-Jones算法进行人脸检测，该算法是基于Haar特征选择，通过使用Adaboost训练和级联来创建一个完整的图像分类器，并通过CHEHRA模型提取面部特征点；

基于面部特征点坐标的中心坐标对面部特征点进行数据标准化处理，得到面部特征点的标准化后坐标，并对纹理特征值进行数据标准化处理，将纹理特征值统一映射到预定数值域区间，得到标准化后纹理特征值；

基于面部特征点的标准化后坐标以及标准化后纹理特征值构建训练集，基于SVM回归预测方法对训练集进行回归预测，得到预测的年龄；

基于坐标中心的面部特征点标准化方法，对得到的面部特征点数据进行标准化来提高年龄预测的准确性，具体操作是：

(1)将每个面部图像中识别出的所有面部特征点坐标的中心坐标计算出来；

(2)每个面部特征点的标准化后的坐标为其原坐标减去中心坐标后的结果；

(3)将经过中心标准化后的坐标作为面部特征点的坐标用于后续的年龄预测；

基于SVM回归预测方法对训练集进行回归预测，包括如下步骤：

在样本空间中，通过如下线性方程划分超平面：

w^Tx+b＝0

其中，x表示平面上的点；

w为超平面的法向量；

b表示位移项，用于决定超平面与原点之间的距离；

将上述法向量w和位移项b记为(w,b)，设定φ(x)表示将x映射后的特征向量；

通过SVM回归模型将训练集中每个点(x_i,y_i)拟合到线性模型上，所述SVM回归模型的损失函数度量为：

err(x_i,y_i)＝{0|y_i-w·φ(x_i)-b}≤∈|y_i-w·φ(x_i)+b|-∈|y_i-w·φ(x_i)-b|＞∈

目标函数为：

其中，∈为常量，∈＞0。

2.根据权利要求1所述的基于面部特征和纹理特征的年龄预测方法，其特征在于所述人脸图像为拍摄的图像，下载于FGNET人脸年龄数据库。

3.根据权利要求1所述的基于面部特征和纹理特征的年龄预测方法，其特征在于对于n*m的人脸图像I，设定偏移量为(Δa,Δb)，所述人脸图像I对应的灰度共生矩阵C(i,j)的计算公式为：

其中，p和q均为增量，p:1-n，q:1-m，i表示灰度为i的像素，j表示灰度为j的像素。