[发明专利]年龄识别模型的训练、年龄识别方法、装置及电子设备

说明书

本发明涉及视频监控技术领域，具体涉及年龄识别模型的训练、年龄识别方法、装置及电子设备，所述训练方法包括获取样本图像以及各个样本图像的标注信息，所述标注信息包括多个年龄标注值及各个年龄维度的概率；将样本图像输入年龄识别模型中，得到多个年龄预测值及各个年龄预测值的概率；根据各个年龄维度的概率、各个年龄预测值的概率、多个年龄标注值及多个年龄预测值进行损失函数的计算，以对年龄识别模型进行训练，确定目标年龄识别模型。利用年龄维度的概率表征标注的差异，后续结合该差异进行年龄识别模型的训练，使得训练得到的目标年龄识别模型能够准确地识别出年龄值，提高了年龄识别的准确率。

技术领域

本发明涉及视频监控技术领域，具体涉及年龄识别模型的训练、年龄识别方法、装置及电子设备。

背景技术

随着深度学习的发展，越来越多针对图像所示属性的识别算法应运而生，其中就有一部分是关于人脸图像中所示年龄属性的研究。现阶段，有一种技术是将年龄的识别视作一个回归问题，即，将真实的人的年龄标签输入深度神经网络中，通过迭代训练方式，用欧式距离损失函数的训练回归出这个真实值。还另外一种通用的方法则是将这种回归问题视为一种分类问题，即，将年龄分为不同的年龄组，例如将真实年龄的0至5岁分为一个年龄组，那么一个包含0至85的年龄集的图像，则可以分为形如[(0，5)，(5，10)(10，15)，(15，20)，(20，30)，…，(70，75)(75，80)(80，85)]的年龄组。使用这种分类的年龄组作为标签，通过深度神经网络，使用softmax损失函数的训练则可以学习到图像所示的年龄属于具体哪个年龄组。

上述介绍的现有技术中，在实际的监控安防领域中，直接应用的效果不佳，原因如下：基于欧式距离的方法使用的是图像的全局信息，而在实际的安防场景中，背景过于复杂，会导致过多的背景信息参与计算，导致回归值和真实的年龄标签有一定差距，相对不准确。而基于分类的方法得到的年龄段信息，不适合实际的业务需求，即实际业务需要相对准确的实际年龄信息而非年龄段信息。

发明内容

有鉴于此，本发明实施例提供了一种年龄识别方法、装置及电子设备，以解决年龄识别准确率偏低的问题。

根据第一方面，本发明实施例提供了一种年龄识别模型的训练方法，所述训练方法包括：

获取样本图像以及各个所述样本图像的标注信息，所述标注信息包括真实年龄值及各个年龄维度的概率；

将所述样本图像输入年龄识别模型中，得到多个年龄预测值及各个所述年龄预测值的概率；

根据各个所述年龄维度的概率、各个所述年龄预测值的概率、所述真实年龄值及多个所述年龄预测值进行损失函数的计算，以对所述年龄识别模型进行训练，确定目标年龄识别模型。

本发明实施例提供的年龄识别模型的训练方法，在标注信息中包括真实年龄值及各个年龄维度的概率，利用年龄维度的概率表征标注的差异，后续结合该差异进行年龄识别模型的训练，使得训练得到的目标年龄识别模型能够准确地识别出年龄值，提高了年龄识别的准确率。

结合第一方面，在第一方面第一实施方式中，获取各个所述样本图像的标注信息，包括：

获取同一所述样本图像的多个年龄标注值；

利用所述多个年龄标注值，计算标注年龄的分布信息，以得到所述真实年龄值以及各个所述年龄维度的概率。

本发明实施例提供的年龄识别模型的训练方法，由于年龄标注值带有主观意识，但是多个年龄标注值符合某种分布情况，通过计算标注年龄的分布信息得到各个年龄维度的概率，从而能够保证所得到的各个年龄维度的概率更符合实际情况。

结合第一方面第一实施方式，在第一方面第二实施方式中，所述利用所述多个年龄标注值，计算各个所述年龄标注值的分布信息，以得到所述真实年龄值以及各个所述年龄维度的概率，包括：