[发明专利]识别年龄的方法、年龄识别模型的训练方法和装置

说明书

本发明提供了一种识别年龄的方法、年龄识别模型的训练方法和装置，包括：将包含有目标对象的待识别图像输入至包括关键区域定位网络和年龄估计网络的年龄识别模型；通过关键区域定位网络从待识别图像中确定人脸关键区域；通过年龄估计网络提取人脸关键区域和待识别图像的特征，得到人脸关键区域的局部特征和待识别图像的全局特征，基于全局特征和局部特征输出目标对象的年龄。该方式通过关键区域定位网络，自动定位待识别图像中与年龄识别最为相关的人脸关键区域，使得年龄估计网络能够根据提取的人脸关键区域的特征和待识别图像的特征得到年龄值；由于该方式识别年龄时利用了输入图像的特征和人脸关键区域的特征，因此提升了模型识别年龄的精度。

技术领域

本发明涉及图像处理技术领域，尤其是涉及一种识别年龄的方法、年龄识别模型的训练方法和装置。

背景技术

年龄作为一种重要的人脸属性，在人机交互、智能商务、安全监控和娱乐等领域都有着广泛的应用前景。相关技术中，可以通过训练后的深度学习模型估计人脸图像中人的年龄。该深度学习模型通常通过输入的人脸图像中人脸的整体特征，输出人的年龄。但该方式中的深度学习模型所参考的特征有限，限制了模型估计年龄的精确度。

发明内容

本发明的目的在于提供一种识别年龄的方法、年龄识别模型的训练方法和装置，以提高模型识别年龄的精确度。

第一方面，本发明提供了一种识别年龄的方法，该方法包括：获取包含有目标对象的待识别图像；将该待识别图像输入至预先训练完成的年龄识别模型中；其中，年龄识别模型包括关键区域定位网络和年龄估计网络；通过关键区域定位网络，从待识别图像中确定人脸关键区域；通过年龄估计网络，分别对人脸关键区域和待识别图像进行特征提取，得到人脸关键区域的局部特征和待识别图像的全局特征，基于全局特征和局部特征，输出目标对象的年龄。

在可选的实施方式中，上述通过关键区域定位网络，从待识别图像中确定人脸关键区域的步骤，包括：通过关键区域定位网络，确定待识别图像的变换参数；其中，该变换参数用于映射待识别图像与变换后的待识别图像之间的坐标关系；利用变换参数对待识别图像进行仿射变换，得到变换后的待识别图像，将变换后的待识别图像确定为人脸关键区域。

在可选的实施方式中，上述变换参数中包含有指定数量的特征值；上述通过关键区域定位网络，确定待识别图像的变换参数的步骤，包括：对待识别图像进行特征提取，得到包含有指定数量的特征值的特征向量；将特征向量中的指定数量的特征值，确定为变换参数。

在可选的实施方式中，上述变换参数中包含有指定数量的特征值；上述利用变换参数对待识别图像进行仿射变换，得到变换后的待识别图像的步骤，包括：根据变换参数中的指定数量的特征值，生成变换矩阵；基于该变换矩阵，以及待识别图像中每个像素点的像素坐标和像素值，确定变换后的待识别图像中每个像素点的像素值。

在可选的实施方式中，变换后的待识别图像的尺寸为预设值；上述基于变换矩阵，以及待识别图像中每个像素点的像素坐标和像素值，确定变换后的待识别图像中每个像素点的像素值的步骤，包括：根据变换后的待识别图像的尺寸，确定变换后的待识别图像中每个像素点的像素坐标；针对变换后的待识别图像中的每个像素点，通过变换矩阵对当前像素点的像素坐标进行变换，得到当前像素点在待识别图像中对应的像素坐标；基于当前像素点在待识别图像中对应的像素坐标的像素值，确定当前像素点的像素值。

在可选的实施方式中，上述基于全局特征和局部特征，输出目标对象的年龄的步骤，包括：将全局特征和局部特征进行拼接，得到拼接特征，将该拼接特征输入至年龄估计网络的全连接层；通过该全连接层，基于拼接特征，输出目标对象的年龄。

第二方面，本发明提供了一种年龄识别模型的训练方法，该练方法包括：获取样本集；该本集包括多个样本，每个样本包含有样本图像，以及该样本图像对应的年龄标签；其中，该龄标签用于指示样本图像中目标对象的年龄；基于样本集，对年龄识别模型的初始模型进行机器学习训练，得到年龄识别模型；其中，该龄识别模型包括关键区域定位网络和年龄估计网络。