[发明专利]一种基于深度分类网络的面部年龄估计方法

说明书

本专利提出了一种基于深度分类网络的年龄估计方法，属于计算机视觉和机器学习领域。该方法的主要思想是通过深度分类网络建立输入面部图像特征和年龄之间的映射关系。首先，对面部图像进行归一化并提取面部特征；接着，建立5层的深度分类模型，拟合输入图像特征和年龄之间的映射关系；之后，利用梯度下降法优化深度分类模型的参数；最后，对于待估计面部图像，利用学习好的深度模型估计年龄。

技术领域

本发明属于计算机视觉技术领域，涉及面部年龄估计技术，主要应用于基于年龄的登陆控制，年龄差异化广告以及年龄相关的人机交互技术等领域。

背景技术

面部年龄估计技术是指通过计算机算法对人脸面部特征进行分析后，自动估计人体年龄的技术。通常，计算机通过摄像头采集人脸图像(照片)，并对面部特征进行提取和分析，自动估计该图像对应的年龄。由于该技术在年龄相关的人际交互、基于年龄的登陆控制和年龄差异化广告方面都有非常广泛的应用，因此它引起了计算机视觉领域学者的广泛兴趣和关注。目前已有的人脸面部年龄估计算法可以分为2大类：(1)基于浅层模型的年龄估计方法，和(2)基于深度网络的年龄估计算法。

基于浅层模型的年龄估计方法作为最常见的一种年龄估计方法，其基本原理是假设所有人的面部特征和对应年龄之间存在通用(共同)的映射关系，该映射关系可以通过线性或非线性回归拟合实现。同时这类方法假设映射函数只有单层，即直接从输入图像特征映射到年龄。其优点在于模型简单，不受训练样本数多少的影响。而其缺点在于估计的准确性较差，原因是单层模型很难准确描述面部特征和年龄之间的复杂关系，同时需要进行降维前处理，降维与估计模型分离造成特征提取的结果并不是最适合于后续年龄估计模型的。参见文献：A.Lanitis,C.J.Taylor,and T.F.Cootes,Automatic Interpretation andCoding of Face Images using Flexible Models,IEEE Transactions on PatternAnalysis and Machine Intelligence,vol.19,no.7,pp.743–756,1997。

基于深度网络的年龄估计方法是近年来该领域研究的热点，其基本原理是利用卷积神经网络学习适合于年龄估计的特征，并在深度网络的最后一层设计softmax函数或其它单层函数将学到的特征回归到对应的年龄。该类方法的优点在于准确性高，并且是端到端的模型，不需要对图像进行复杂的归一化矫正。其缺点在于需要在GPU服务器上进行运算，硬件配置较高，并且训练时间过长。参考文献Z.Niu,M.Zhou,L.Wang,X.Gao,and G.Hua,Ordinal Regression with Multiple Output CNN for Age Estimation,The Conferenceon computer vision and pattern recognition,2016。

本专利针对上述两类方法的缺陷，提出了一种新的基于栈式自编码的深度分类网络，并用于年龄估计，取得了令人满意的估计结果。

发明内容

本发明提供一种基于深度分类网络的面部年龄估计算法，首先对面部图像进行简单的矫正并归一化到40*40像素。接着，根据所有图像对应的标定年龄建立深度分类网络模拟从面部特征到目标年龄的分类模型，并求解网络参数；最后在给定待估计面部年龄图像时，对面部图像进行年龄分类，分类的间隙为1岁，算法示意图参见图2。

为了方便地描述本发明内容，首先对一些术语进行定义。

定义1：面部特征点。人为定义人面部的一些特殊点，例如嘴角点，眼角点等。

定义2：seataFace。一种用于跟踪定位面部特征点的C++软件包。

定义3：归一化。利用面部特征点的相对位置以消除尺度，旋转变化对图像影响的方法。