[发明专利]基于深度序分布回归的步态年龄估计方法

说明书

本发明属于计算机视觉和机器学习技术领域，具体为一种基于深度序分布回归的步态年龄估计方法。本发明包括：步态视频序列预处理，将预处理好的视频序列拍成步态能量图，并将步量图分割成不重叠的头部、身体部、下半身部三个部分；序回归方法进行数据划分，对于有序的K分类问题，将K分类问题转换成一系列二分类问题，即训练K‑1个二分类器；用全局与局部卷积神经网络提取特征，即用一个全局网络和三个子网络分别提取全局步态特征和三个局部步态特征；利用序分布损失函数训练网络模型，其中损失函数的设计考虑了交叉熵损失和分布损失。本发明可以更好的优化网络，明显的提升步态年龄预测的准确性。

技术领域

本发明属于计算机视觉及视频安全监控技术领域，具体涉及基于深度学习与序分布回归的步态年龄估计方法。

背景技术

年龄估计是计算机视觉领域的热点问题之一，尤其在视频监控领域。年龄估计方法可以分为两大类，基于人脸的年龄估计方法和基于步态视频序列的年龄估计方法。本发明是基于步态的年龄估计，给定一段行人步态视频序列，要求利用机器学习技术或者计算机视觉方法预测出目标(步态)的具体年龄。步态年龄估计方法工作不是很多，目前已有的方法可以分为三大类：基于回归的方法、基于分类的方法、基于流行学习的方法。以下是这三类方法的一些参考文献：

[1]Smola,A.J.,and SchoB.2004.A tutorial on support vectorregression.Statistics and computing 14(3):199–222.

[2]Rasmussen,C.E.2004.Gaussian processes in machine learning.InAdvanced Lectures on Machine Learning.63–71.

[3]Lu,J.,and Tan,Y.-P.2010a.Gait-based human age estimation.IEEETransactions on Information Forensics and Security 5(4):761–770.

[4]Lu,J.,and Tan,Y.-P.2010b.Ordinary preserving manifold analysis forhuman age estimation.In IEEE Computer Society Conference on Computer Visionand Pattern Recognition Workshops,90–95.

[5]Lu,J.,and Tan,Y.-P.2013.Ordinary preserving manifold analysis forhuman age and head pose estimation.IEEE Transactions on Human-Machine Systems43(2):249–258.

[6]Xu,C.；Makihara,Y.；Ogi,G.；Li,X.；Yagi,Y.；and Lu,J.2017.The OU-ISIRgait database comprising the large population dataset with age andperformance evaluation of age estimation.IPSJ Transactions on Computer Visionand Applications 9(1):24.

[7]Li,X.；Makihara,Y.；Xu,C.；Yagi,Y.；and Ren,M.2018.Gait-based humanage estimation using age group-dependent manifold learning andregression.Multimedia Tools and Applications 1–22.。