[发明专利]一种基于卷积神经网络的年龄判断方法

说明书

本发明涉及一种基于卷积神经网络的年龄判断方法，包括S1，输入原始简历头像数据集，对所述原始简历头像图片进行预处理；S2，训练数据集，对所述原始简历头像图片进行随机裁剪处理，再用随机裁剪好的图像建立样本库，训练卷积神经网络；S3，测试数据集，验证测试过程中通过原始简历头像图片的四个角加人脸中心为基点进行定位裁剪，对测试数据集进行年龄判断的准确率测试；S4，结果预测集，利用测试数据集优化训练好的卷积神经网络模型对输入的若干张图片进行预测，最后对预测结果进行平均。本发明可以更深度提取人脸的技术特征，提高识别精度；对网络输入的数据样本具有泛化性，能够适应光照、阴影、遮挡等不确定因素的影响。

技术领域

本发明涉及一种基于卷积神经网络的年龄判断方法，属于年龄判断领域。

背景技术

年龄信息作为人类的一种重要生物特征，在人机交互领域中有众多的应用需求，而且对人脸识别系统的性能评估有着重要影响。公司后台系统收到用户填写的简历时，部分用户上传简历照片后缺失年龄和性别信息，需要系统根据简历图像补充性别和年龄范围。传统的年龄判断方法是基于计算面部特征测量值之间的比率，根据不同的年龄类别分类，首先定位面部特征(例如眼睛、鼻子、嘴，下巴等)，测量尺寸和距离随之发生变化，这就导致计算结果容易出现比较大的相对误差。基于神经网络的年龄判断是指应用计算机技术对人脸图像随年龄变化的规律进行建模，通常表现在皮肤纹理、皮肤颜色、光亮程度、和皱纹纹理等方面，从而使机器能够根据面部图像推测出人的大概年龄或所属的年龄范围。如果基于神经网络的年龄估计问题得到解决，那么在日常生活中一定会有广泛的市场应用。例如，根据人脸图像特征进行神经网络年龄判别可以填补企业用户的空白数据信息，为应用客户数据进行分析提供了良好的保障。

发明内容

本发明是为解决现有技术中的问题而提出的，其目的在于，提供一种可以更深度提取人脸的面部特征的技术，将传统的底层信息进行融合为高层信息，提高识别精度从而得出年龄判断结果的基于卷积神经网络的年龄判断方法。

本发明提供一种基于卷积神经网络的年龄判断方法，包括以下步骤：

S1：输入原始简历头像数据集，对所述原始简历头像图片进行预处理，将原始简历头像图片统一缩放到256*256；

S2:训练数据集，对所述原始简历头像图片进行随机裁剪处理，随机裁剪后的图像大小为227*227，再用随机裁剪好的图像建立样本库，训练卷积神经网络；

S3：测试数据集，验证测试过程中通过原始简历头像图片的四个角加人脸中心为基点进行定位裁剪，对测试数据集进行年龄判断的准确率测试；

S4：结果预测集，利用测试数据集优化训练好的卷积神经网络模型对输入的若干张图片进行预测，最后对预测结果进行平均。

优选的，所述输入原始简历头像数据集的权重初始化方法采用高斯正态分布。

优选的，所述训练数据集采用dropout，用来限制过拟合；所述训练数据集还包括数据扩充，数据扩充是通过对输入的原始简历头像图片以人脸中心为基点进行随机裁剪。

进一步的，所述高斯正态分布的标准差为0.01，均值为0。

进一步的，所述dropout的比例采用0.5。

优选的，所述训练数据集采用的训练方法为随机梯度下降法。

进一步的，所述梯度下降法的min-batch的大小为50，学习率大小为0.001。

优选的，所述卷积神经网络模型结构包括3个卷积层和两个全连接层；卷积层1采用96个卷积核，每个卷积核大小为3*7*7，用来提取简历头像图片的图像特征；卷积层2选择256个滤波器，滤波器大小为5*5，卷积步长为1；卷积层3选择384个滤波器，卷积核大小为3*3；全连接层1选择512个神经元；全连接层2选择512个神经元。