[发明专利]一种人脸多属性识别系统

权利要求书

1.一种人脸多属性识别系统，其特征在于，所述系统包括：

预处理单元，用于确定人脸图像，并将所述人脸图像裁剪成预设尺寸；

人脸属性网络单元，所述人脸属性网络单元包括底层特征抽取模块、人脸属性关系模块ARM和上下文关系模块CRM，所述底层特征抽取模块用于抽取底层的神经网络特征，所述ARM用于发现和捕获多个属性之间的相关性，所述CRM用于探索不同图像区域之间的上下文关系；

训练单元，用于训练一个人脸属性预测网络，通过所述人脸属性预测网络预测各个属性；

预测单元，用于将预处理好的人脸图像输入到训练好的人脸属性预测网络中，得到各个人脸属性的预测值；

所述CRM具体用于：

给定输入要素所述输入要素在GAP层之前获得，所述h、所述w分别表示要素图的高度和宽度；

采用图形投影方法将二维图像投影到一组聚类/节点上，预先指定v的数量，采用软分配方案计算权重，以将P^th像素分配给k ^th簇，具体如下公式(4)所示：

其中，和b_k是k^th集群的可训练参数，和b_l也是可训练参数，所述b_l和b_k的索引不同；是第p个像素的特征值，P^th是指第p个像素，是指一个输入的特征值；

给定v个可学习的节点通过使用输入要素和顶点C_k之间的残差加权平均值聚合节点的特征，具体如公式(5)所示：

聚合的特征进行L2归一化，得到如下公式(6)：

不同的节点包含来自不同图像区域的特征，所有节点的特征表示为矩阵形式，每行代表一个图形节点，具体如下公式(7)：

基于特征V_i的具有v个节点的图，根据如下公式(8)，用GCN层在所有节点之间传递信息并更新状态，捕获不同区域之间的前后关系：

其中，表示ReLU函数，A^c是学习的相邻矩阵，是规范化相邻矩阵，W^c表示另一个图卷积层中滤波器的参数矩阵；

串联所有节点的新状态，并表示为根据更新的状态获得第三预测分数，具体如下公式(9)所示：

其中，w^c指分类器的参数；

所述预测单元具体用于：

将目标图像输入到所述预处理单元处理；

将预处理过的人脸图像输入训练好的人脸属性预测模型中，网络前向传递，经过所述ARM和所述CRM两个分支以后，得到人脸属性预测值和

将所述和所述做算数平均，生成最终的预测值，表示为如下公式(13)：

以计算年龄、性别、是否戴墨镜、长短发属性的概率。

2.根据权利要求1所述的系统，其特征在于，所述预处理单元具体用于：

输入图像，对所述图像进行人脸检测，判断所述图像中是否包含人脸，如果不包含人脸，则放弃所述图像；

如果所述图像包含人脸，则将所述图像确定为人脸图像，并对所述图像进行关键点定位，得到两眼中心及上嘴唇点的位置；

根据所述两眼中心及上嘴唇点的位置，对图像进行旋转、缩放、对齐，并裁剪成预设尺寸，输出裁剪后的图像。

3.根据权利要求1所述的系统，其特征在于，所述底层特征抽取模块具体用于：

利用残差网络结构ResNet-50中除最后三个残差单元外的剩余网络作为底层特征抽取模块，抽取底层的神经网络特征。