[发明专利]一种基于在线学习的跨年龄人脸识别方法

权利要求书

1.一种基于在线学习的跨年龄人脸识别方法，其特征在于，根据通用人脸数据库训练特征提取网络，将年龄特征分离网络级联在训练好的特征提取网络之后，根据特征提取网络从跨年龄人脸数据库中提取的原始特征向量集训练年龄特征分离网络，所述年龄特征分离网络对特征提取网络输出的原始特征向量进行年龄信息的剔除得到身份特征向量，利用训练好的特征提取网络以及年龄特征分离网络从待测试图片集中提取身份特征向量，对比从测试图片集提取的身份特征向量的相似性得到人脸标签识别结果，在识别结果累积错误达到预设值时修正年龄特征分离网络参数。

2.根据权利要求1所述一种基于在线学习的跨年龄人脸识别方法，其特征在于，所述特征提取网络采用深度卷积神经网络实现，深度卷积神经网络使用的卷积形式为深度可分离卷积，网络的子模块中采用注意力机制调节各通道的权重，该深度卷积神经网络的最后一层为卷积核大小与该层输入特征图尺寸一致的全局卷积层。

3.根据权利要求1所述一种基于在线学习的跨年龄人脸识别方法，其特征在于，对特征提取网络输出的原始特征向量进行年龄信息的剔除得到身份特征向量的方法为：对原始特征向量进行残差映射后获得与原始特征向量维数相同的年龄特征向量，将原始特征向量和年龄特征向量按元素相减得到身份特征向量。

4.根据权利要求3所述一种基于在线学习的跨年龄人脸识别方法，其特征在于，在识别结果累积错误达到预设值时修正年龄特征分离网络参数的方法为：对年龄特征向量进行回归预测，同时对不含年龄信息的身份特征向量进行身份识别。

5.根据权利要求4所述一种基于在线学习的跨年龄人脸识别方法，其特征在于，对年龄特征向量进行回归预测的方法为：采用两点表示法将测试图片的正确年龄标签表示为长度与年龄特征向量一致的向量，对年龄特征向量进行归一化，将年龄标签向量和归一化后的年龄特征向量带入损失函数计算损失值，根据损失值修正年龄特征分离网络参数。

6.根据权利要求1所述一种基于在线学习的跨年龄人脸识别方法，其特征在于，对比从测试图片集提取的身份特征向量的相似性的方法为：计算身份特征向量间的余弦角度。

7.根据权利要求1所述一种基于在线学习的跨年龄人脸识别方法，其特征在于，所述年龄特征分离网络包括：

2层全连接层，对原始特征向量进行残差映射，输出与原始特征向量维数相同的年龄特征向量；

年龄信息剔除层，将原始特征向量和年龄特征向量按元素相减，输出身份特征向量；

年龄预测层，对年龄特征向量进行识别，输出年龄识别结果；及，

身份分类器，对身份特征向量进行识别，输出人脸标签识别结果。

8.根据权利要求5所述一种基于在线学习的跨年龄人脸识别方法，其特征在于，采用两点表示法将测试图片的正确年龄标签表示为长度与年龄特征向量一致的向量的方法为：将测试图片的正确年龄标签分别向上、向下取整得到两个基底，将测试图片的年龄特征向量表示为两个基底的线性组合，由线性组合的约束条件确定两个基底的系数，将两个基底的系数表示为长度与年龄特征向量一致的向量。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1所述的跨年龄人脸识别方法。

10.终端设备，其特征在于，包括：存储器、处理器及存储在存储器上并可以在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1所述跨年龄人脸识别方法。