[发明专利]年龄估计方法、装置和电子设备

说明书

本发明提供了一种年龄估计方法、装置和电子设备，将包含有目标对象的待估计图像输入至年龄估计模型，得到输出结果；基于输出结果确定目标对象的年龄；年龄估计模型训练过程为：基于样本图像携带有年龄标签的第一样本集训练初始模型，得到中间模型；通过中间模型和第一样本集为仅包含有样本图像的第二样本集添加年龄标签；通过第一样本集和添加有年龄标签的第二样本集训练中间模型或初始模型，得到年龄估计模型。该方式通过携带有年龄标签的样本图像训练得到中间模型，基于中间模型为没有标签的图像添加年龄标签，从而扩展了样本图像的数量，基于扩展后的大量样本图像训练得到年龄估计模型，提升了模型的泛化能力，也提高了模型年龄估计的准确度。

技术领域

本发明涉及图像处理技术领域，尤其是涉及一种年龄估计方法、装置和电子设备。

背景技术

年龄作为一种重要的人脸属性，在人机交互、智能商务、安全监控和娱乐等领域都有着广泛的应用前景。相关技术中，通常通过训练好的神经网络模型识别人脸图像中人的年龄，该神经网络模型是在年龄数据集上训练得到的，但是由于年龄涉及到个人隐私，收集带有年龄标签的人脸样本是非常困难和耗时的，使得年龄数据集的数据量有限，导致在该年龄数据集上训练得到的模型容易过拟合，使得模型泛化能力较差，从而影响模型年龄估计的准确度。

发明内容

本发明的目的在于提供一种年龄估计方法、装置和电子设备，以提高模型的泛化能力，以及模型进行年龄估计的准确度。

第一方面，本发明提供了一种年龄估计方法，该方法包括：获取包含有目标对象的待估计图像；将待估计图像输入至预先训练完成的年龄估计模型中，得到输出结果；基于该输出结果确定目标对象的年龄；该年龄估计模型通过下述方式训练得到：基于第一样本集训练初始模型，得到中间模型；该第一样本集中的样本图像携带有年龄标签；通过中间模型和第一样本集，为仅包含有样本图像的第二样本集中的样本图像添加年龄标签；通过第一样本集和添加有年龄标签的第二样本集训练中间模型或者训练初始模型，得到年龄估计模型。

在可选的实施方式中，上述通过中间模型和第一样本集，为仅包含有样本图像的第二样本集中的样本图像添加年龄标签的步骤，包括：按照一个年龄值对应一个子样本集的规则，根据第一样本集中样本图像的年龄标签对应的年龄值，将第一样本集划分为多个子样本集；通过中间模型，得到第一样本集中每个样本图像对应的特征值和第二样本集中每个样本图像对应的特征值；针对第二样本集中的每个样本图像，根据当前图像的特征值与第一样本集中每个样本图像的特征值，确定当前图像与每个子样本集之间的距离；基于当前图像与每个子样本集之间的距离，确定当前图像的年龄标签。

在可选的实施方式中，上述通过中间模型，得到第一样本集中每个样本图像对应的特征值和第二样本集中每个样本图像对应的特征值的步骤，包括：将第一样本集中的样本图像依次输入至中间模型中，通过中间模型对输入的图像进行特征提取，得到第一样本集中每个样本图像对应的特征值；将第二样本集中的样本图像依次输入至中间模型中，通过该中间模型对输入的图像进行特征提取，得到第二样本集中每个样本图像对应的特征值。

在可选的实施方式中，上述根据当前图像的特征值与第一样本集中每个样本图像的特征值，确定当前图像与每个子样本集之间的距离的步骤，包括：通过下述算式，确定当前图像与每个子样本集之间的距离：

其中，表示第二样本集中的第i个样本图像与年龄值为k的子样本集之间的距离；N′为正整数，表示第二样本集中样本图像的总数；M为正整数，表示第一样本集中对应的年龄值的最大值；N^k为正整数，表示年龄值为k的子样本集中的样本图像的总数；f_i′表示第二样本集中的第i个样本图像的特征值；表示年龄值为k的子样本集中第j个样本图像的特征值；代表向量的F范数的平方。