[发明专利]一种基于组稀疏年龄估计方法及电子设备

说明书

本发明提出了一种基于组稀疏年龄估计方法及电子设备，通过训练获取特征提取模型，获取正脸图片和侧脸图片，将正脸图片和侧脸图片分别输入特征提取模型，利用预处理方式实现对正脸和侧脸进行特征提取，获得正脸特征向量和侧脸特征向量，融合正脸特征向量和侧脸特征向量，根据组稀疏算法确定出正脸图片和侧脸图片所对应的年龄预测值。本发明通过预处理对正脸图片和侧脸图片进行特征提取，基于组稀疏理论融合两种特征并进行特征降维，再对特征进行分类，得到年龄期望以完成年龄估计，提高了年龄估计的准确性和效率。

技术领域

本发明涉及人工智能的技术领域，特别是涉及一种基于组稀疏年龄估计方法及电子设备。

背景技术

从一张人脸图像预测一个人的表观年龄是计算机视觉和人工智能领域的一个经典问题。由生物信息学的先验知识，我们知道人类人脸图像包含了丰富的年龄信息，这为年龄估计任务带来了新的思路，尤其是在大角度侧脸和人脸信息不完整的时候。

近年来，以卷积神经网络为基础的方法广泛应用于年龄的分类。通常以正面或接近正面的人脸图像用于这些研究，极少利用侧脸图像进行年龄的估计，这样导致估计出的年龄不够准确。同时，在使用卷积神经网络进行计算时，其计算复杂度往往较高，计算效率较低。

因此，现有技术中缺少一种方法，能够充分利用人脸信息实现对年龄的准确、快速估算。

发明内容

本申请为了解决现有技术中，年龄估计不够准确、计算效率不高的问题，提供了一种基于组稀疏的年龄识别方法。

本发明解决其技术问题采用的技术方案是：

一种基于组稀疏的年龄估计方法，包括如下步骤：S1：通过训练获取特征提取模型；S2：获取正脸图片和侧脸图片；S3：将所述正脸图片和所述侧脸图片分别输入特征提取模型，分别对正脸和侧脸进行特征提取，获得正脸特征向量和侧脸特征向量；S4：利用组稀疏算法融合所述正脸特征向量和所述侧脸特征向量并降维，以完成年龄估计。

进一步地，所述特征提取模型具体包括：正向特征提取模型和侧向特征提取模型；所述通过训练获取特征提取模型包括：从网络中获取人脸正脸图片和人脸侧脸图片；利用shape_predictor_68_face_landmarks.dat模型识别所述人脸正脸图片，并计算出68个正向特征点的坐标位置，根据所述正向特征点的坐标位置从人脸正脸图片中截取正向图片；利用标注工具从所述人脸侧脸图片中标注出侧脸，使用yolov4训练得到侧脸检测器；利用所述侧脸检测器从人脸侧脸图片中筛选出带有侧脸信息的侧脸图片，利用shape_predictor_68_face_landmarks.dat模型识别所述侧脸图片，并计算出68个侧向特征点的坐标位置，根据所述侧向特征点的坐标位置从所述侧脸图片中截取出侧向图片；将获得的正向图片和侧向图片分别按比例划分为训练集、验证集和测试集；所述比例为8:1:1；利用所述训练集分别训练出正向特征提取模型和侧向特征提取模型。