[发明专利]一种基于人脸特征学习的轻量级多头年龄估计方法

权利要求书

1.一种基于人脸特征学习的轻量级多头年龄估计方法，其特征在于，包括：

向构建的多头人脸年龄估计模型中输入预处理后的待测人脸图片，构建的多头人脸年龄估计模型预测输出人脸年龄；

构建多头人脸年龄估计模型，包括：

预处理人脸图片训练数据集，将人脸图片训练数据集按比例分为训练集、验证集和测试集；

以经过通道压缩的SSR-NET特征提取网络作为双支路多头的年龄估计主干网络，在年龄估计主干网络后接上多头网络；多头网络包括多个二分类分支和单个回归分支；

利用人脸图片训练数据集进行训练；

利用损失函数引导人脸年龄估计网络学习年龄估计网络的最佳参数，使用预处理后的训练集训练多头的年龄估计网络，获得最佳多头人脸年龄估计模型；

利用测试集测试多头人脸年龄估计模型，若多头人脸年龄估计模型不满足设定的要求，则调整模型参数，使用预处理后的训练集训练多头的年龄估计网络，获得多头人脸年龄估计模型；利用人脸图片训练数据集进行训练，包括：

二分类分支计算期望值作为实际预测年龄；回归分支输出只用于网络反向传播，调整网络参数，辅助分类支路学习参数，不作为最终年龄估计的输出；

二分类分支计算期望值作为实际预测年龄，包括：

将年龄间隔为[1,M]的年龄估计任务均匀划分为M-1个区间，每个区间宽度μ_i为1，对于给定的人脸图片和One-hot年龄编码标签，将One-hot年龄编码标签转换为One-hot编码，使用二元交叉熵作为损失函数进行网络反向传播；

多头网络输出预测分布向量预测分布向量表示人脸图片属于每个年龄区间的概率；

利用公式(1)计算期望值，预测实际年龄y：

其中，μ_i代表区间宽度，p_i代表网络预测分布向量。

2.根据权利要求1所述的一种基于人脸特征学习的轻量级多头年龄估计方法，其特征在于，人脸图片训练数据集和待测人脸图片均包括多个年龄段的训练人脸图片，训练人脸图片和待测人脸图片均为由车载摄像头采集并经过抠取提取人脸得到的人脸图片，预处理训练人脸图片和预处理待测人脸图片包括：

对人脸图片进行真实年龄的标注，年龄标注数值有M个；

从人脸图片训练数据集中随机次序批量读取人脸图片；

对人脸图片进行数据增强；

对人脸图片进行年龄标签处理；

年龄标签处理，包括：

对人脸图片标记用于回归的原始标签，原始标签为人脸图片对应的实际年龄；对人脸图片标记用于分类的One-hot年龄编码标签，One-hot年龄编码标签将实际年龄编码成M维，M维由0、1两元素组成的向量。

3.根据权利要求2所述的一种基于人脸特征学习的轻量级多头年龄估计方法，其特征在于，数据增强包括通道处理和几何操作；

其中，通道处理使用灰度化方法，将原本三通道的RGB人脸图片通过通道像素值加权的方法转换成单通道；几何操作包括缩放、随机裁剪和水平翻转，最终输出固定尺寸的人脸图片。

4.根据权利要求2所述的一种基于人脸特征学习的轻量级多头年龄估计方法，其特征在于，利用损失函数引导人脸年龄估计网络学习年龄估计网络的最佳参数，包括：

总的损失函数如公式(2)所示：

L＝λ_clsL_cls+λ_regL_reg (2)

其中，L_cls为二元交叉熵损失，L_reg为Smooth-L1损失；λ_cls和λ_reg为损失权衡系数，λ_cls和λ_reg设置为1；损失函数值L越小，人脸年龄估计网络拟合效果越好；

L_cls计算公式为：

其中，训练集分为多个批次，N表示每个批次有N个人脸图片，i表示第i个人脸图片，p(x)为One-hot数据标签的真实分布；q(x)为二分类支路预测分布；

L_reg计算公式为：

其中，x为回归分支的输出。