[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

说明书

本发明公开了一种基于人脸特征学习的轻量级多头年龄估计方法，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；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；对人脸图片训练数据集利用多头网络进行多次二分类任务和一次回归任务的训练；利用损失函数引导人脸年龄估计网络学习包括二元交叉熵损失和Smooth‑L1损失的最佳参数，使用预处理后的训练集训练多头的年龄估计主干网络，获得最佳多头人脸年龄估计模型。

技术领域

本发明涉及一种基于人脸特征学习的轻量级多头年龄估计方法，属于计算机视觉技术领域。

背景技术

随着科学技术的不断发展，人们越来越追求安全、便捷、舒适的生活，例如人们在享受汽车带来便捷出行同时，也更多的关注行车安全问题。因此，如何改善驾驶安全，保障人身安全是目前汽车研究领域一个重要课题。近些年随着辅助驾驶系统(ADAS)和驾驶员监控系统(DMS)的出现，在一定程度上保障了驾驶的安全性。

驾驶员监控系统利用传感器与算法的融合达到对驾驶员属性、状态的实时监控，提高驾驶的安全性。人脸年龄估计任务作为驾驶员监控系统中一个重要的基础任务，实现高效、准确、稳定的人脸年龄估计算法必定能够在驾驶员监控系统中发挥重大作用。

现有技术中，卷积神经网络在分类任务上取得了较大的提升，其准确率已远高于非深度学习方法。虽然卷积神经网络从早期的浅层神经网络不断发展到目前各种复杂结构，在各大计算机视觉任务中已取得巨大的成功，但庞大的网络很难在实际的算力资源有效地在嵌入式平台上使用，并且目前的年龄估计网络大多单独使用分类或者回归的方法来做年龄估计的任务，在精度上还有很大的提高空间。

因此，如何能够将当前优异的深度学习网络模型适配到人脸年龄估计任务中，并且部署到实际应用场景中是目前丞待解决的重要问题。

发明内容

本发明所要解决的技术问题是克服现有技术的缺陷，提供一种基于人脸特征学习的轻量级多头年龄估计方法。

为达到上述目的，本发明提供一种基于人脸特征学习的轻量级多头年龄估计方法，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。

优先地，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；

对人脸图片训练数据集利用多头网络进行多次二分类任务和一次回归任务的训练；

利用损失函数引导人脸年龄估计网络学习包括二元交叉熵损失和Smooth-L1损失的最佳参数，使用预处理后的训练集训练多头的年龄估计主干网络，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主干网络，获得多头人脸年龄估计模型。

优先地，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。

优先地，年龄标签处理，包括：