[发明专利]基于人脸对准技术和Dropout-SVM的年龄性别识别方法

说明书

本发明基于人脸对准技术和Dropout‑SVM的年龄性别识别方法属于生物特征身份识别技术领域；该方法依次执行以下步骤：第一、建立人脸图像数据库，从公共Flickr相册上获取具有正面的人脸的图像；第二、人脸图像面部对齐，首先对人脸图像进行鲁棒人脸特征检测，得到面部特征点，然后运用迭代重加权最小二乘法，将面部特征点与单个参考坐标系对齐；第三、性别年龄分类，采用Dropout‑SVM方法进行性别年龄分类；本发明利用人脸对准技术去推断面部属性，解决面部检测中人脸对不准的问题；在识别过程中，采用Dropout‑SVM方案进行分类，解决因数据缺乏造成的过度拟合问题，最终提高人脸图像年龄性别识别准确率。

技术领域

本发明基于人脸对准技术和Dropout-SVM的年龄性别识别方法属于生物特征身份识别技术领域。

背景技术

相比钥匙、密码或号码等传统识别方式，生物识别方式具有更安全、更便利的优点。在众多生物识别方式中，人脸由于承载了更多的信息，因此基于人脸图像的某种信息识别得到了快速发展。其中，通过人脸识别作年龄和性别，已经有很多学者开展了研究工作。

现有研究表明，在人脸图像识别过程中，面部对齐起到重要作用。Zhu和Ramanan提出了一种鲁棒面部特征检测器(Face detection,pose estimation,and landmarklocalization in the wild)，可以检测到包括眼角、嘴角和鼻子等68个面部特征，并利用这些特征，对齐图像。但是，点定位误差和人脸形状变化会降低对齐的准确率，进而影响了年龄和性别识别的准确率。

发明内容

本发明的目的是在提供一种基于人脸对准技术和Dropout-SVM的年龄性别识别方法，利用人脸对准技术去推断面部属性，解决面部检测中人脸对不准的问题；在识别过程中，采用Dropout-SVM方案进行分类，解决因数据缺乏造成的过度拟合问题，最终实现提高人脸图像年龄性别识别准确率的技术目的。

本发明的目的是这样实现的：

基于人脸对准技术和Dropout-SVM的年龄性别识别方法，包括以下步骤：

步骤a、建立人脸图像数据库

从公共Flickr相册上下载人脸图像，运用Viola和Jones人脸检测算法检测到具有正面的人脸的图像，过滤掉无用照片；

步骤b、人脸图像面部对齐

首先对步骤a得到的人脸图像进行鲁棒人脸特征检测，得到面部特征点，然后运用迭代重加权最小二乘法，将面部特征点与单个参考坐标系对齐；

步骤c、性别年龄分类

采用Dropout-SVM方法进行性别年龄分类，其中，使用单一的线性支持向量机进行性别分类；使用一对一的线性支持向量机进行年龄分类。

上述基于人脸对准技术和Dropout-SVM的年龄性别识别方法，在步骤a中，如果人脸图像噪声过大或过小，则被视为无用照片被过滤；如果人脸图像偏航角大于45°，则被视为无用照片被过滤。

上述基于人脸对准技术和Dropout-SVM的年龄性别识别方法，步骤b中所述的面部特征点分布在左眉毛、右眉毛、左眼睛、右眼睛、鼻子、嘴部轮廓、嘴和下颌，并对面部特征点进行编码。

上述基于人脸对准技术和Dropout-SVM的年龄性别识别方法，在步骤b中，假设正面面部参考特征点为

对于待分类面部图像中给定的参考特征点其中，i为特征点的序号，j为训练人脸图像的序号；基于正面面部参考特征点r_i，采用最小二乘法，计算第j幅人脸图像中对应面部特征点q_i,j的一个初始的、时间为0的对齐变换

而对于所有待分类面部图像，表示为：