[发明专利]一种基于人脸属性的年龄识别方法及系统

摘要

本发明提供一种基于人脸属性的年龄识别方法，用于对待识别图像进行人脸识别从而判断出与该待识别图像对应的人物的预测年龄数值，其特征在于，包括如下步骤：步骤S1，构建基于分类回归的深度神经网络模型并采用多个具有对应的实际年龄值的现有人脸图像作为训练集对该深度神经网络模型进行训练，从而得到训练后的深度神经网络模型作为年龄预测模型；步骤S2，对待识别图像进行预处理从而获得预处理识别图像；步骤S3，将预处理识别图像输入年龄预测模型获取年龄期望值作为预测年龄数值。

主权项

1.一种基于人脸属性的年龄识别方法，用于对待识别图像进行人脸识别从而判断出与该待识别图像对应的人物的预测年龄数值，其特征在于，包括如下步骤：步骤S1，构建基于分类回归的深度神经网络模型并采用多个具有对应的实际年龄值的现有人脸图像作为训练集对该深度神经网络模型进行训练，从而得到训练后的深度神经网络模型作为年龄预测模型；步骤S2，对所述待识别图像进行预处理从而获得预处理识别图像；步骤S3，将所述预处理识别图像输入所述年龄预测模型获取年龄期望值作为所述预测年龄数值，其中，所述步骤S1包括如下子步骤：步骤S1‑1，对用于作为所述训练集的多个所述现有人脸图像进行预处理从而获得同一尺寸的预处理现有图像；步骤S1‑2，将所述预处理现有图像水平翻转并随机添加高斯噪声形成的处理图像以及所述预处理现有图像作为待训练图像；步骤S1‑3，构建含有输入层、卷积模块、下采样层以及分类回归模块的深度神经网络模型；步骤S1‑4，将所述分类回归模块根据年龄类别进行分类并初始化对应各个所述年龄类别的年龄计算概率；步骤S1‑5，将所述待训练图像作为训练集从所述输入层输入所述深度神经网络模型，并进行前向传播至所述分类回归模块完成年龄期望值的计算；步骤S1‑6，根据所述训练集所对应的所述实际年龄值、所述年龄期望值以及所述年龄计算概率计算损失误差；步骤S1‑7，将所述损失误差反向传播并更新模型参数；步骤S1‑8，重复步骤S1‑5至步骤S1‑7直至达到训练完成条件，得到训练后的深度神经网络模型作为所述年龄预测模型。