一种基于人脸图像融合特征的软双层年龄估计方法

摘要

本发明公开了一种基于人脸图像融合特征的软双层年龄估计方法，包括：一、获得待估计人脸图像；二、对图像进行预处理；三、提取融合特征x；四、判断软双层年龄估计方法是否已存在：若是到第六步；若否则转第五步；五、学软双层年龄估计方法：对训练图像提取融合特征，将训练图像划分为两个阶段，学得到二元分类器F(x)，在年龄边界设置重叠区域，扩大每个阶段的年龄范围，分别学得到回归模型Y(x)和A)x)；六、将融合特征x输入软双层年龄估计方法：首先运用二元分类器F(x)，然后根据分类结果选择应用回归模型Y(x)或者A(x)，得到估计年龄值y；七、对估计年龄值进行修正处理。

主权项

一种基于人脸图像融合特征的软双层年龄估计方法，其特征在于，包括以下步骤：步骤一，获得人脸图像；步骤二，进行图像预处理；步骤三，提取人脸图像融合特征；步骤四，判断是否已构建软双层年龄估计方法，若是则跳转到步骤六，若否则进入步骤五；步骤五，构建软双层年龄估计方法；步骤六，应用软双层年龄估计方法得到估计年龄值；步骤七，对估计年龄值进行修正处理，得到最终的年龄估计；步骤一，获得人脸图像包括如下步骤：图像中人脸部分至少占图像区域的30％以上，且人脸图像是正面的，姿态角度小于10度；步骤二图像预处理包括如下步骤：如果人脸图像是非灰度图像，则将其转换为灰度图像；将图像中的人脸与背景分离开来；将人脸部分保存为统一大小的灰度图像；步骤三提取人脸图像融合特征包括如下步骤：将人脸图像划分为一组单元；对每个单元提取HOG特征与LBP特征；在单元粒度上连接HOG特征与LBP特征得到单元粒度的融合特征cx；将所有单元的融合特征cx连接成整个人脸图像的融合特征x；步骤五中构建软双层年龄估计方法，包括如下步骤：根据步骤一对所有训练图像进行处理；根据步骤二、三得到所有训练图像的融合特征，形成训练图像集(X,Y)，其中X为所有训练图像中人脸图像融合特征的集合，Y为训练图像对应年龄值的集合；对训练图像年龄值进行处理，其中b为边界年龄值，15≤b≤25，z为处理后的类标，z值为1或‑1，得到用于学习年龄段分类器的训练图像集(X,Z)，类标处理公式为；$z\left(y\right)=\left\{\begin{array}{cc}1,& y\le b\\ -1,& y>b\end{array}\right.,$采用二元分类方法，学习得到年龄段分类器F(x)；根据以下公式将训练图像集(X,Y)划分为两个集合，$x\in \left\{\begin{array}{cc}YX,& y<b+v\\ AX,& y\ge b-v\end{array}\right.,$初始时将年龄划分为两个阶段，将年龄小于b的阶段做为未成人阶段，大于b的阶段做为成年人阶段，v为在年龄边界扩大的年龄范围值大小，0≤v≤5，即未成人阶段的年龄上界由b增大到b+v，成年人阶段的年龄下界由b减小到b‑v，且2*v为两个阶段的年龄重叠区域大小；对训练图像集(YX,YY)和(AX,AY)，分别应用回归方法学习得到未成年人回归模型Y(x)和成年人回归模型A(x)，其中YY与AY分别为与集合YX和集合AX对应的年龄值集合。