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;<maths num="0001"><math><![CDATA[<mrow><mi>z</mi><mrow><mo>(</mo><mi>y</mi><mo>)</mo></mrow><mo>=</mo><mfenced open = "{" close = ""><mtable><mtr><mtd><mrow><mn>1</mn><mo>,</mo></mrow></mtd><mtd><mrow><mi>y</mi><mo>≤</mo><mi>b</mi></mrow></mtd></mtr><mtr><mtd><mrow><mo>-</mo><mn>1</mn><mo>,</mo></mrow></mtd><mtd><mrow><mi>y</mi><mo>></mo><mi>b</mi></mrow></mtd></mtr></mtable></mfenced><mo>,</mo></mrow>]]></math><img file="FDA0001146964120000011.GIF" wi="438" he="191" /></maths>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,<maths num="0002"><math><![CDATA[<mrow><mi>x</mi><mo>∈</mo><mfenced open = "{" close = ""><mtable><mtr><mtd><mrow><mi>Y</mi><mi>X</mi><mo>,</mo></mrow></mtd><mtd><mrow><mi>y</mi><mo><</mo><mi>b</mi><mo>+</mo><mi>v</mi></mrow></mtd></mtr><mtr><mtd><mrow><mi>A</mi><mi>X</mi><mo>,</mo></mrow></mtd><mtd><mrow><mi>y</mi><mo>≥</mo><mi>b</mi><mo>-</mo><mi>v</mi></mrow></mtd></mtr></mtable></mfenced><mo>,</mo></mrow>]]></math><img file="FDA0001146964120000021.GIF" wi="462" he="198" /></maths>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。 |