基于后验概率神经网络的人类年龄自动估计方法

摘要

本发明公布了一种基于后验概率神经网络的人类年龄自动估计方法，所述方法包括训练阶段和应用阶段，在训练阶段包括以下步骤：获取人脸图像；使用外观模型对人脸图像抽取特征；生成图像对应的年龄分布；将得到的特征和人脸图像关于年龄的分布作为输入，然后对后验概率神经网络训练；训练结束并得到一个模型并输出到下一个阶段；应用阶段包括以下几个步骤：获取待估计的人脸图像；使用外观模型进行特征抽取；将抽取到的特征输入到由训练阶段得到的模型中；经过模型的运算可以得出该副图像对应年龄的一个分布，把这个分布中能够得取到最大值的年龄作为系统估计的年龄。

主权项

1.一种基于后验概率神经网络的人类年龄自动估计方法，其特点在于使用神经网络作为模型并且主要包括训练阶段和应用阶段，在训练阶段包括以下步骤： （1）获取人脸图像； （2）使用外观模型对人脸图像抽取特征； （3）生成图像对应的年龄分布； （4）将得到的特征和人脸图像关于年龄的分布作为输入； （5）使用后验概率神经网络进行训练； （6）训练结束并得到一个模型并输出到下一个阶段； 在应用阶段包括以下几个步骤： （a）获取待估计的人脸图像； （b）使用外观模型进行特征抽取； （c）将抽取到的特征输入到在训练阶段得到的模型中； （d）经过模型的运算得出该副图像对应年龄的一个分布，把这个分布中能够得取到最大值的年龄作为系统估计的年龄； 其中，后验概率神经网络训练算法推导过程如下： 概率输出表示： p(x,y)=exp(c(w)+f(x,y,w))    (1) x，y是离散型的随机变量，w是神经网络的权值，f是神经网络的输出；其中c(w)是为了确保最终的输出满足概率的要求，其定义为 将其带入公式（1）中得到 对y求和得到关于x边缘分布 使用贝叶斯公式后得到 将公式（5）作为条件概率神经网络的输出信号，并简写为 p(y|x)=exp(b(x,w),f(x,y,w))    (6) 其中b(x,w)的表示如下 在原有的神经网络的基础上引入误差函数 其中t_k是第k副图像对应的一个分布，t_k,age是这个分布在年龄为age时的概率值；K是数据库中样本的总数，A是数据库内最大的年龄；x_k是第k个样本的特征，y_age是一个年龄，w是神经网络的权值；对误差函数求梯度得到 其中 经过推导得到当l为输出层的时候δ_li=1，l为隐含层的时候其中G是一个sigmod函数，z_(l-1)j是前一层网络单元的输出；当l=1是z_(l-1)j=x_j，即第j个输入单元；经过上面的推导得到后验概率神经网络的训练算法如下： 隐含层和输出之间的训练算法即l=2的时候 输入层和隐含层之间的训练算法即l=1的时候