一种基于卷积神经网络的年龄判断方法技术

本发明专利技术涉及一种基于卷积神经网络的年龄判断方法，包括S1，输入原始简历头像数据集，对所述原始简历头像图片进行预处理；S2，训练数据集，对所述原始简历头像图片进行随机裁剪处理，再用随机裁剪好的图像建立样本库，训练卷积神经网络；S3，测试数据集，验证测试过程中通过原始简历头像图片的四个角加人脸中心为基点进行定位裁剪，对测试数据集进行年龄判断的准确率测试；S4，结果预测集，利用测试数据集优化训练好的卷积神经网络模型对输入的若干张图片进行预测，最后对预测结果进行平均。本发明专利技术可以更深度提取人脸的技术特征，提高识别精度；对网络输入的数据样本具有泛化性，能够适应光照、阴影、遮挡等不确定因素的影响。

An Age Judgment Method Based on Convolutional Neural Network

【技术实现步骤摘要】
一种基于卷积神经网络的年龄判断方法
本专利技术涉及一种基于卷积神经网络的年龄判断方法，属于年龄判断领域。
技术介绍
年龄信息作为人类的一种重要生物特征，在人机交互领域中有众多的应用需求，而且对人脸识别系统的性能评估有着重要影响。公司后台系统收到用户填写的简历时，部分用户上传简历照片后缺失年龄和性别信息，需要系统根据简历图像补充性别和年龄范围。传统的年龄判断方法是基于计算面部特征测量值之间的比率，根据不同的年龄类别分类，首先定位面部特征(例如眼睛、鼻子、嘴，下巴等)，测量尺寸和距离随之发生变化，这就导致计算结果容易出现比较大的相对误差。基于神经网络的年龄判断是指应用计算机技术对人脸图像随年龄变化的规律进行建模，通常表现在皮肤纹理、皮肤颜色、光亮程度、和皱纹纹理等方面，从而使机器能够根据面部图像推测出人的大概年龄或所属的年龄范围。如果基于神经网络的年龄估计问题得到解决，那么在日常生活中一定会有广泛的市场应用。例如，根据人脸图像特征进行神经网络年龄判别可以填补企业用户的空白数据信息，为应用客户数据进行分析提供了良好的保障。
技术实现思路
本专利技术是为解决现有技术中的问题而提出的，其目的在于，提供一种可以更深度提取人脸的面部特征的技术，将传统的底层信息进行融合为高层信息，提高识别精度从而得出年龄判断结果的基于卷积神经网络的年龄判断方法。本专利技术提供一种基于卷积神经网络的年龄判断方法，包括以下步骤：S1：输入原始简历头像数据集，对所述原始简历头像图片进行预处理，将原始简历头像图片统一缩放到256*256；S2:训练数据集，对所述原始简历头像图片进行随机裁剪处理，随机裁剪后的图像大小为227*227，再用随机裁剪好的图像建立样本库，训练卷积神经网络；S3：测试数据集，验证测试过程中通过原始简历头像图片的四个角加人脸中心为基点进行定位裁剪，对测试数据集进行年龄判断的准确率测试；S4：结果预测集，利用测试数据集优化训练好的卷积神经网络模型对输入的若干张图片进行预测，最后对预测结果进行平均。优选的，所述输入原始简历头像数据集的权重初始化方法采用高斯正态分布。优选的，所述训练数据集采用dropout，用来限制过拟合；所述训练数据集还包括数据扩充，数据扩充是通过对输入的原始简历头像图片以人脸中心为基点进行随机裁剪。进一步的，所述高斯正态分布的标准差为0.01，均值为0。进一步的，所述dropout的比例采用0.5。优选的，所述训练数据集采用的训练方法为随机梯度下降法。进一步的，所述梯度下降法的min-batch的大小为50，学习率大小为0.001。优选的，所述卷积神经网络模型结构包括3个卷积层和两个全连接层；卷积层1采用96个卷积核，每个卷积核大小为3*7*7，用来提取简历头像图片的图像特征；卷积层2选择256个滤波器，滤波器大小为5*5，卷积步长为1；卷积层3选择384个滤波器，卷积核大小为3*3；全连接层1选择512个神经元；全连接层2选择512个神经元。进一步的，所述卷积神经网络模型结构的每个卷积层后面均设置有一个池化层，所述池化层均采用最大重叠池化，所述池化为3*3的步长为2的最大池化操作。更进一步的，所述卷积神经网络模型结构的卷积层1下还设置有局部响应归一化层，对输入图像数据格式为RGB3通道的彩色图像进行归一化处理，得到输入卷积层2中的参数为96*28*28的单通道图像。本专利技术提出的一种基于卷积神经网络的年龄判断方法相对于现有技术的有益效果在于，采用的网络架构简单，通过将年龄回归问题看做是分类和softmax期望结合的问题；采用深度提取人脸特征的技术，可以对底层信息进行融合得到高层信息，提高识别精度，得出更准确的年龄判断结果；本专利技术的方法对网络输入的数据样本具有泛化性，能够适应光照、阴影、遮挡等不确定因素的影响。附图说明图1是本专利技术方法的流程图；图2是本专利技术方法的卷积神经网络的网络结构图。具体实施方式以下结合附图和具体实施例对本专利技术提出的一种基于卷积神经网络的年龄判断方法作进一步详细说明，从而使本专利技术的目的、技术方案及有益效果更加清楚明白，但不能以此限定本专利技术的保护范围。如图1所示，本专利技术提供一种基于卷积神经网络的年龄判断方法，包括以下步骤：S1：输入原始简历头像数据集，对原始简历头像图片进行预处理，将原始RGB3通道简历头像图片统一缩放到256*256；输入原始简历头像数据集的权重初始化方法采用高斯正态分布；其中，高斯正态分布的标准差为0.01，均值为0。S2:训练数据集，对原始简历头像图片进行随机裁剪处理，随机裁剪后的图像大小为227*227，再用随机裁剪好的图像建立样本库，训练卷积神经网络；训练数据集采用dropout，用来限制过拟合，dropout的比例采用0.5；训练数据集还包括数据扩充，数据扩充是通过对输入的原始简历头像图片以人脸中心为基点进行随机裁剪；训练数据集采用的训练方法为随机梯度下降法，梯度下降法的min-batch的大小为50，学习率大小为0.001，当迭代到10000次以后，把学习率大小调为0.0001。S3：测试数据集，验证测试过程中通过原始简历头像图片的四个角加人脸中心为基点进行定位裁剪，对测试数据集进行年龄判断的准确率测试；S4：结果预测集，利用测试数据集优化训练好的卷积神经网络模型对输入的若干张图片进行预测，最后对预测结果进行平均；预测方法采用输入五张256*256大小的图片，然后对五张图片进行裁剪，裁剪完后的图片大小为227*227，其中四张图片的裁剪采用以256*256的图片的四个角为基点进行裁剪，第五张图片以人脸的中心为基点进行裁剪，然后对这五张图片进行预测，最后对预测的结果进行平均。如图2所示，卷积神经网络模型结构包括3个卷积层和两个全连接层；卷积层1采用96个卷积核，每个卷积核大小为3*7*7，用来提取简历头像图片的图像特征；卷积层2选择256个滤波器，滤波器大小为5*5，卷积步长为1；卷积层3选择384个滤波器，卷积核大小为3*3；卷积神经网络模型结构的卷积层1下还设置有局部响应归一化层，对输入图像数据格式为RGB3通道的大小为227*227的彩色图像进行归一化处理，得到输入卷积层2中的参数为96*28*28的单通道图像；每个卷积层后面均设置有一个池化层，池化层均采用最大重叠池化，池化为3*3的步长为2的最大池化操作。全连接层1选择512个神经元；全连接层2选择512个神经元。最后应说明的是，以上实施方式仅是本专利技术的最佳技术方案，但本领域的普通技术人员应当理解，一切不脱离本专利技术的精神和范围的技术方案及其改进，均应涵盖在本专利技术的覆盖范围中。本文档来自技高网...

【技术保护点】
1.一种基于卷积神经网络的年龄判断方法，其特征在于，包括以下步骤：S1：输入原始简历头像数据集，对所述原始简历头像图片进行预处理，将原始简历头像图片统一缩放到256*256；S2:训练数据集，对所述原始简历头像图片进行随机裁剪处理，随机裁剪后的图像大小为227*227，再用随机裁剪好的图像建立样本库，训练卷积神经网络；S3：测试数据集，验证测试过程中通过原始简历头像图片的四个角加人脸中心为基点进行定位裁剪，对测试数据集进行年龄判断的准确率测试；S4：结果预测集，利用测试数据集优化训练好的卷积神经网络模型对输入的若干张图片进行预测，最后对预测结果进行平均。

【技术特征摘要】
1.一种基于卷积神经网络的年龄判断方法，其特征在于，包括以下步骤：S1：输入原始简历头像数据集，对所述原始简历头像图片进行预处理，将原始简历头像图片统一缩放到256*256；S2:训练数据集，对所述原始简历头像图片进行随机裁剪处理，随机裁剪后的图像大小为227*227，再用随机裁剪好的图像建立样本库，训练卷积神经网络；S3：测试数据集，验证测试过程中通过原始简历头像图片的四个角加人脸中心为基点进行定位裁剪，对测试数据集进行年龄判断的准确率测试；S4：结果预测集，利用测试数据集优化训练好的卷积神经网络模型对输入的若干张图片进行预测，最后对预测结果进行平均。2.根据权利要求1所述的一种基于卷积神经网络的年龄判断方法，其特征在于，所述输入原始简历头像数据集的权重初始化方法采用高斯正态分布。3.根据权利要求1所述的一种基于卷积神经网络的年龄判断方法，其特征在于，所述训练数据集采用dropout，用来限制过拟合；所述训练数据集还包括数据扩充，数据扩充是通过对输入的原始简历头像图片以人脸中心为基点进行随机裁剪。4.根据权利要求1或2所述的一种基于卷积神经网络的年龄判断方法，其特征在于，所述高斯正态分布的标准差为0.01，均值为0。5.根据权利要求1或3所述的一种基于卷积神经网络的年龄判断方法，其特征在于，所述dropout...

【专利技术属性】
技术研发人员：张刚，祝超，黄龙，刘海君，冯萍，
申请(专利权)人：西安募格网络科技有限公司，
类型：发明
国别省市：陕西,61