一种基于多输出卷积神经网络的性别识别方法、装置及计算设备制造方法及图纸

本发明专利技术公开了一种基于多输出卷积神经网络的性别识别方法、装置及计算设备，该方法包括：从图像数据库中获取人脸图像数据，其包括人脸图像和人脸性别；根据人脸图像数据，对第一卷积神经网络进行训练，第一神经网络包括依次相连的第一卷积层、第一下采样层、第二卷积层、第二下采样层、第一全连接层和第二全连接层；在训练好的第一卷积神经网络中添加第三全连接层和第四全连接层以生成第二卷积神经网络；根据人脸图像数据，对第二卷积神经网络进行训练；将待识别人脸图像输入到训练好的第二卷积神经网络中，得到第二全连接层输出的第一性别输出和第四连接层输出的第二性别输出；根据第一性别输出和第二性别输出判断待识别人脸图像的性别。

【技术实现步骤摘要】

本专利技术涉及图像处理
，特别涉及一种基于多输出卷积神经网络的性别识别方法、装置及计算设备。
技术介绍
人脸作为重要的生物特征之一，人脸图像上蕴含了大量信息，如性别、年龄、人种等。随着图像处理技术中对人脸图像研究的进一步深入，特别是在人脸性别识别方面，在如PCA、LBP等传统人工提取特征的方法之外，以卷积神经网络(CNN：ConvolutionalNeuralNetwork)为基础的人脸性别识别方法也逐渐发展起来。然而，现有的利用卷积神经网络进行人脸性别识别的方法中，在训练卷积神经网络时，由于数据分布不均匀，会导致预测结果向样本数量比较多的一类靠拢，尤其是在性别这种二分类问题上，如果女性样本偏多，在预测的时候会将一些男性预测为女性，反之亦然。对于数据不平衡的问题，大多采用的数据增益的方式，将样本数比较少的一类，通过一定的相似性变化，生成样本，以此弥补分布不均衡所带来的缺陷。但是，样本数较少的一类，因数据会过于单一，在情况复杂时并不能得到满意的效果。
技术实现思路
为此，本专利技术提供一种基于多输出卷积神经网络的性别识别方案，以力图解决或者至少缓解上面存在的问题。根据本专利技术的一个方面，提供一种基于多输出卷积神经网络的性别识别方法，适于在计算设备中执行，该方法包括如下步骤：首先，从图像数据库中获取人脸图像数据，人脸图像数据包括人脸图像和人脸性别，人脸图像保持水平正面且满足预设尺寸，人脸性别包括男性和女性中任一种；根据人脸图像数据，对第一卷积神经网络进行训练，第一神经网络包括依次相连的第一卷积层、第一下采样层、第二卷积层、第二下采样层、第一全连接层和第二全连接层；在训练好的第一卷积神经网络中添加第三全连接层和第四全连接层以生成第二卷积神经网络，其中第三全连接层与训练好的第一全连接层相同并与第二下采样层相连，第四全连接层与训练好的第二连接层相同并与第三全连接层相连；根据人脸图像数据，对第二卷积神经网络进行训练；将待识别人脸图像输入到训练好的第二卷积神经网络中进行性别识别，得到第二全连接层输出的第一性别输出和第四连接层输出的第二性别输出；根据第一性别输出和第二性别输出判断待识别人脸图像的性别。可选地，在根据本专利技术的基于多输出卷积神经网络的性别识别方法中，根据人脸图像数据，对第一卷积神经网络进行训练包括：将人脸图像作为第一卷积神经网络中第一卷积层的输入、人脸性别作为第一卷积神经网络中第二卷积层的输出，对第一卷积神经网络进行训练。可选地，在根据本专利技术的基于多输出卷积神经网络的性别识别方法中，根据人脸图像数据，对第二卷积神经网络进行训练包括：对人脸性别进行分类，得到第一性别类型和第二性别类型，第一性别类型包括男性和非男性中任一种，第二性别类型包括女性和非女性中任一种；将人脸图像作为第二卷积神经网络中第一卷积层的输入、第一性别类型作为第二卷积神经网络中第二全连接层的输出、第二性别类型作为第二卷积神经网络中第四全连接层的输出，对第二卷积神经网络进行训练。可选地，在根据本专利技术的基于多输出卷积神经网络的性别识别方法中，还包括对待识别图像进行预处理以获取待识别人脸图像。可选地，在根据本专利技术的基于多输出卷积神经网络的性别识别方法中，对待识别图像进行预处理以获取待识别人脸图像包括：对待识别图像进行人脸检测，获取人脸位置信息；通过人脸位置信息，将待识别图像中的人脸裁剪后转换至预设尺寸；根据人脸关键点信息计算人脸进行平面旋转的变换矩阵；利用变换矩阵将预设尺寸下的人脸图像旋转成水平正面以获取待识别人脸图像。可选地，在根据本专利技术的基于多输出卷积神经网络的性别识别方法中，第一性别输出包括初始男性概率和非男性概率，第二性别输出包括初始女性概率和非女性概率。可选地，在根据本专利技术的基于多输出卷积神经网络的性别识别方法中，根据第一性别输出和第二性别输出判断待识别人脸图像的性别包括：将初始男性概率与非女性概率之和作为男性概率；将初始女性概率和非男性概率之和作为女性概率；若男性概率大于女性概率，则判断待识别人脸图像的性别为男性；若男性概率小于女性概率，则判断待识别人脸图像的性别为女性。根据本专利技术的又一个方面，提供一种基于多输出卷积神经网络的性别识别装置，适于驻留在计算设备中，该装置包括获取模块、第一训练模块、生成模块、第二训练模块、识别模块和判断模块。其中，获取模块适于从图像数据库中获取人脸图像数据，人脸图像数据包括人脸图像和人脸性别，人脸图像保持水平正面且满足预设尺寸，人脸性别包括男性和女性中任一种；第一训练模块适于根据人脸图像数据，对第一卷积神经网络进行训练，第一神经网络包括依次相连的第一卷积层、第一下采样层、第二卷积层、第二下采样层、第一全连接层和第二全连接层；生成模块适于在训练好的第一卷积神经网络中添加第三全连接层和第四全连接层以生成第二卷积神经网络，其中第三全连接层与训练好的第一全连接层相同并与第二下采样层相连，第四全连接层与训练好的第二连接层相同并与第三全连接层相连；第二训练模块适于根据人脸图像数据，对第二卷积神经网络进行训练；识别模块适于将待识别人脸图像输入到训练好的第二卷积神经网络中进行性别识别，得到第二全连接层输出的第一性别输出和第四连接层输出的第二性别输出；判断模块适于根据第一性别输出和第二性别输出判断待识别人脸图像的性别。可选地，在根据本专利技术的基于多输出卷积神经网络的性别识别装置中，第一训练模块进一步适于：将人脸图像作为第一卷积神经网络中第一卷积层的输入、人脸性别作为第一卷积神经网络中第二卷积层的输出，对第一卷积神经网络进行训练。可选地，在根据本专利技术的基于多输出卷积神经网络的性别识别装置中，第二训练模块进一步适于：对人脸性别进行分类，得到第一性别类型和第二性别类型，第一性别类型包括男性和非男性中任一种，第二性别类型包括女性和非女性中任一种；将人脸图像作为第二卷积神经网络中第一卷积层的输入、第一性别类型作为第二卷积神经网络中第二全连接层的输出、第二性别类型作为第二卷积神经网络中第四全连接层的输出，对第二卷积神经网络进行训练。可选地，在根据本专利技术的基于多输出卷积神经网络的性别识别装置中，还包括预处理模块，适于对待识别图像进行预处理以获取待识别人脸图像。可选地，在根据本专利技术的基于多输出卷积神经网络的性别识别装置中，预处理模块进一步适于：对待识别图像进行人脸检测，获取人脸位置信息；通过人脸位置信息，将待识别图像中的人脸裁剪后转换至预设尺寸；根据人脸关键点信息计算人脸进行平面旋转的变换矩阵；利用变换矩阵将预设尺寸下的人脸图像旋转成水平正面以获取待识别人脸图像。可选地，在根据本专利技术的基于多输出卷积神经网络的性别识别装置中，第一性别输出包括初始男性概率和非男性概率，第二性别输出包括初始女性概率和非女性概率。可选地，在根据本专利技术的基于多输出卷积神经网络的性别识别装置中，判断模块进一步适于：将初始男性概率与非女性概率之和作为男性概率；将初始女性概率和非男性概率之和作为女性概率；当男性概率大于女性概率时，判断待识别人脸图像的性别为男性；当男性概率小于女性概率时，判断待识别人脸图像的性别为女性。根据本专利技术的又一个方面，还提供一种计算设备，包括根据本专利技术的基于多输出卷积神经网络的性别识别装置。根据本专利技术的基于多输出卷积神经网络的性别识别的技术方本文档来自技高网...

【技术保护点】
一种基于多输出卷积神经网络的性别识别方法，适于在计算设备中执行，所述方法包括：从图像数据库中获取人脸图像数据，所述人脸图像数据包括人脸图像和人脸性别，所述人脸图像保持水平正面且满足预设尺寸，所述人脸性别包括男性和女性中任一种；根据所述人脸图像数据，对第一卷积神经网络进行训练，所述第一神经网络包括依次相连的第一卷积层、第一下采样层、第二卷积层、第二下采样层、第一全连接层和第二全连接层；在训练好的第一卷积神经网络中添加第三全连接层和第四全连接层以生成第二卷积神经网络，其中所述第三全连接层与训练好的第一全连接层相同并与第二下采样层相连，所述第四全连接层与训练好的第二连接层相同并与第三全连接层相连；根据所述人脸图像数据，对第二卷积神经网络进行训练；将待识别人脸图像输入到训练好的第二卷积神经网络中进行性别识别，得到第二全连接层输出的第一性别输出和第四连接层输出的第二性别输出；根据所述第一性别输出和所述第二性别输出判断待识别人脸图像的性别。

【技术特征摘要】
1.一种基于多输出卷积神经网络的性别识别方法，适于在计算设备中执行，所述方法包括：从图像数据库中获取人脸图像数据，所述人脸图像数据包括人脸图像和人脸性别，所述人脸图像保持水平正面且满足预设尺寸，所述人脸性别包括男性和女性中任一种；根据所述人脸图像数据，对第一卷积神经网络进行训练，所述第一神经网络包括依次相连的第一卷积层、第一下采样层、第二卷积层、第二下采样层、第一全连接层和第二全连接层；在训练好的第一卷积神经网络中添加第三全连接层和第四全连接层以生成第二卷积神经网络，其中所述第三全连接层与训练好的第一全连接层相同并与第二下采样层相连，所述第四全连接层与训练好的第二连接层相同并与第三全连接层相连；根据所述人脸图像数据，对第二卷积神经网络进行训练；将待识别人脸图像输入到训练好的第二卷积神经网络中进行性别识别，得到第二全连接层输出的第一性别输出和第四连接层输出的第二性别输出；根据所述第一性别输出和所述第二性别输出判断待识别人脸图像的性别。2.如权利要求1所述的方法，所述根据所述人脸图像数据，对第一卷积神经网络进行训练包括：将所述人脸图像作为第一卷积神经网络中第一卷积层的输入、所述人脸性别作为第一卷积神经网络中第二卷积层的输出，对第一卷积神经网络进行训练。3.如权利要求1所述的方法，所述根据所述人脸图像数据，对第二卷积神经网络进行训练包括：对所述人脸性别进行分类，得到第一性别类型和第二性别类型，所述第一性别类型包括男性和非男性中任一种，所述第二性别类型包括女性和非女性中任一种；将所述人脸图像作为第二卷积神经网络中第一卷积层的输入、所述第一性别类型作为第二卷积神经网络中第二全连接层的输出、所述第二性别类型作为第二卷积神经网络中第四全连接层的输出，对第二卷积神经网络进行训练。4.如权利要求1所述的方法，还包括对待识别图像进行预处理以获取待识别人脸图像。5.如权利要求4所述的方法，所述对待识别图像进行预处理以获取待识别人脸图像包括：对待识别图像进行人脸检测，获取人脸位置信息；通过所述人脸位置信息，将所述待识别图像中的人脸裁剪后转换至预设尺寸；根据人脸关键点...

【专利技术属性】
技术研发人员：曾志勇，许清泉，张伟，洪炜冬，
申请(专利权)人：厦门美图之家科技有限公司，
类型：发明
国别省市：福建;35