Automatic estimation method, the invention discloses a human based on age distribution to solve the problem of the lack of marking category comprises the following steps: (1) obtained for face image training set and feature extraction of face image; (2) to reduce the dimensionality of feature extraction is good; (3) collecting each facial image according to the information age, information age, mark the corresponding image generation distribution; (4) the distribution of marker training model using image feature vector generation and calculation, mark distribution prediction of the maximum entropy model and real age distribution of labeled Jeffrey divergence, add smooth regularization as the objective function, and the objective function optimization; (5) finally obtained the test face image age output. The present invention can rapidly and effectively train a model for automatically estimating human age for missing categories, and does not need supplementary information for training, unlike the traditional training set category deletion problem.
【技术实现步骤摘要】
基于标记分布的解决类别缺失问题的人类年龄自动估计方法
本专利技术属于模式识别和机器学习技术,具体涉及一种基于标记分布的解决类别缺失问题的人类年龄自动估计方法。
技术介绍
基于人脸图像的自动年龄估计的应用日趋广泛,主要包括以下几个方面:(1)基于年龄的人机交互系统:与普通的人机交互系统不同的是,通过加入年龄信息,针对不同年龄段的用户采取不同的交互界面或交互方式,保证不同年龄的用户可以更方便的使用人机交互系统;(2)基于年龄的刑事侦查:根据监控设备拍下的犯罪嫌疑人的人脸图像来判断嫌疑人的大概年龄,从而缩小排查范围;(3)基于年龄的访问控制系统:在自动售货机上安装该系统,可以阻止未成年人购买烟酒等产品,并且也可以防止未成年人进入不适宜的场合。由以上可见,人脸图像的自动年龄估计在实际生活中有着巨大的作用,扮演者重要的角色。人脸年龄估计的主要困难之一是现存的人脸数据库在许多年龄上缺少充足的训练数据(人脸图像),比如在老年人以及婴儿这些年龄段,人脸数据库中的人脸图像比少年和青壮年这些年龄段要少很多,并且目前的年龄估计算法又不能充分利用这些数据。在极端情况下,有些年龄的人脸图像非常的难收集,造成在这种情况下该年龄没有人脸图像,形成一种典型的类别缺失问题。以往对于类别缺失问题,往往采用一些辅助信息,比如属性或者语义信息。但是在人脸年龄信息中,并没有合适的辅助信息,只能利用已有的人脸年龄图像来进行建模。而一些现有人脸年龄估计方法并不能很好的直接应用在类别缺失问题上,使用还是有缺陷。
技术实现思路
专利技术目的:本专利技术的目的在于解决现有技术中存在的不足,提供一种基于标记分布的 ...
【技术保护点】
一种基于标记分布的解决类别缺失问题的人类年龄自动估计方法,其特征在于:依次包括以下步骤:(1)获取用于训练的人脸年龄图像数据集,该数据集中缺少某些年龄的样本,对该类别缺失数据集中的人脸图像抽取人脸图像特征向量;(2)对已经抽取出的人脸年龄图像特征向量进行降维,使特征向量的维度降低,作为最终的人脸图像特征向量;(3)收集每幅图像对应的类别信息,即每幅图像的年龄,根据每幅图像的类别信息以及类别之间的关系,给予每幅图像一个标记分布,该标记分布用向量表示,将该标记分布向量作为训练中所需的图像的类别信息;(4)使用人脸图像特征向量及其标记分布作为训练集,求解最大熵模型生成的标记分布与真实年龄生成的标记分布的Jeffrey散度,使Jeffrey散度最小,并加入平滑正则项作为目标函数,对该目标函数进行优化,训练得到可以用于人类年龄自动估计的参数模型,该参数模型可以生成标记分布向量,即预测的年龄分布;(5)将待测人脸图像经过步骤(1)提取出图像的特征向量,并经过步骤(2)进行降维,接着使用步骤(4)中训练出来的参数模型计算得到年龄分布,所述年龄分布表示各个年龄对该图像的描述度,将年龄分布与对应的年龄相 ...
【技术特征摘要】
1.一种基于标记分布的解决类别缺失问题的人类年龄自动估计方法,其特征在于:依次包括以下步骤:(1)获取用于训练的人脸年龄图像数据集,该数据集中缺少某些年龄的样本,对该类别缺失数据集中的人脸图像抽取人脸图像特征向量;(2)对已经抽取出的人脸年龄图像特征向量进行降维,使特征向量的维度降低,作为最终的人脸图像特征向量;(3)收集每幅图像对应的类别信息,即每幅图像的年龄,根据每幅图像的类别信息以及类别之间的关系,给予每幅图像一个标记分布,该标记分布用向量表示,将该标记分布向量作为训练中所需的图像的类别信息;(4)使用人脸图像特征向量及其标记分布作为训练集,求解最大熵模型生成的标记分布与真实年龄生成的标记分布的Jeffrey散度,使Jeffrey散度最小,并加入平滑正则项作为目标函数,对该目标函数进行优化,训练得到可以用于人类年龄自动估计的参数模型,该参数模型可以生成标记分布向量,即预测的年龄分布;(5)将待测人脸...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。