The invention discloses a method for age estimation based on adaptive learning age distribution, which comprises the following steps: 1, face image data are needed; step 2, the establishment of the age distribution of face samples; step 3, the establishment of age prediction model; step 4, the optimization objective function to establish the algorithm; step 5. The prediction model is used to estimate the facial image age label. The method of the invention can effectively grasp the inner structure of the face sample, and then utilize the age label of the relevant context of the sample to realize the analysis of the age label ambiguity.
【技术实现步骤摘要】
基于自适应年龄分布学习的人脸年龄估计方法
本专利技术属于计算机视觉领域,特别地涉及一种基于自适应年龄分布学习的人脸年龄估计方法。
技术介绍
在人脸年龄估计模型中,“年龄分布”这一概念最早是由Geng等人【1】提出。该工作通过对于真实人脸数据的观察,认识到年龄标签存在模糊性,即相近年龄标签之间存在相关性,使用一个年龄范围来表征人脸外貌的发育或老化程度,会比使用单个年龄标签更有实际意义。通过整理近期涉及“年龄分布”的相关工作,我们可以发现这些年龄估计方法大多都假设年龄分布的形式是已知的。比如,IIS-LLD【1】认为每个人脸样本的年龄分布是预先给定的,并且认为这些年龄分布的形式是固定的,即该方法预先设定年龄分布的形式是高斯或三角(GaussianorTriangle);IIS-ALDL则是对IIS-LLD做了改进,该方法认为年龄分布的形式是高斯,但高斯分布的参数是随时间而变化的,即对于不同年龄段的人群,他们年龄分布的形式都是高斯,但是这些高斯分布的参数是不同的。尽管上述这些年龄估计方法通过建立年龄分布加深了对于年龄标签模糊性的理解,并实现了对于相近年龄标签之间相关性的学习,但是由于这些方法的年龄分布是预先设定的,因此也存在不少不足之处。具体而言,限定形式的年龄分布会对年龄预测造成以下不良影响。1,不利于分析年龄标签的模糊性,由于年龄分布的形式是限定的,这也表示该年龄分布的概率质量函数是预先定义的。进而,我们可以推断出限定形式的年龄分布认为相近年龄标签之间的相关性是确定的。但是,在实际中相近年龄标签之间的相关性是因人而异的。比如,对于年轻人而言,他们的人脸外貌每 ...
【技术保护点】
基于自适应年龄分布学习的人脸年龄估计方法,其特征在于,包括以下步骤:步骤1,给出所需要的人脸图像数据;步骤2,建立人脸样本的年龄分布;步骤3,建立人脸年龄预测模型;步骤4,建立算法的优化目标函数;步骤5,运用预测模型估计人脸图像的年龄标签。
【技术特征摘要】
1.基于自适应年龄分布学习的人脸年龄估计方法,其特征在于,包括以下步骤:步骤1,给出所需要的人脸图像数据;步骤2,建立人脸样本的年龄分布;步骤3,建立人脸年龄预测模型;步骤4,建立算法的优化目标函数;步骤5,运用预测模型估计人脸图像的年龄标签。2.如权利要求1所述的基于自适应年龄分布学习的人脸年龄估计方法,其特征在于,步骤1具体包括:步骤11,设立人脸样本集合为{(x1,y1),(x2,y2),…,(xn,yn),…,(xN,yN)},人脸样本总数为N,其中xn表示的是第n个人脸样本的图像特征,yn表示的是第n个人脸样本的年龄标签;设定年龄范围为从1至T岁;步骤12,设立第n个人脸样本的年龄分布为一个T维向量,即pn;其中pn的第t个元素,即pn(t),表示的是第t个年龄标签描述该人脸样本外貌的切合度;步骤13,设立矩阵X为人脸样本图像特征的集合,其中该矩阵的第n列是xn;设立矩阵Y为人脸样本的多标签矩阵,其中该矩阵第t行第n列元素的赋值函数为步骤14,设立矩阵P为年龄分布矩阵,其中该矩阵的第n列是pn。3.如权利要求2所述的基于自适应年龄分布学习的人脸年龄估计方法,其特征在于,步骤2具体包括:步骤21,基于人脸图像特征采用子空间学习技术构造一个人脸子空间表征C,并以此来分析样本上下文之间的关系;所述子空间表征C的目标函数表示为:其中,β1表示的是调节C稀疏度的惩罚因子;β2表示的是归一化C中每一列的惩罚因子;Δy表示的是控制C中稀疏元素数量的门限因子;上述公式表明每一个人脸样本可以表示为其上下文相关样本的线性重构;步骤22,基于给定的人脸子空间表征C,将人脸关系图A定义为:上述公式确保了所建立的样本上下文关系是对称且非负的;步骤23,从人脸样本的上下文结构来分析邻近样本之间的年龄标签相关性,并以此来建立人脸样本的年龄分布;具体而言,假定第n个样本的年龄分布pn是由两部分数据所组成:该样本自身的年龄标签和其邻近样本的年龄标签;于是,设立第n个...
【专利技术属性】
技术研发人员:何周舟,张仲非,李玺,张亚庆,
申请(专利权)人:浙江大学,
类型:发明
国别省市:浙江,33
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。