人脸属性识别方法、装置和模型建立方法制造方法及图纸

本发明专利技术公开了人脸属性识别方法、装置和模型建立方法，其中人脸属性识别方法包括以下步骤：从当前图像获取当前响应区域；根据平均响应区域和所述当前响应区域计算属性关联区域；对所述属性关联区域作感兴趣区域池化，得到预设大小的待定特征图；根据所述待定特征图预测人脸属性。人脸属性识别方法可以通过感兴趣区域池化，把属性关联区域变形池化为预设大小的待定特征图，解决了现有的各属性对应的关联区域尺度不一，不利于后续基于统一模型的多属性识别的问题，从而实现了通过一个卷积神经网络即可实现人脸图像的多个属性的识别。

【技术实现步骤摘要】
人脸属性识别方法、装置和模型建立方法
本专利技术涉及一种图像识别技术，尤其涉及一种人脸属性识别方法、装置和模型建立方法。
技术介绍
人脸属性识别是指对人脸图像所表现出来的属性进行估计、判别和分析。人脸属性包括性别，年龄，表情，动作，是否戴眼镜，是否戴墨镜，眼睛大小，眼睛睁开或者闭着，嘴巴张开或者闭着，头发长短或者直发卷发类别，正面或侧面等。由此可知，人脸的属性可以划分为长期属性和短期属性。长期属性指一段时间内不会变化的属性，如性别、年龄等，短期属性指附加在人脸上的可以随时去除的属性，如戴口罩、戴眼镜、戴项链、化妆、发型等。目前，人脸属性识别的方法通常分为两种：全局方法和局部方法。全局方法直接从整张人脸提取特征，并利用得到的特征进行分类。这种方法考虑了全局的特征，对一些响应位置较大的属性，如戴眼镜、黑头发等，可以较容易地正确识别，但是对于一些比较响应位置比较小的属性，如弧形眉毛等，就不能进行精确的识别，而且全局方法对于人脸这种有形变的对象来说鲁棒性较差，一旦有表情、角度等变化，识别准确率就会降低。局部方法都是依赖于人工判定属性归属的区域，然后对这些特定的区域来提取特征，再判断属性是否存本文档来自技高网...

【技术保护点】
一种人脸属性识别方法，其特征在于，包括以下步骤：从当前图像获取当前响应区域；根据平均响应区域和所述当前响应区域计算属性关联区域；对所述属性关联区域作感兴趣区域池化，得到预设大小的待定特征图；根据所述待定特征图预测人脸属性。

【技术特征摘要】
1.一种人脸属性识别方法，其特征在于，包括以下步骤：从当前图像获取当前响应区域；根据平均响应区域和所述当前响应区域计算属性关联区域；对所述属性关联区域作感兴趣区域池化，得到预设大小的待定特征图；根据所述待定特征图预测人脸属性。2.如权利要求1所述的人脸属性识别方法，其特征在于：所述从当前图像获取当前响应区域，具体为通过卷积神经网络从当前图像获取当前响应区域，所述卷积神经网络包括卷积层。3.如权利要求2所述的人脸属性识别方法，其特征在于：所述从当前图像获取当前响应区域，具体包括以下步骤：计算所述当前图像的初始特征图；计算所述初始特征图的响应图；根据所述响应图提取所述当前响应区域。4.如权利要求3所述的人脸属性识别方法，其特征在于：所述当前响应区域具体为所述响应图中响应值大于响应阈值的连通区域。5.如权利要求1-4中任一项所述的人脸属性识别方法，其特征在于：所述根据平均响应区域和所述当前响应区域计算属性关联区域，具体为：将所述平均响应区域和所述当前响应区域按预设比例加权平均，响应值较大的区域作为属性关联区域。6.如权利要求1-4中任一项所述的人脸属性识别方法，其特征在于：所述对所述属性关联区域作感兴趣区域池化，得到预设大小的待定特征图，具体包括以下步骤：从所述属性关联区域裁剪出感兴趣区域；通过双线性插值法将所述感兴趣区域缩放为所述预设大小的待定特征图。7.一种人脸属性识别模型建立方法，其特征在于，包括以下步骤：建立卷积神经网络，所述卷积神经网络包括共享卷积网络、第一任务分支和第...

【专利技术属性】
技术研发人员：徐静，童长毅，赵瑞，
申请(专利权)人：深圳市深网视界科技有限公司，
类型：发明
国别省市：广东,44