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，再判断属性是否存在。如判断一个人是否有戴眼镜就要把眼睛区域提取出来再做判断，判断头发颜色要把头发区域标注出来，判断是否光头要先把头顶区域提取出来等等。所以要实现人脸属性的识别，首先要先对人脸的关键点进行精确的定位，才能提取到相关的区域。这种人工定义的方法比较繁琐，而且不能完全准确地描述出关联的区域。除此之外，这些人工定义的区域并不一定能准确表示属性的位置，比如判别性别，不同的人或许会对性别的表示区域有不同的看法，或许可以通过喉结、头发长度、面型等等来判断。在现有的局部人脸属性识别算法中，通常针对特定的关键部位提取手工特征。比如，Kumar等研究者通过从人脸的多个部位提取人工设计的HOG特征，从而预测属性和进行人脸比对(faceverification)；Bourdev等通过构建三层的SVM系统去提取高层次的信息，从而提高手工特征的判别性。近年来，由于深度学习能学到紧凑和具有判别性的特征，它在属性预测上取得了巨大的成功。Razavian等研究者展示了通过CNN和ImageNet学到的现成特征可以有效地适用于属性分类；Zhang的实验证明组合多个CNNs所学的特征，可以提高性能。但是这些方法都存在一个缺点——依赖于对于训练和测试数据集的准确的关键点定位以及人工定义属性的关联区域。人脸相关的属性有很多，但是其关联区域的尺度大小不一，如发型的关联区域可能是整个人头区域，而涂口红的关联区域仅在嘴唇的部位，因此要通过统一的模型来学习多个属性是比较困难的。
技术实现思路
为了克服现有技术的不足，本专利技术的目的之一在于提供一种人脸属性识别方法，其能解决现有的人脸属性识别方法依赖于训练和测试数据集的准确的关键点定位以及人工定义属性的关联区域，要通过统一的模型来学习多个属性是比较困难的问题。本专利技术的目的之二在于提供一种人脸属性识别模型建立方法，其能解决现有的人脸属性识别方法依赖于训练和测试数据集的准确的关键点定位以及人工定义属性的关联区域，要通过统一的模型来学习多个属性是比较困难的问题。本专利技术的目的之三在于提供一种人脸属性识别装置，其能解决现有的人脸属性识别方法依赖于训练和测试数据集的准确的关键点定位以及人工定义属性的关联区域，要通过统一的模型来学习多个属性是比较困难的问题。本专利技术的目的之四在于提供一种人脸属性识别装置，其能解决现有的人脸属性识别方法依赖于训练和测试数据集的准确的关键点定位以及人工定义属性的关联区域，要通过统一的模型来学习多个属性是比较困难的问题。本专利技术的目的之一采用以下技术方案实现：一种人脸属性识别方法，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。进一步地，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。进一步地，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。进一步地，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。进一步地，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。进一步地，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。本专利技术的目的之二采用以下技术方案实现：一种人脸属性识别模型建立方法，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、第一任务分支和第二任务分支；所述共享卷积网络用于对当前图像进行处理，所述第一任务分支用于从处理后的所述当前图像获取当前响应区域，并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，所述第二任务分支用于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，并根据所述待定特征图预测人脸属性；训练所述共享卷积网络和第一任务分支；训练所述第二任务分支，同时对所述第一任务分支进行再训练。本专利技术的目的之三采用以下技术方案实现：一种人脸属性识别装置，包括：获取模块，用于从当前图像获取当前响应区域；计算模块，用于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；区域模块，用于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；预测模块，用于根据所述待定特征图预测人脸属性。进一步地，所述获取模块包括：第一计算单元，用于计算所述当前图像的初始特征图；第二计算单元，用于计算所述初始特征图的响应图；提取单元，用于根据所述响应图提取所述当前响应区域；所述区域模块包括：裁剪单元，用于从所述属性关联区域裁剪出感兴趣区域；缩放单元，用于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。本专利技术的目的之四采用以下技术方案实现：一种人脸属性识别装置，包括：处理器以及用于存储处理器可执行的指令的存储器；所述处理器被配置为：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。相比现有技术，本专利技术的有益效果在于：基于人脸属性识别模型建立方法得到的卷积神经网络，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。进一步地，人脸属性识别模型建立方法，第一步是学习任务一，第二步是两个任务同时进行端到端的学习。由于两个任务之间是有先后顺序的，任务二的学习依赖于任务一的输出，因此需要先训练好任务一，同时还可以得到基于训练图像的相应属性的平均响应区域本文档来自技高网...

【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