年龄的估计方法、装置、电子设备和计算机存储介质制造方法及图纸

本发明专利技术提供了一种年龄的估计方法、装置、电子设备和计算机存储介质，包括：根据待处理图像中目标对象的脸部特征点对待处理图像进行人脸对齐处理，得到对齐后的待处理图像；对对齐后的待处理图像进行脸部切割，得到多张待处理脸部图像；通过年龄估计模型对多张待处理脸部图像进行年龄估计处理，得到目标对象的年龄信息。本发明专利技术通过年龄估计模型对多张待处理脸部图像进行年龄估计处理时，由于脸部特征点的位置信息相对固定，能够更加容易的得到目标对象的脸部特征，降低了年龄估计模型的处理复杂度，实用性好，多张待处理脸部图像包含丰富的脸部周围环境信息，对多张待处理脸部图像进行年龄估计处理时，得到的目标对象的年龄信息更加准确。

Age estimation methods, devices, electronic devices and computer storage media

The invention provides an age estimation method, device, electronic equipment and computer storage medium, which includes: face alignment of the processed image according to the facial feature points of the target object in the image to be processed to obtain the processed image after alignment; face cutting of the processed image after alignment to obtain multiple processed facial images; and age estimation model. The age information of the target object is obtained by age estimation of several face images to be processed. The method can obtain the facial features of the target object more easily, reduce the processing complexity of the age estimation model, and has good practicability when the age estimation model is used to process the multi-face images to be processed. The multi-face images to be processed contain abundant information about the surrounding environment of the face, and can be used for many waiting places because the location information of the facial feature points is relatively fixed. When facial image is processed by age estimation, the age information of the target object is more accurate.

【技术实现步骤摘要】
年龄的估计方法、装置、电子设备和计算机存储介质
本专利技术涉及图像处理的
，尤其是涉及一种年龄的估计方法、装置、电子设备和计算机存储介质。
技术介绍
得益于当前卷积神经网络(CNN)的广泛应用，大部分的年龄估计模型采用黑箱操作的模式，输入一张图片，输出一个年龄结果。这些模型在进行年龄估计时，大多将获得的图片进行尺度(size)归一化，然后将归一化后的图片输入到CNN中直接得到年龄结果。但是上述操作方式中，归一化后的图片中人脸尺寸和空间位置(spatiallocation)多样化，不利于深度网络对人脸特征的提取，并且提取的人脸特征有限，最终基于提取的人脸特征进行年龄估计时，估计的年龄结果准确性差；另外，在处理多样化的人脸时，需要使用更加复杂的网络，实用性差。综上，现有的年龄估计方法准确性差，实用性不好。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种年龄的估计方法、装置、电子设备和计算机存储介质，以缓解现有的年龄估计方法准确性差，实用性不好的技术问题。第一方面，本专利技术实施例提供了一种年龄的估计方法，包括：获取待处理图像，并根据所述待处理图像中目标对象的脸部特征点对所述待处理图像进行人脸对齐处理，得到对齐后的待处理图像；对所述对齐后的待处理图像进行脸部切割，得到多张待处理脸部图像，其中，所述多张待处理脸部图像的尺寸大小不同；通过年龄估计模型对所述多张待处理脸部图像进行年龄估计处理，得到所述待处理图像中目标对象的年龄信息。进一步地，对所述对齐后的待处理图像进行脸部切割，得到多张待处理脸部图像包括：确定目标切割轨迹；基于所述目标切割轨迹对所述对齐后的待处理图像进行切割处理，得到所述多张待处理脸部图像。进一步地，确定目标切割轨迹包括：根据脸部模板中特征点的位置信息确定所述目标对象的脸部包围框信息，其中，所述脸部模板为预先设置的包含目标脸部的各个器官的特征点的模板，所述目标脸部和所述目标对象的脸部为所属相同类型的脸部；按照预设扩张原则对所述脸部包围框信息所表示的原始脸部包围框进行扩张处理，得到至少一个扩张后的脸部包围框；将所述原始脸部包围框和所述至少一个扩张后的脸部包围框确定为所述目标切割轨迹。进一步地，所述年龄估计模型包括：权值共享的卷积神经网络和全连接网络；通过年龄估计模型对所述多张待处理脸部图像进行年龄估计处理，得到所述待处理图像中目标对象的年龄信息包括：通过所述权值共享的卷积神经网络对每张待处理脸部图像进行特征提取，得到多张待处理脸部图像的图像特征；通过所述全连接网络对所述多张待处理脸部图像的图像特征进行年龄估计处理，得到所述待处理图像中目标对象的年龄信息。进一步地，所述权值共享的卷积神经网络包括：卷积模块、挤压与激励模块；通过所述权值共享的卷积神经网络对每张待处理脸部图像进行特征提取，得到多张待处理脸部图像的图像特征包括：通过所述卷积模块对每张待处理脸部图像进行特征提取，得到多张初始特征图；通过所述挤压与激励模块计算每张初始特征图的通道权重向量；利用所述通道权重向量对其所对应的初始特征图进行通道加权处理，得到多张目标特征图；对每张目标特征图进行重塑处理，得到多张重塑处理后的特征图；将所述多张重塑处理后的特征图作为所述多张待处理脸部图像的图像特征。进一步地，所述全连接网络中包括：第一全连接层、第二全连接层和第三全连接层；通过所述全连接网络对所述多张待处理脸部图像的图像特征进行年龄估计处理，得到所述待处理图像中目标对象的年龄信息包括：通过所述第一全连接层对所述多张待处理脸部图像的图像特征进行连接处理，得到连接后的图像特征；通过所述第二全连接层对所述连接后的图像特征进行整合处理，得到整合后的图像特征；通过所述第三全连接层对所述整合后的图像特征进行年龄估计映射，得到所述待处理图像中目标对象的年龄信息。进一步地，所述方法还包括：在得到多张待处理脸部图像之后，并在通过年龄估计模型对所述多张待处理脸部图像进行年龄估计处理之前，获取每张待处理脸部图像的预设归一化尺寸；按照每张待处理脸部图像的预设归一化尺寸对其进行尺度归一化处理，得到多张归一化后的待处理脸部图像。进一步地，通过年龄估计模型对所述多张待处理脸部图像进行年龄估计处理，得到所述待处理图像中目标对象的年龄信息包括：通过年龄估计模型对所述多张归一化后的待处理脸部图像进行年龄估计处理，得到所述待处理图像中目标对象的年龄信息。进一步地，根据所述待处理图像中目标对象的脸部特征点对所述待处理图像进行人脸对齐处理，得到对齐后的待处理图像包括：对所述待处理图像中的目标对象进行脸部特征点检测，得到所述目标对象的脸部特征点的位置信息；通过所述脸部特征点的位置信息和脸部模板中特征点的位置信息计算仿射矩阵，其中，所述脸部模板为预先设置的包含目标脸部的各个器官的特征点的模板，所述目标脸部和所述目标对象的脸部为所属相同类型的脸部；通过所述仿射矩阵对所述待处理图像中的各个像素点进行仿射变换，得到所述对齐后的待处理图像。第二方面，本专利技术实施例还提供了一种年龄的估计装置，包括：人脸对齐模块，用于获取待处理图像，并根据所述待处理图像中目标对象的脸部特征点对所述待处理图像进行人脸对齐处理，得到对齐后的待处理图像；脸部切割模块，用于对所述对齐后的待处理图像进行脸部切割，得到多张待处理脸部图像，其中，所述多张待处理脸部图像的尺寸大小不同；年龄估计处理模块，用于通过年龄估计模型对所述多张待处理脸部图像进行年龄估计处理，得到所述待处理图像中目标对象的年龄信息。第三方面，本专利技术实施例提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面任一项所述的方法的步骤。第四方面，本专利技术实施例提供了一种具有处理器可执行的非易失的程序代码的计算机可读介质，所述程序代码使所述处理器执行上述第一方面任一项所述的方法的步骤。在本专利技术实施例中，首先，获取待处理图像，并根据待处理图像中目标对象的脸部特征点对待处理图像进行人脸对齐处理，得到对齐后的待处理图像；然后，对对齐后的待处理图像进行脸部切割，得到多张待处理脸部图像；最后，通过年龄估计模型对多张待处理脸部图像进行年龄估计处理，得到待处理图像中目标对象的年龄信息。通过上述描述可知，在本专利技术实施例中，对齐后的待处理图像中脸部特征点的位置信息相对固定，对对齐后的待处理图像进行脸部切割，得到多张待处理脸部图像，该多张待处理脸部图像中脸部特征点的位置信息也相对固定，再通过年龄估计模型对多张待处理脸部图像进行年龄估计处理时，由于脸部特征点的位置信息相对固定，年龄估计模型能够更加容易的提取得到目标对象的脸部特征，大大降低了年龄估计模型的处理复杂度，实用性好，并且，多张待处理脸部图像包含丰富的脸部周围环境信息(如：脸部周围的头发信息)，这样，通过年龄估计模型对多张待处理脸部图像进行年龄估计处理时，使得得到的目标对象的年龄信息更加准确，缓解了现有的年龄估计方法准确性差，实用性不好的技术问题。本专利技术的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。为使本专利技术的上述目的本文档来自技高网...

【技术保护点】
1.一种年龄的估计方法，其特征在于，包括：获取待处理图像，并根据所述待处理图像中目标对象的脸部特征点对所述待处理图像进行人脸对齐处理，得到对齐后的待处理图像；对所述对齐后的待处理图像进行脸部切割，得到多张待处理脸部图像，其中，所述多张待处理脸部图像的尺寸大小不同；通过年龄估计模型对所述多张待处理脸部图像进行年龄估计处理，得到所述待处理图像中目标对象的年龄信息。

【技术特征摘要】
1.一种年龄的估计方法，其特征在于，包括：获取待处理图像，并根据所述待处理图像中目标对象的脸部特征点对所述待处理图像进行人脸对齐处理，得到对齐后的待处理图像；对所述对齐后的待处理图像进行脸部切割，得到多张待处理脸部图像，其中，所述多张待处理脸部图像的尺寸大小不同；通过年龄估计模型对所述多张待处理脸部图像进行年龄估计处理，得到所述待处理图像中目标对象的年龄信息。2.根据权利要求1所述的方法，其特征在于，对所述对齐后的待处理图像进行脸部切割，得到多张待处理脸部图像包括：确定目标切割轨迹；基于所述目标切割轨迹对所述对齐后的待处理图像进行切割处理，得到所述多张待处理脸部图像。3.根据权利要求2所述的方法，其特征在于，确定目标切割轨迹包括：根据脸部模板中特征点的位置信息确定所述目标对象的脸部包围框信息，其中，所述脸部模板为预先设置的包含目标脸部的各个器官的特征点的模板，所述目标脸部和所述目标对象的脸部为所属相同类型的脸部；按照预设扩张原则对所述脸部包围框信息所表示的原始脸部包围框进行扩张处理，得到至少一个扩张后的脸部包围框；将所述原始脸部包围框和所述至少一个扩张后的脸部包围框确定为所述目标切割轨迹。4.根据权利要求1所述的方法，其特征在于，所述年龄估计模型包括：权值共享的卷积神经网络和全连接网络；通过年龄估计模型对所述多张待处理脸部图像进行年龄估计处理，得到所述待处理图像中目标对象的年龄信息包括：通过所述权值共享的卷积神经网络对每张待处理脸部图像进行特征提取，得到多张待处理脸部图像的图像特征；通过所述全连接网络对所述多张待处理脸部图像的图像特征进行年龄估计处理，得到所述待处理图像中目标对象的年龄信息。5.根据权利要求4所述的方法，其特征在于，所述权值共享的卷积神经网络包括：卷积模块、挤压与激励模块；通过所述权值共享的卷积神经网络对每张待处理脸部图像进行特征提取，得到多张待处理脸部图像的图像特征包括：通过所述卷积模块对每张待处理脸部图像进行特征提取，得到多张初始特征图；通过所述挤压与激励模块计算每张初始特征图的通道权重向量；利用所述通道权重向量对其所对应的初始特征图进行通道加权处理，得到多张目标特征图；对每张目标特征图进行重塑处理，得到多张重塑处理后的特征图；将所述多张重塑处理后的特征图作为所述多张待处理脸部图像的图像特征。6.根据权利要求4所述的方法，其特征在于，所述全连接网络中包括：第一全连接层、第二全连接层和第三全连接层；通过所述全连接网络对所述多张待处理脸部图像的图像特征进行年龄估计处理，得到所述待...

【专利技术属性】
技术研发人员：章超，刘帅成，
申请(专利权)人：成都旷视金智科技有限公司，北京旷视科技有限公司，
类型：发明
国别省市：四川,51