一种年龄评估评判标准模型的建立方法技术

本发明专利技术涉及一种年龄评估评判标准模型的建立方法，包括：建立人脸图像样本集；根据所述人脸图像样本集建立多组人脸图像对；根据多组所述人脸图像对建立第一矩阵；对所述第一矩阵赋值，生成第二矩阵；根据所述第二矩阵生成代价矩阵；根据所述代价矩阵生成所述年龄评估评判标准模型。本发明专利技术实施例通过人脸图像的真实年龄建立第一矩阵，然后对人脸图像对中的两张人脸图像进行年龄预估，得到评估分，将评估分和第一矩阵结合起来，给第一矩阵的每一坐标进行赋值，生成第二矩阵，利用第二矩阵生成评判标准模型，因此，本申请提供的评判标准模型中考虑到了人的感知因素，对年龄估计的评判结果更准确。

A Method of Establishing Age Assessment Criteria Model

The invention relates to a method for establishing an age assessment and evaluation standard model, which includes: establishing a sample set of face images; establishing multiple sets of face image pairs according to the sample set of face images; establishing a first matrix according to multiple sets of face image pairs; assigning the first matrix to generate a second matrix; generating a cost matrix according to the second matrix; and generating a cost matrix according to the cost matrix. The standard model of age assessment is established. The embodiment of the present invention establishes the first matrix through the real age of the face image, then estimates the age of two face images in the face image pair, obtains the evaluation score, combines the evaluation score with the first matrix, assigns the value to each coordinate of the first matrix, generates the second matrix, and generates the evaluation standard model using the second matrix. Therefore, the evaluation criterion provided in this application is as follows: In the quasi-model, human perception factors are taken into account, and the results of age estimation are more accurate.

【技术实现步骤摘要】
一种年龄评估评判标准模型的建立方法
本专利技术涉及数据处理
，具体涉及一种年龄评估评判标准模型的建立方法。
技术介绍
年龄估计在计算机视觉方面一直是一个热点问题，并且在绘画分析和商业管理中具有很大的应用前景。早期，研究“年龄估计”主要包括多分类或者度量回归两种方法。在多分类方法中，类别标签彼此之间被视为独立的，因此，相邻年龄之间的序数关系并没有被考虑在内。而在度量回归方法中，将年龄标签建模为数值变量，并假设相邻比例值之间的差异表示相等的距离，但是根据面部测量学可知，在相邻的不同年龄段所对应的面部变化是不一样的，也就是说距离是不一样的，因此，度量回归方法并不严谨。目前使用的年龄估计的方法是基于序数回归模型，所使用的评判标准是用MAE(MeanAbsoluteError，平均绝对误差)去衡量年龄估计的预测结果的好坏。具体的，MAE的定义是真实输出与预测值之间的平均绝对误差。MAE的误差模型为：其中yi表示真实年龄标签，f(xi)表示预测的年龄。根据MAE误差模型可知，不同时段相邻年龄之间的预测代价是相等的。然而根据人类面部测量学，这个代价应该是随着年龄时段的不同而改变的。比如预测12岁与13岁之间的年龄代价和预测36岁与37岁之间的年龄代价在我们人类看来很明显是不同的，而根据MAE衡量的这个误差，最后得到的结果是一样的。也就是说，MAE并没有考虑人类感知能力，这对于研究年龄估计的问题有着很大的影响。
技术实现思路
为了克服上述现有技术中存在的问题，本专利技术提出了一种年龄评估评判标准模型的建立方法，具体的实施方式如下：本专利技术实施例提供一种年龄评估评判标准模型的建立方法，包括：建立人脸图像样本集；根据所述人脸图像样本集建立多组人脸图像对；根据多组所述人脸图像对建立第一矩阵；对所述第一矩阵赋值，生成第二矩阵；根据所述第二矩阵生成代价矩阵；根据所述代价矩阵生成所述年龄评估评判标准模型。在一个具体的实施例中，建立人脸图像样本集，包括：获取N张人脸图像，其中，N为大于等于2的整数；对所述N张人脸图像进行相似度筛选，得到M张样本图像，其中M≤N；其中，所述人脸图像样本集包括所述M张样本图像。在一个具体的实施例中，根据所述人脸图像样本集建立多组人脸图像对，包括：从所述人脸图像样本集中随机选取两张图像，生成一组所述人脸图像对；生成多组所述人脸图像对。在一个具体的实施例中，根据多组所述人脸图像对建立第一矩阵，包括：根据所述人脸图像对中两张所述人脸图像的真实年龄，生成所述人脸图像对的位置坐标；根据多组所述人脸图像对，生成多个所述位置坐标；根据多个所述位置坐标生成所述第一矩阵。在一个具体的实施例中，对所述第一矩阵赋值，生成第二矩阵，包括：获取每组所述人脸图像对的年龄差判断结果；用所述年龄差判断结果给所述位置坐标赋值，生成年龄差矩阵；对所述年龄差矩阵进行归一化处理，生成所述第二矩阵。在一个具体的实施例中，生成所述第二矩阵之后，还包括：设置年龄差阈值；获取所述人脸图像对中的两张所述人脸图像的真实年龄，并根据所述真实年龄求取年龄差的绝对值；当所述年龄差的绝对值大于所述年龄差阈值，则对所述人脸图像对的位置坐标赋值为1。在一个具体的实施例中，根据所述第二矩阵生成代价矩阵，包括：获取绝对代价矩阵；对所述第二矩阵和所述绝对代价矩阵进行运算处理，生成所述代价矩阵。在一个具体的实施例中，根据所述人脸图像对中两张所述人脸图像的年龄，建立所述人脸图像对的位置坐标，包括：获取所述人脸图像对中的两张所述人脸图像的真实年龄；获取年龄阈值；根据所述年龄阈值对所述真实年龄进行处理，生成第二年龄值；将所述第二年龄值标记为所述人脸图像对的位置坐标。在一个具体的实施例中，根据所述年龄阈值对所述真实年龄进行处理，包括：用所述真实年龄减去所述年龄阈值。在一个具体的实施例中，获取每组所述人脸图像对的年龄差判断结果，包括：对所述人脸图像对中的两张所述人脸图像的年龄进行预估，得到预估结果；根据所述预估结果计算得到预估年龄差值；将所述预估年龄差值和实际年龄差值进行比较，得到所述人脸图像对的评估分；将所述评估分标记为所述人脸图像对的所述年龄差判断结果。与现有技术相比，本专利技术的有益效果为：1、本专利技术实施例提供的年龄评估评判标准模型的建立方法，通过人脸图像的真实年龄建立第一矩阵，然后对人脸图像对中的两张人脸图像进行年龄预估，得到评估分，将评估分和第一矩阵结合起来，给第一矩阵的每一坐标进行赋值，生成第二矩阵，利用第二矩阵生成评判标准模型，因此，本申请提供的评判标准模型中考虑到了人的感知因素，对年龄估计的评判结果更准确。2、本专利技术实施例利用给第一矩阵赋值，首次引入了人类感知能力，使得预测结果和人类面部测量学更契合。附图说明图1是本专利技术提供的年龄评估评判标准模型的建立方法的逻辑图。具体实施方式为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图对本专利技术的具体实施方式做详细的说明。实施例一下面结合附图和具体实施方式对本专利技术进行详细说明。如图1所示，图1是本专利技术提供的年龄评估评判标准模型的建立方法的逻辑图。本专利技术实施例提供一种年龄评估评判标准模型的建立方法，包括：建立人脸图像样本集，人脸图像样本集需要众多的图片，并且人脸图像的年龄需要区域一个相对稳定的区间，具体的可以是在社交网上进行收集人脸图像，比如人人网，人人网是一个针对学生的社交网络，用户可以发布照片和其他内容等，而且它广泛地被亚洲学生所使用。即使对于那些已经毕业了的人，也会通过人人去联系曾经的同学和朋友。因此，人人上面的用户年龄的大概范围是15-40岁之间，基于此，我们设定人脸图像样本集的年龄宽度介于[15,70]，除此之外，可以从网络中获取用户的生日时间，因此，可以获取该用户的人脸图像的真实年龄。从网络上获取了N张人脸图像后需要进行人脸图像筛查，剔除相同图像，最终得到M张样本图像，将这M张样本图像设为人脸图像样本集，这里需要说明的是，不仅需要获得人脸图像，还需要获得该人脸图像的真实年龄。进一步的，对人脸图像样本集中的图像进行组对，组对方式为两两成对，M张样本图像，那么就可以组成2M个图像对。进一步的，对每个图像对建立位置坐标，具体的，每一个图像对中有第一图像和第二图像，第一图像和第二图像具有年龄差，举例而言，某一图像对中，第一图像为中年女性人脸图，第二图像为中年男性人脸图，第一图像的真实年龄为45岁，第二图像的真实年龄为47岁，年龄阈值为15，远点坐标为(15,15)，那么该图像对的位置坐标为(30,32)，表示该图像对位于第一矩阵的第30行32列；第一图像是16岁，第二图像是17岁，则该图像对的坐标为(1,2)，表示该图像对位于第一矩阵的第1行第2列；第一图像17，第二图像16，则该图像对的坐标为(2,1)，表示该图像对位于第一矩阵的第2行第1列；第一图像是18岁，第二图像是36岁，则该图像对的坐标为(3,21)，表示该图像对位于该第一矩阵的第3行第21列；第一图像是70岁，第二图像为69岁，那么该图像对的坐标为(55,54)，表示该图像对位于第一矩阵的第55行第54列；对应每一个图像对具有一个位置坐标，因此具有2M个图像坐标。每一个位置坐标的坐标值即为该图像对中两张人脸图像的第二年龄值。据此建立第一矩阵，例如为本文档来自技高网...

【技术保护点】
1.一种年龄评估评判标准模型的建立方法，其特征在于，包括：建立人脸图像样本集；根据所述人脸图像样本集建立多组人脸图像对；根据多组所述人脸图像对建立第一矩阵；对所述第一矩阵赋值，生成第二矩阵；根据所述第二矩阵生成代价矩阵；根据所述代价矩阵生成所述年龄评估评判标准模型。

【技术特征摘要】
1.一种年龄评估评判标准模型的建立方法，其特征在于，包括：建立人脸图像样本集；根据所述人脸图像样本集建立多组人脸图像对；根据多组所述人脸图像对建立第一矩阵；对所述第一矩阵赋值，生成第二矩阵；根据所述第二矩阵生成代价矩阵；根据所述代价矩阵生成所述年龄评估评判标准模型。2.根据权利要求1所述的方法，其特征在于，建立人脸图像样本集，包括：获取N张人脸图像，其中，N为大于等于2的整数；对所述N张人脸图像进行相似度筛选，得到M张样本图像，其中M≤N；其中，所述人脸图像样本集包括所述M张样本图像。3.根据权利要求1所述的方法，其特征在于，根据所述人脸图像样本集建立多组人脸图像对，包括：从所述人脸图像样本集中随机选取两张图像，生成一组所述人脸图像对；生成多组所述人脸图像对。4.根据权利要求1所述的方法，其特征在于，根据多组所述人脸图像对建立第一矩阵，包括：根据所述人脸图像对中两张所述人脸图像的真实年龄，生成所述人脸图像对的位置坐标；根据多组所述人脸图像对，生成多个所述位置坐标；根据多个所述位置坐标生成所述第一矩阵。5.根据权利要求4所述的方法，其特征在于，对所述第一矩阵赋值，生成第二矩阵，包括：获取每组所述人脸图像对的年龄差判断结果；用所述年龄差判断结果给所述位置坐标赋值，生成年龄差矩阵；对所述年龄差矩阵进行归一化处理，生成所述第二矩阵。...

【专利技术属性】
技术研发人员：吕宁，陈晨，朱双四，牛振兴，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西,61