本申请实施例涉及图像处理技术领域，公开了一种年龄预测方法、装置、电子设备及存储介质，该年龄预测方法，一方面，通过构建年龄预测模型，该年龄预测模型包括卷积模块、视觉记忆模块以及全连接模块，通过视觉记忆模块对卷积模块输出的第一特征图进行特征提取，以提取出具有时间维度信息的年龄特征，并由全连接模块组合视觉记忆模块输出的第二特征图，使得年龄预测模型能够学习到同一个人物随着年龄变化的衰老情况，有效降低预测年龄与真实年龄的偏差，另一方面，通过年龄约束损失函数对年龄预测模型进行训练，以基于训练后的年龄预测模型，对目标图像进行年龄预测，本申请实施例能够提高人脸年龄预测的精确度。够提高人脸年龄预测的精确度。够提高人脸年龄预测的精确度。
【技术实现步骤摘要】
年龄预测方法、装置、电子设备及存储介质
[0001]本申请实施例涉及图像处理
，尤其涉及一种年龄预测方法、装置、电子设备及存储介质。
技术介绍
[0002]人脸图像往往包含很多人脸特征信息，其中年龄作为一项很重要的特征信息，在人脸识别领域得了广泛的应用，特别是手机APP端，对于人脸年龄预测其实是一项充满挑战的任务，每一张人脸图像随着年龄的增长，人脸的衰老其实是一个缓慢的过程，不同人在相同的年龄阶段，其中存在一些相似的特征。
[0003]目前，通常将年龄作为一个单独的标签信息，在模型训练过程，建立一个人脸图像与年龄一一对应的关系，由于存在收集同一个人在不同年段的脸部衰老图像问题，因此现有的年龄估计模型无法学习具有时间记忆的人脸年龄特征变化，导致在实际应用中，导致预测的年龄与实际年龄偏差较大。
[0004]专利技术人在实现本申请实施例的过程中，发现目前的技术方案至少存在以下技术问题：现有的人脸年龄预测算法的识别精度不足。
技术实现思路
[0005]本申请实施例主要解决的技术问题是提供一种年龄预测方法、装置、电子设备及存储介质，以提高人脸年龄预测的精确度。
[0006]第一方面，本申请实施例中提供一种年龄预测方法，包括：
[0007]获取若干人脸图像集合，其中，人脸图像集合包括至少同一个人物在若干年对应的真实人脸图像；
[0008]根据真实人脸图像，构建年龄预测模型，年龄预测模型包括卷积模块、视觉记忆模块以及全连接模块，其中，卷积模块用于输入至少同一个人物的多个真实人脸图像，并对每一真实人脸图像进行特征提取，以输出每一真实人脸图像对应的第一特征图；视觉记忆模块用于接收卷积模块输出的第一特征图，并提取具有时间维度信息的年龄特征，以输出第二特征图；全连接模块用于组合视觉记忆模块输出的第二特征图；
[0009]基于预设的年龄约束损失函数，对年龄预测模型进行训练，得到训练后的年龄预测模型；
[0010]基于训练后的年龄预测模型，对目标图像进行年龄预测，得到目标图像中人物的年龄预测值。
[0011]在一些实施例中，
[0012]卷积模块包括多个卷积层，多个卷积层用于提取多幅真实人脸图像的第一特征图，其中，每一卷积层用于提取一幅真实人脸图像的第一特征图；
[0013]视觉记忆模块包括多个视觉记忆层，每一视觉记忆层一一对应连接一个卷积层，每一视觉记忆层用于接收与其对应的卷积层输出的第一特征图以及另一卷积层输出的第
一特征图，以提取两个第一特征图在时间维度上的特征信息；
[0014]全连接模块包括多个全连接层，每一全连接层一一对应连接一个视觉记忆层，用于组合多个视觉记忆层输出的第二特征图，以生成组合后的特征图；
[0015]年龄预测模型还包括：
[0016]多个分类层,每一分类层一一对应连接一个全连接层，用于预测全连接层输出的组合后的特征图对应的年龄预测值；
[0017]其中，每一副真实人脸图像对应一个通道，每一通道对应一个卷积层、视觉记忆层、全连接层以及分类层。
[0018]在一些实施例中，年龄预测模型，包括：
[0019]多组视觉记忆层，每一组视觉记忆层中的一个视觉记忆层与另一组视觉记忆层中的一个视觉记忆层之间进行串联，形成串联结构；
[0020]其中，下一组视觉记忆层中的一个视觉记忆层用于获取上一组视觉记忆层中的至少两个视觉记忆层输出的第二特征图，以进一步处理至少两个视觉记忆层输出的第二特征图，得到第二特征图并输入到下一组视觉记忆层，以此类推，直至将特征图输出到最后一组视觉记忆层。
[0021]在一些实施例中，年龄预测模型包括三个通道，分别为上通道、中间通道以及下通道，其中，每一通道对应一幅真实人脸图像，不同通道的真实人脸图像对应的真实年龄不同，其中，中间通道对应的分类层输出的年龄预测值作为年龄预测模型输出的年龄预测值。
[0022]在一些实施例中，年龄约束损失函数为：
[0023][0024]其中，α为中间通道的权重参数，β为上通道的权重参数，γ为下通道的权重参数，N为总样本数，为第j个样本的中间通道的真实的年龄值，为第j个样本的中间通道的预测的年龄值，为第j个样本的上通道的真实的年龄值，为第j个样本的上通道的预测的年龄值，为第j个样本的下通道的真实的年龄值，为第j个样本的下通道的预测的年龄值。
[0025]在一些实施例中，基于预设的年龄约束损失函数，对年龄预测模型进行训练，得到训练后的年龄预测模型，包括：
[0026]基于年龄约束损失函数对年龄预测模型进行迭代训练；
[0027]若迭代次数大于第一次数阈值，或者，年龄预测模型的损失小于第一损失阈值，则停止迭代训练，得到训练后的年龄预测模型。
[0028]在一些实施例中，方法还包括：
[0029]对人脸图像集合中的真实人脸图像进行预处理，包括：
[0030]根据人脸关键点算法，获取真实人脸图像中左右眼球的中心坐标；
[0031]计算真实人脸图像中左右眼球的中心坐标连线与水平方向的夹角；
[0032]以真实人脸图像中左右眼眼球的中心坐标为基点，将真实人脸图像按夹角进行旋转；
[0033]截取旋转后的真实人脸图像中的人脸区域，并调整大小至预设分辨率，得到经预处理后的真实人脸图像。
[0034]第二方面，本申请实施例提供一种年龄预测装置，包括：
[0035]集合构建单元，用于获取若干人脸图像集合，其中，所述人脸图像集合包括至少同一个人物在若干年对应的真实人脸图像；
[0036]模型构建单元，用于根据真实人脸图像，构建年龄预测模型，年龄预测模型包括卷积模块、视觉记忆模块以及全连接模块，其中，卷积模块用于输入至少同一个人物的多个真实人脸图像，并对每一真实人脸图像进行特征提取，以输出每一真实人脸图像对应的第一特征图；视觉记忆模块用于接收卷积模块输出的第一特征图，并提取具有时间维度信息的年龄特征，以输出第二特征图；全连接模块用于组合视觉记忆模块输出的第二特征图；
[0037]模型训练单元，用于基于预设的年龄约束损失函数，对年龄预测模型进行训练，得到训练后的年龄预测模型；
[0038]年龄预测单元，用于基于训练后的年龄预测模型，对目标图像进行年龄预测，得到目标图像中人物的年龄预测值。
[0039]第三方面，本申请实施例提供一种电子设备，包括：
[0040]存储器以及一个或多个处理器，一个或多个处理器用于执行存储在存储器中的一个或多个计算机程序，一个或多个处理器在执行一个或多个计算机程序时，使得电子设备实现如第一方面的方法。
[0041]第四方面，本申请实施例提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序包括程序指令，程序指令当被处理器执行时使处理器执行如第一方面的方法。
[0042]本申请实施例的有益效果：区别于现有技术的情况，本申请实施例提供的一种年龄预测方法，包括：获取若干本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种年龄预测方法，其特征在于，包括：获取若干人脸图像集合，其中，所述人脸图像集合包括至少同一个人物在若干年对应的真实人脸图像；根据所述真实人脸图像，构建年龄预测模型，所述年龄预测模型包括卷积模块、视觉记忆模块以及全连接模块，其中，所述卷积模块用于输入至少同一个人物的多个真实人脸图像，并对每一真实人脸图像进行特征提取，以输出每一真实人脸图像对应的第一特征图；所述视觉记忆模块用于接收所述卷积模块输出的第一特征图，并提取具有时间维度信息的年龄特征，以输出第二特征图；所述全连接模块用于组合所述视觉记忆模块输出的第二特征图；基于预设的年龄约束损失函数，对所述年龄预测模型进行训练，得到训练后的年龄预测模型；基于所述训练后的年龄预测模型，对目标图像进行年龄预测，得到目标图像中人物的年龄预测值。2.根据权利要求1所述的方法，其特征在于，所述卷积模块包括多个卷积层，多个卷积层用于提取多幅真实人脸图像的第一特征图，其中，每一卷积层用于提取一幅真实人脸图像的第一特征图；所述视觉记忆模块包括多个视觉记忆层，每一视觉记忆层一一对应连接一个卷积层，每一视觉记忆层用于接收与其对应的卷积层输出的第一特征图以及另一卷积层输出的第一特征图，以提取两个第一特征图在时间维度上的特征信息；所述全连接模块包括多个全连接层，每一全连接层一一对应连接一个视觉记忆层，用于组合多个视觉记忆层输出的第二特征图，以生成组合后的特征图；所述年龄预测模型还包括：多个分类层,每一分类层一一对应连接一个全连接层，用于预测所述全连接层输出的组合后的特征图对应的年龄预测值；其中，每一副真实人脸图像对应一个通道，每一通道对应一个卷积层、视觉记忆层、全连接层以及分类层。3.根据权利要求2所述的方法，其特征在于，所述年龄预测模型，包括：多组视觉记忆层，每一组视觉记忆层中的一个视觉记忆层与另一组视觉记忆层中的一个视觉记忆层之间进行串联，形成串联结构；其中，下一组视觉记忆层中的一个视觉记忆层用于获取上一组视觉记忆层中的至少两个视觉记忆层输出的第二特征图，以进一步处理至少两个视觉记忆层输出的第二特征图，得到第二特征图并输入到下一组视觉记忆层，以此类推，直至将第二特征图输出到最后一组视觉记忆层。4.根据权利要求3所述的方法，其特征在于，所述年龄预测模型包括三个通道，分别为上通道、中间通道以及下通道，其中，每一通道对应一幅真实人脸图像，不同通道的真实人脸图像对应的真实年龄不同，其中，中间通道对应的分类层输出的年龄预测值作为所述年龄预测模型输出的年龄预测值。5.根据权利要求1所述的方法，其特征在于，所述年龄约束损失函数为：
其中，α为中间通道的权重参数，β为上通道的权重参数，γ为下通道的权重...
【专利技术属性】
技术研发人员：陈仿雄，
申请(专利权)人：深圳数联天下智能科技有限公司，
类型：发明
国别省市：
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。