一种基于混合特征的年龄估算方法、电子设备及存储介质技术

本发明专利技术公开了一种基于混合特征的年龄估算方法、电子设备及存储介质，其方法包括：获取目标人脸图像；对目标人脸图像进行人脸关键点定位；按预设裁剪分辨率裁剪得到以每个人脸关键点为中心的人脸局部图像，将每个人脸局部图像进行顺序拼接，得到第一输入图像；根据人脸关键点信息对对齐后的目标人脸图像进行裁剪，得到包含所有保留的人脸关键点的最小外接矩形作为人脸全局图像并进行缩放，得到第二输入图像；将第一、第二输入图像输入到年龄预测模型的不同分支分别进行特征提取并进行叠加合并组成融合特征，再进行特征解码输出一维高斯热图。本发明专利技术根据不同的感受野需求，设计了双分支的模型结构，使得模型的特征信息更加丰富，模型鲁棒性更强。模型鲁棒性更强。模型鲁棒性更强。

【技术实现步骤摘要】
一种基于混合特征的年龄估算方法、电子设备及存储介质


[0001]本专利技术涉及图像处理
，具体涉及一种基于混合特征的年龄估算方法、电子设备及存储介质。

技术介绍

[0002]近年来，推荐系统伴随人们生活左右，利用采集到的各项信息来构建用户画像，从而进行更精准和定制化的推荐服务。这其中，用于的年龄信息尤为重要，同时可用于行为监控、未成年游戏防沉迷等领域中。很多实际场景下，无法对用户的身份信息进行采集，难以获取到用户的年龄，而通过利用摄像头采集用户的人脸信息，对年龄进行估计便成为了一种可行的替代方案。
[0003]目前，现有的人脸年龄估计模型均采用人脸图像作为输入，经过分类或者回归模型输出年龄的类别信息或者回归数值，作为年龄估计算法的结果。人脸年龄估计任务对人脸图像信息的局部细节特征较为依赖，现有的方法直接将人脸图像输入卷积神经网络中，由于池化层的存在，在模型的特征提取过程中会损失部分局部细粒度特征。
[0004]针对模型的输出采用基于回归或者分类的方式来进行编码和监督。基于回归任务的年龄估计方法通过直接回归相应数值的方式，降低了模型对空间的泛化能力，造成模型在收敛过程中更加不稳定；基于分类任务的年龄估计方法，将每个年龄当做独立互斥的类别进行编码，这种方式无法考虑到相邻类别之间存在的关联性，收敛速度缓慢且精度难以保证。

技术实现思路

[0005]为解决上述问题，本专利技术提供的技术方案为：一种基于混合特征的年龄估算方法，包括：获取目标人脸图像；对目标人脸图像进行人脸关键点定位，保留部分人脸关键点，获得目标人脸图像对应的人脸关键点信息；并根据所保留的人脸关键点进行人脸对齐，获取对齐后的目标人脸图像；根据人脸关键点信息对对齐后的目标人脸图像进行裁剪，按预设裁剪分辨率裁剪得到以每个人脸关键点为中心的人脸局部图像，将每个人脸局部图像进行顺序拼接，得到第一输入图像；根据人脸关键点信息对对齐后的目标人脸图像进行裁剪，得到包含所有保留的人脸关键点的最小外接矩形作为人脸全局图像，并对人脸全局图像进行统一缩放，得到第二输入图像；将第一输入图像和第二输入图像输入到预先训练的年龄预测模型的不同分支分别进行特征提取，将不同分支所提取的特征进行叠加合并组成融合特征，对融合特征进行特征解码，输出表示年龄信息的一维高斯热图，对一维高斯热图进行解码得到年龄估计的
结果。
[0006]本专利技术进一步设置为对目标人脸图像进行人脸关键点定位是采用dlib库进行人脸68个关键点位置信息的提取，保留序号前1～64号人脸关键点。
[0007]本专利技术进一步设置为按预设裁剪分辨率裁剪得到分别以序号前1～64号人脸关键点为中心的32
×
32像素的人脸局部图像，将序号前1～64号人脸关键点对应的人脸局部图像按序号顺序以8
×
8的方式排列进行拼接，得到256
×
256像素的第一输入图像。
[0008]本专利技术进一步设置为根据序号前1～64号人脸关键点对目标人脸图像进行裁剪，得到包含序号前1～64号人脸关键点的最小外接矩形作为人脸全局图像，将人脸全局图像统一缩放到512
×
512像素作为第二输入图像。
[0009]本专利技术进一步设置为所述年龄预测模型包括提取第一输入图像特征的分支一和提取第二输入图像特征的分支二，分支一包括依次连接的卷积模块，分支二包括依次连接的卷积模块和下采样模块，分支二中的卷积模块及下采样模块的数量多于分支一中的卷积模块的数量。
[0010]本专利技术进一步设置为分支一提取的特征图feature
‑
map和分支二提取的特征图feature
‑
map在通道维度上进行叠加合并组成融合特征，融合特征进行全局平均池化操作，将融合特征进行压缩并输入到全连接层，根据全连接层的输出对年龄信息进行编码，得到一维高斯热图，将一维高斯热图通过argmax算法进行解码，得到年龄估计的结果。
[0011]本专利技术进一步设置为全连接层的输出节点设置有N个，用于表示0
‑
100之间的年龄信息，N为100的倍数，年龄间隔为100/N。
[0012]本专利技术进一步设置为所述目标人脸图像的大小不小于128
×
128像素，在对目标人脸图像进行人脸关键点定位之前对目标人脸图像的像素数值进行归一化预处理。
[0013]一种电子设备，包括：一处理器；一存储器，所述存储器中存储有可执行指令；其中，所述可执行指令被所述处理器执行时，实现上述的基于混合特征的年龄估算方法。
[0014]一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现上述的基于混合特征的年龄估算方法。
[0015]采用本专利技术提供的技术方案，与现有技术相比，具有如下有益效果：1.本专利技术通过定位面部的关键点位置，一方面方便计算人脸所在的区域，对图像数据进行裁剪，减少背景信息的干扰；另一方面，通过提取关键点位的所在的区域，经过拼接后得到人脸局部图像的拼图和人脸全局图像分别传入分支一和分支二进行计算；模型通过多分支的结构，分别单独对关键点局部特征和人脸全局特征进行处理，关键点局部特征和人脸全局特征再组成混合特征，同时满足了两种不同特征的感受野需求，避免了关键点局部特征由于下采样而导致的细粒度特征丢失的问题。本专利技术根据不同的感受野需求，设计了双分支的模型结构，混合特征兼顾了全局的高维语义特征和局部的低纬细粒度特征，使得模型的特征信息更加丰富，模型鲁棒性更强。
[0016]2.传统的基于回归的监督方式由于直接对预测结果进行监督，会造成监督约束过强，加重了过拟合现象，影响模型的泛化与迁移能力，当数据的分布和采集场景发生较大变
化时，模型精度下降严重。本专利技术使用高斯分布对年龄信息进行编码后，模型在训练过程中只对编码后的概率分布进行监督优化，在保留了空间信息的同时，降低了对模型结果的约束强度；降低约束强度，一方面可以避免由于部分异常数据或者标记错误数据引入的模型偏差；另一方面可以降低模型对标记信息的置信度，避免模型过度拟合训练数据集，减少过拟合的风险，增强模型的泛化性。
[0017]3.传统的基于分类方法的年龄估计方案，将年龄信息转换为多个独立互斥的类别来进行分类判定，这种方式在训练阶段时，由于标签是ONE
‑
HOT的方式，无法根据预测误差的大小去调整损失的大小，使用分类方式进行监督，舍弃了年龄信息的归回特性，完全当做彼此不关联的离散值来进行计算。而本专利技术的一维高斯热图编码方式，可以在预测结果接近GT时提供较小的损失，结果偏离大时提供更大的损失，监督的方式更加的平滑，在训练阶段收敛更加迅速和稳定。
附图说明
[0018]图1为本专利技术实施例方法流程图。
[0019]图2为本专利技术实施例流程示意图。
[0020]图3为本专利技术实施例人脸关键点定位示意图。
[0021]图4为本专利技术实施例表示年龄信息的一维高斯热图。
[0022]图5为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于混合特征的年龄估算方法，其特征在于，包括：获取目标人脸图像；对目标人脸图像进行人脸关键点定位，保留部分人脸关键点，获得目标人脸图像对应的人脸关键点信息；并根据所保留的人脸关键点进行人脸对齐，获取对齐后的目标人脸图像；根据人脸关键点信息对对齐后的目标人脸图像进行裁剪，按预设裁剪分辨率裁剪得到以每个人脸关键点为中心的人脸局部图像，将每个人脸局部图像进行顺序拼接，得到第一输入图像；根据人脸关键点信息对对齐后的目标人脸图像进行裁剪，得到包含所有保留的人脸关键点的最小外接矩形作为人脸全局图像，并对人脸全局图像进行统一缩放，得到第二输入图像；将第一输入图像和第二输入图像输入到预先训练的年龄预测模型的不同分支分别进行特征提取，将不同分支所提取的特征进行叠加合并组成融合特征，对融合特征进行特征解码，输出表示年龄信息的一维高斯热图，对一维高斯热图进行解码得到年龄估计的结果。2.根据权利要求1所述的一种基于混合特征的年龄估算方法，其特征在于，对目标人脸图像进行人脸关键点定位是采用dlib库进行人脸68个关键点位置信息的提取，保留序号前1～64号人脸关键点。3.根据权利要求2所述的一种基于混合特征的年龄估算方法，其特征在于，按预设裁剪分辨率裁剪得到分别以序号前1～64号人脸关键点为中心的32
×
32像素的人脸局部图像，将序号前1～64号人脸关键点对应的人脸局部图像按序号顺序以8
×
8的方式排列进行拼接，得到256
×
256像素的第一输入图像。4.根据权利要求2所述的一种基于混合特征的年龄估算方法，其特征在于，根据序号前1～64号人脸关键点对目标人脸图像进行裁剪，得到包含序号前1～64号人脸关键点的最小外接矩形作为人脸全局图像，将人脸全局图像统一缩放到512

【专利技术属性】
技术研发人员：王麒，蒋泽飞，陈帅斌，
申请(专利权)人：杭州登虹科技有限公司，
类型：发明
国别省市：