一种基于水平金字塔匹配的细粒度人脸年龄估计方法技术

本发明专利技术提供一种基于水平金字塔匹配的细粒度人脸年龄估计方法，涉及图像分类技术领域。该方法针对不同背景下的人脸图像，首先利用人脸检测算法检测出图像中人脸的位置，然后将人脸图像输入到残差网络模型Resnet50中得到年龄特征图，并在年龄特征图上进行不同金字塔尺度的水平切分，得到多个特征切片，最后在每个特征切片上分别进行全局平均池化和全局最大池化来获得人脸整体的年龄特征和局部年龄特征，完成人脸年龄估计。该方法解决了面部年龄全局特征和局部细粒度特征的结合问题，并实现了人脸的整体年龄特征和局部最具识别力的细粒度特征提取。的细粒度特征提取。的细粒度特征提取。

【技术实现步骤摘要】
一种基于水平金字塔匹配的细粒度人脸年龄估计方法


[0001]本专利技术涉及图像分类
，尤其涉及一种基于水平金字塔匹配的细粒度人脸年龄估计方法。

技术介绍

[0002]年龄信息作为人类的一种重要生物特征，在人机交互领域中有着众多应用需求，并且对人脸识别系统的性能有着重要影响。年龄估计是一项基于人脸图像来预测真实年龄值或年龄组的研究，基于人脸图像的年龄估计是一类特殊的模式识别问题。尽管年龄估计已被广泛研究多年，从单个图像精确估计人类年龄仍然是非常具有挑战性。尤其是在估计青少年面部年龄时，如何准确捕捉并评估细微度的年龄差异是当下亟需解决的问题。
[0003]现有的许多研究集中在特征提取上。人体测量模型、主动外观模型和生物测量启发特征是众所周知的提取特征用于年龄估计的模型。大多数方法是从面部图像中提取更深层的全局特征，然而，面部呈现的年龄信息会受到一些局部特征的影响，如鱼尾纹。此外，局部特征之间的关系可能对估计结果有影响，但现有的方法却很少关注具有重要意义的人脸局部特征。其次，一些现有的年龄估计方法通常采用分而治之的策略来处理由非平稳老化过程引起的异构数据，然而，面部衰老过程也是一个持续的过程，不同成分之间的连续性关系尚未得到有效利用。

技术实现思路

[0004]本专利技术要解决的技术问题是针对上述现有技术的不足，提供一种基于水平金字塔匹配的细粒度人脸年龄估计方法，在不同背景下进行人脸年龄估计。
[0005]为解决上述技术问题，本专利技术所采取的技术方案是：一种基于水平金字塔匹配的细粒度人脸年龄估计方法，针对不同背景下的人脸图像，首先利用人脸检测算法检测出图像中人脸的位置，然后将人脸图像输入到残差网络模型Resnet50中得到年龄特征图，并在年龄特征图上进行不同金字塔尺度的水平切分，得到多个特征切片，最后在每个特征切片上分别进行全局平均池化和全局最大池化来获得人脸整体的年龄特征和局部年龄特征，完成人脸年龄估计；具体包括以下步骤：
[0006]步骤1：人脸图像检测；获取若干张包含人物面部图像，并采用积分通道检测算法检测出图像中人脸的多角度位置，并统一图像像素；
[0007]首先在
‑
60
°
到60
°
之间以5
°
的间隔对原始人脸图像进行人脸检测，并且在
‑
90
°
、90
°
和180
°
的角度下进行人脸检测，得到具有最高检测分数的人脸，并将其旋转到正面位置；然后扩展人脸图像的面部尺寸；最后将生成的图像压缩到统一像素大小；
[0008]步骤2：年龄特征提取；对步骤1得到的人脸图像输入到残差网络模型Resnet50中，得到年龄特征图；
[0009]构建残差网络模型Resnet50，移除模型中的池化层和全连接层；将步骤1中预处理过的人脸图像输入到Resnet50中，并经过Resnet50网络的5个stage(stage0、stage1、
stage2、stage3、stage4)；其中，stage0由一个基本卷积层和一个池化层组成，stage1到stage4均为带有瓶颈结构的残差块，stage1到stage4分别带有3、4、6、3个瓶颈结构的残差块；最终得到2048维的年龄特征图；
[0010]步骤3：复制n份步骤2中得到年龄特征图，对n份特征图分别使用不同尺度金字塔，在水平方向上进行划分，分别划分成2
n
‑1个均等水平特征块；
[0011]在得到步骤2的年龄特征图后，将年龄特征图复制n份，并构建水平金字塔池化模块；然后使用水平空间金字塔池化模块来获得每个特征图的局部和全局的空间信息，对n份特征图进行水平划分，分别划分为2
n
‑1个水平特征块；
[0012]步骤4：对步骤3中得到的4个不同尺度金字塔在水平方向上划分的特征块分别进行全局平均池化和全局最大池化，并将两种池化后的特征图相加，然后进行1
×
1的卷积降维以降低运算，实现人脸年龄估计。
[0013]在得到步骤3中已划分好的特征块后，分别在以上水平特征块上进行全局平均值池化和全局最大值池化；将池化后的特征图相加，并进行1
×
1卷积降维，将特征图维数从2048降至256，将每个列特征输入到非共享全连接层中；采用交叉熵损失函数进行监督，最后使用Softmax函数来估计图像中的人脸年龄，输出该图像中人物对应的类别年龄估计。
[0014]采用上述技术方案所产生的有益效果在于：本专利技术提供的一种基于水平金字塔匹配的细粒度人脸年龄估计方法，针对面部年龄全局特征和局部特征的结合问题，基于Resnet50残差网络提取人脸年龄特征，采用水平金字塔分割方法划分特征图，并对特征图进行全局平均池化和全局最大池化，可以完全提取人脸的整体年龄特征和局部最具识别力特征。解决了面部年龄全局特征和局部细粒度特征的结合问题，并实现了人脸的整体年龄特征和局部最具识别力的细粒度特征提取。对于将其应用在现实环境下具有重要的应用价值。
附图说明
[0015]图1为本专利技术实施例提供的一种基于水平金字塔匹配的细粒度人脸年龄估计方法的总架构图。
[0016]图2为本专利技术实施例提供的积分通道检测的流程图；
[0017]图3为本专利技术实施例提供的残差网络Resnet50架构图；
[0018]图4为本专利技术实施例提供的单个残差块示意图；
[0019]图5为本专利技术实施例提供的水平金字塔匹配示意图。
具体实施方式
[0020]下面结合附图和实施例，对本专利技术的具体实施方式作进一步详细描述。以下实施例用于说明本专利技术，但不用来限制本专利技术的范围。
[0021]本实施例在软件环境为WINDOWS 10系统，仿真环境为VSCode 1.73.1
‑
x64下进行基于水平金字塔匹配的细粒度人脸年龄估计方法的仿真实验。
[0022]本实施例中，一种基于水平金字塔匹配的细粒度人脸年龄估计方法，针对不同背景下的人脸图像，首先利用人脸检测算法检测出图像中人脸的位置，然后将人脸图像输入到残差网络模型Resnet50中得到年龄特征图，并在年龄特征图上进行不同金字塔尺度的水
平切分，得到多个特征切片，最后在每个特征切片上分别进行全局平均池化和全局最大池化来获得人脸整体的年龄特征和最具识别力的局部年龄特征，完成人脸年龄估计；如图1所示，具体包括以下步骤：
[0023]步骤1：人脸图像检测；获取若干张包含人物面部图像，并采用积分通道检测算法检测出图像中人脸的多角度位置，并统一图像像素；
[0024]首先在
‑
60
°
到60
°
之间以5
°
的间隔对原始人脸图像进行人脸检测，并且在
‑
90
°
、90
°
和180
°
的角度下进行人脸检测，得本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于水平金字塔匹配的细粒度人脸年龄估计方法，其特征在于：针对不同背景下的人脸图像，首先利用人脸检测算法检测出图像中人脸的位置，然后将人脸图像输入到残差网络模型Resnet50中得到年龄特征图，并在年龄特征图上进行不同金字塔尺度的水平切分，得到多个特征切片，最后在每个特征切片上分别进行全局平均池化和全局最大池化来获得人脸整体的年龄特征和局部年龄特征，完成人脸年龄估计。2.根据权利要求1所述的一种基于水平金字塔匹配的细粒度人脸年龄估计方法，其特征在于：所述方法具体包括以下步骤：步骤1：人脸图像检测；获取若干张包含人物面部图像，并采用积分通道检测算法检测出图像中人脸的多角度位置，并统一图像像素；步骤2：年龄特征提取；对步骤1得到的人脸图像输入到残差网络模型Resnet50中，得到年龄特征图；步骤3：复制n份步骤2中得到年龄特征图，对n份特征图分别使用不同尺度金字塔，在水平方向上进行划分，分别划分成2n
‑
1个均等水平特征块；步骤4：对步骤3中得到的4个不同尺度金字塔在水平方向上划分的特征块分别进行全局平均池化和全局最大池化，并将两种池化后的特征图相加，然后进行1
×
1的卷积降维以降低运算，实现人脸年龄估计。3.根据权利要求2所述的一种基于水平金字塔匹配的细粒度人脸年龄估计方法，其特征在于：所述步骤1首先在
‑
60
°
到60
°
之间以5
°
的间隔对原始人脸图像进行人脸检测，并且在
‑
90
°
、90
°
和180
°
的角度下进行人脸检测，得到具有最高...

【专利技术属性】
技术研发人员：谭振华，高硕，侯冰倩，宁婧宇，
申请(专利权)人：东北大学，
类型：发明
国别省市：