【技术实现步骤摘要】
本专利技术属于生物特征识别，具体涉及基于面部水平切片细粒度卷积的未成年人年龄识别方法。
技术介绍
1、对人脸图像进行年龄识别就是对获取的人脸图像提取面部特征，从而识别该人脸年龄值的过程。由于未成年人在成长过程中，其面部呈发育状态，因此对未成年人的年龄识别研究需符合未成年人面部自然发育规律。
2、面部年龄识别的过程可以分为两个阶段：第一，人脸图像预处理和面部特征提取。在人脸图像预处理方面，目前大多数研究者观察到面部器官随着面部年龄的增长而发生明显的变化，如眼睛、鼻子、嘴巴等，于是主要聚焦于挖掘面部器官之间的空间依赖关系，基于面部器官的仿射变换生成对齐区域特征。第二，面部特征提取，主要是对图像预处理后的数据进行特征提取，对于深度学习模型，常采用如vgg、resnet等效果较好的卷积神经网络对面部特征进行提取，最后对得到的面部特征向量进行分类或回归。但现有的方法通常基于手动特征进行面部年龄估计，这种方式往往忽略了人脸衰老时存在人脸变化的自然规律。
技术实现思路
1、针对上述现有技术的...
【技术保护点】
1.基于面部水平切片细粒度卷积的未成年人年龄识别方法，其特征在于，具体包括以下步骤：
2.根据权利要求1所述的基于面部水平切片细粒度卷积的未成年人年龄识别方法，其特征在于，步骤1具体为：所述人脸对齐算法具体为：首先构建3个卷积神经网络CNN，分别命名为P-网络，R-网络和O-网络，卷积核大小均为3×3；然后，用人脸或非人脸分类、边界框回归和面部标志定位三个任务分别去训练这三个CNN；
3.根据权利要求2所述的基于面部水平切片细粒度卷积的未成年人年龄识别方法，其特征在于，所述在人脸或非人脸分类任务时，对于每个未成年人人脸图像样本，使用交叉熵损失p...
【技术特征摘要】
1.基于面部水平切片细粒度卷积的未成年人年龄识别方法，其特征在于，具体包括以下步骤：
2.根据权利要求1所述的基于面部水平切片细粒度卷积的未成年人年龄识别方法，其特征在于，步骤1具体为：所述人脸对齐算法具体为：首先构建3个卷积神经网络cnn，分别命名为p-网络，r-网络和o-网络，卷积核大小均为3×3；然后，用人脸或非人脸分类、边界框回归和面部标志定位三个任务分别去训练这三个cnn；
3.根据权利要求2所述的基于面部水平切片细粒度卷积的未成年人年龄识别方法，其特征在于，所述在人脸或非人脸分类任务时，对于每个未成年人人脸图像样本，使用交叉熵损失pi表示预测值标签，表示真实值标签；
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。