半監(jiān)督人臉年齡估計(jì)裝置及半監(jiān)督人臉年齡估計(jì)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種人臉年齡估計(jì)裝置，尤其涉及一種半監(jiān)督人臉年齡估計(jì)裝置及半 監(jiān)督人臉年齡估計(jì)方法，屬于機(jī)器學(xué)習(xí)和模式識(shí)別技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 年齡是人的重要屬性之一，而且人們的行為和偏好在不同的年齡段都是不同的， 這表明準(zhǔn)確的年齡估計(jì)將會(huì)有非常重要的應(yīng)用前景。目前很多與年齡相關(guān)的應(yīng)用，如人機(jī) 交互、電子客戶關(guān)系管理、安全管理、監(jiān)視監(jiān)控等，都得到了極大的發(fā)展。而在眾多年齡估計(jì) 的方法中，基于人臉的年齡估計(jì)或許是日常生活中最常用的一種。
[0003] 一篇中國發(fā)明專利（CN102567719)公開了一種"基于后驗(yàn)概率神經(jīng)網(wǎng)絡(luò)的人類年 齡自動(dòng)估計(jì)方法"，利用預(yù)先訓(xùn)練的后驗(yàn)概率神經(jīng)網(wǎng)絡(luò)作為人臉年齡估計(jì)模型，其在訓(xùn)練階 段使用一個(gè)年齡分布（用向量表示)表示該人臉圖片所有可能年齡的概率分布。向量里的每 一個(gè)元素表示對(duì)應(yīng)人臉圖片真實(shí)年齡為該年齡的可能性。該分布基于如下假設(shè):人的外貌 是隨年齡逐漸變化的，且外貌變化的速度在每個(gè)年齡段都是不一樣的，因此外貌的變化速 度是可以反映年齡這一信息的，而變化的快慢是可以通過分布來體現(xiàn)的。如圖1所示，人在 少年，如0-20歲，以及老年，如50-76歲，其外貌變化較大，對(duì)應(yīng)的年齡分布較為陡峭;而在中 年，如20-50歲，其外貌變化不大，相對(duì)應(yīng)的年齡分布則較為平緩。因此對(duì)于每一張人臉圖 片，其年齡分布應(yīng)該包括所有可能的年齡段，如圖1中的0-76歲，那么在系統(tǒng)的訓(xùn)練過程中 我們使用的年齡不再是一個(gè)單獨(dú)的數(shù)值，而是所有年齡段的分布向量(注:年齡分布向量中 所有元素均大于等于0，小于等于1，且總和為1)。同時(shí)，該年齡分布應(yīng)該在真實(shí)年齡處的可 能性最高，其次隨著年齡與真實(shí)年齡的差距逐漸變大，其可能性逐漸變小，因此該分布可以 表示為高斯分布。該高斯分布的均值為真實(shí)年齡，方差控制該年齡段的外貌變化趨勢。
[0004] 上述方法可以較準(zhǔn)確地對(duì)人臉圖片的年齡進(jìn)行估計(jì)，但是其訓(xùn)練所使用的人臉圖 片只能是有年齡標(biāo)記的人臉圖片。一方面，在真實(shí)世界中，年齡分布是無法獲取到的，能夠 得到的只有年齡，且由于年齡的獲取成本太大，大部分人臉圖片都是沒有年齡標(biāo)記的；另一 方面，在實(shí)際應(yīng)用中，獲取充分的帶有年齡標(biāo)記的人臉數(shù)據(jù)是一項(xiàng)耗時(shí)耗力的工程，而隨著 相機(jī)、智能手機(jī)等電子設(shè)備的興起，獲取大量的無年齡標(biāo)記的人臉數(shù)據(jù)變得容易起來。因 此，如何充分利用大量的無標(biāo)記人臉數(shù)據(jù)來更準(zhǔn)確地進(jìn)行年齡估計(jì)就變得至關(guān)重要。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明所要解決的技術(shù)問題在于克服現(xiàn)有技術(shù)不足，提供一種半監(jiān)督人臉年齡估 計(jì)裝置，僅需使用少量有年齡標(biāo)記人臉圖片結(jié)合更多的無年齡標(biāo)記人臉圖片，即可獲得更 好的年齡估計(jì)精度。
[0006] 本發(fā)明具體采用以下技術(shù)方案解決上述技術(shù)問題：
[0007] -種半監(jiān)督人臉年齡估計(jì)裝置，該裝置通過以下方法訓(xùn)練得到：
[0008] 步驟1、獲取人臉圖片數(shù)據(jù)集，并對(duì)其中的各人臉圖片進(jìn)行圖像特征提取;所述人 臉圖片數(shù)據(jù)集包括一組有年齡標(biāo)記的人臉圖片以及一組無年齡標(biāo)記的人臉圖片；
[0009]步驟2、對(duì)有年齡標(biāo)記的每一幅人臉圖片，根據(jù)其標(biāo)記年齡為其初始化一個(gè)符合高 斯分布的年齡分布，以這些人臉圖片作為訓(xùn)練集;所述年齡分布的均值為其標(biāo)記年齡，方差 為預(yù)設(shè)的初始方差；
[0010]步驟3、利用當(dāng)前訓(xùn)練集訓(xùn)練標(biāo)記分布學(xué)習(xí)模型LBFGS-LLD，并用完成訓(xùn)練的 LBFGS-LLD模型對(duì)人臉圖片數(shù)據(jù)集中的所有人臉圖片進(jìn)行年齡分布預(yù)測，得到其預(yù)測年齡 分布；
[0011] 步驟4、計(jì)算每一幅無年齡標(biāo)記的人臉圖片的偽年齡;任一人臉圖片的偽年齡計(jì)算 方法具體如下:從所有有年齡標(biāo)記的人臉圖片中為該人臉圖片選出一組與其綜合相似度最 高的人臉圖片，然后以所選出的人臉圖片的標(biāo)記年齡的均值作為該人臉圖片的偽年齡;所 述綜合相似度的度量為兩幅人臉圖片之間的圖像特征相似度與年齡分布相似度的加權(quán)和；
[0012] 步驟5、將人臉圖片數(shù)據(jù)集中的所有人臉圖片按照其標(biāo)記年齡或者偽年齡進(jìn)行分 組，然后從每個(gè)年齡組里挑選出其預(yù)測年齡分布的均值與其標(biāo)記年齡或偽年齡之間的偏差 值小于預(yù)設(shè)年齡偏差閾值的一組人臉圖片;對(duì)每個(gè)年齡組，以與所挑選出的各人臉圖片之 間綜合相似度之和最大為優(yōu)化目標(biāo)，優(yōu)化求解一個(gè)年齡分布的方差，該年齡分布的均值為 該年齡組所對(duì)應(yīng)年齡，并用優(yōu)化求解得到的方差更新該年齡組中各人臉圖片所對(duì)應(yīng)的年齡 分布；
[0013] 步驟6、以年齡分布更新后的所有人臉圖片作為新的訓(xùn)練集，轉(zhuǎn)至步驟3;反復(fù)迭 代，直至滿足預(yù)設(shè)的迭代終止條件。
[0014] -種基于上述半監(jiān)督人臉年齡估計(jì)裝置的半監(jiān)督人臉年齡估計(jì)方法，對(duì)待估計(jì)人 臉圖片進(jìn)行圖像特征提取，并將所提取的圖像特征輸入訓(xùn)練階段得到的LBFGS-LLD模型， LBFGS-LLD模型所輸出的年齡分布的均值即為該待估計(jì)人臉圖片的估計(jì)年齡。
[0015] 相比現(xiàn)有技術(shù)，本發(fā)明具有以下有益效果：
[0016] 本發(fā)明僅需使用少量有年齡標(biāo)記圖片，通過年齡分布來充分地利用大量沒有年齡 標(biāo)記的人臉圖片;在學(xué)習(xí)過程中，本發(fā)明利用有年齡標(biāo)記圖片及其年齡分布來估計(jì)無年齡 標(biāo)記圖片的偽年齡，并對(duì)年齡分布不斷迭代更新。本發(fā)明充分利用了易于獲取的無年齡標(biāo) 記人臉圖片對(duì)年齡估計(jì)模型進(jìn)行訓(xùn)練，僅需使用少量有年齡標(biāo)記人臉圖片結(jié)合更多的無年 齡標(biāo)記人臉圖片，即可獲得更好的年齡估計(jì)精度。
【附圖說明】
[0017] 圖1為人臉圖片的年齡分布示例；
[0018] 圖2為本發(fā)明一個(gè)具體實(shí)施例的流程示意圖。
【具體實(shí)施方式】
[0019] 下面結(jié)合附圖對(duì)本發(fā)明的技術(shù)方案進(jìn)行詳細(xì)說明：
[0020] 本發(fā)明的半監(jiān)督人臉年齡估計(jì)方法包括兩個(gè)階段:估計(jì)模型的訓(xùn)練階段以及年齡 估計(jì)階段。其中，估計(jì)模型的訓(xùn)練如圖2所示，具體包括以下步驟：
[0021] 步驟1、獲取人臉圖片數(shù)據(jù)集，并對(duì)其中的各人臉圖片進(jìn)行圖像特征提取;所述人 臉圖片數(shù)據(jù)集包括一組有年齡標(biāo)記的人臉圖片以及一組無年齡標(biāo)記的人臉圖片。
[0022]本發(fā)明用于模型訓(xùn)練的人臉圖片數(shù)據(jù)集中既包括有年齡標(biāo)記的人臉圖片又包括 無年齡標(biāo)記的人臉圖片，從而可大幅擴(kuò)充人臉圖片數(shù)據(jù)集的規(guī)模，充分利用大量易于獲得 的無年齡標(biāo)記的人臉圖片。
[0023] 所述圖像特征可采用現(xiàn)有的各種人臉圖像特征，例如Active Appearance Model (AAM)、Aging pattern Subspace(AGES)、Age Manifold、HOG、BIF特征等。在本實(shí)施例中，首 先提取人臉圖片的BIF特征，然后利用MFA算法對(duì)提取的BIF特征進(jìn)行降維。BIF特征是人臉 年齡估計(jì)方法中常用的一種特征，其具體內(nèi)容可參考文獻(xiàn)[G . Guo，G . Mu，Y . Fu，and T · S · Huang，"Human age estimation using bio-inspired features，''in Proc · IEEE Conf. Computer Vision and Pattern Recognition，Miami，F(xiàn)L, 2009，pp · 112-119] 〇為了降 低算法復(fù)雜度，提高算法實(shí)時(shí)性，進(jìn)一步利用MFA算法進(jìn)行特征降維。MFA是一種常用的降維 方法，其具體內(nèi)容可參考文獻(xiàn)[S · Yan，D · Xu，B · Zhang，Η· Zhang，Q · Yang，and S · Lin，"Graph embedding and extensions:A general framework for dimensionality reduction," IEEE Trans.Pattern Anal.Mach.Intell·，vol·29，no·1，pp·40-51，2007]〇
[0024] 步驟2、對(duì)有年齡標(biāo)記的每一幅人臉圖片，根據(jù)其標(biāo)記年齡為其初始化一個(gè)符合高 斯分布的年齡分布，以這些人臉圖片作為訓(xùn)練集;所述年齡分布的均值為其標(biāo)記年齡，方差 為預(yù)設(shè)的初始方差。
[0025] 常規(guī)的人臉年齡估計(jì)對(duì)于每張人臉圖片只有唯一的一個(gè)年齡標(biāo)記，而本發(fā)明對(duì)于 每張已標(biāo)記年齡的人臉圖片賦予一個(gè)年齡分布，該年齡分布為高斯分布，其均值為真實(shí)的 年齡(標(biāo)記年齡），方差為預(yù)設(shè)的初始值σ'然后將帶有初始年齡分布的有年齡標(biāo)記人臉圖 片作為訓(xùn)練集。其中初始方差0°的值可靈活設(shè)定，根據(jù)經(jīng)驗(yàn)，將其設(shè)置為3時(shí)效果較好。年齡 分布的具體計(jì)算方法可用式(1)表示：
[0026]
[0027]其中(/3為初始方差，Xl為第i張有標(biāo)記的人臉圖片實(shí)例，y謙示第j個(gè)年齡標(biāo)記，m 為第i張人臉圖片對(duì)應(yīng)的標(biāo)記年齡，d為對(duì)應(yīng)的年齡分布。
[0028]步驟3、利用當(dāng)前訓(xùn)練集訓(xùn)練標(biāo)記分布學(xué)習(xí)模型LBFGS-LLD，并用完成訓(xùn)練的 LBFGS-LLD模型對(duì)人臉圖片數(shù)據(jù)集中的所有人臉圖片進(jìn)行年齡分布預(yù)測，得到其預(yù)測年齡 分布。
[0029]本發(fā)明利用標(biāo)記分布學(xué)習(xí)模型LBFGS-LLD來訓(xùn)練估計(jì)模型。假設(shè)當(dāng)前為第k次迭 代，其目標(biāo)為最小化模型預(yù)測的年齡分布與訓(xùn)練集中標(biāo)記的年齡分布之間的KL散度，從而 得到最優(yōu)的參數(shù)。其優(yōu)化目標(biāo)函數(shù)為：
[0030]
[0031] 其中0k為第k次迭代需要求解的模型參數(shù)向量，且（0k)T為其轉(zhuǎn)置向量，i為圖像索 引，j為年齡標(biāo)記， Xl為第i個(gè)人臉圖像實(shí)例;du為關(guān)于^的年齡分布在第j個(gè)年齡標(biāo)記上的 取值，g(x〇為表示xi的圖像特征向量。關(guān)于LBFGS-LLD模型的更詳細(xì)內(nèi)容可參考文獻(xiàn) [X.Geng,C.Yin,and Z.-Η.Zhou.Facial Age Estimation by Learning from Label Distributions. IEEE Transactions on Pattern Analysis and Machine Intelligence (IEEE TPAMI ),2013，35( 10) :2401-2412]。在得到最優(yōu)的參數(shù)0>^后，用取該最優(yōu)參數(shù)的 LBFGS-LLD模型對(duì)人臉圖片數(shù)據(jù)集中的所有人臉圖片進(jìn)行年齡估計(jì)，預(yù)測每張人臉圖片對(duì) 應(yīng)的預(yù)測年齡分布。
[0032] 步驟4、計(jì)算每一幅無年齡標(biāo)記的人臉圖片的偽年齡;任一人臉圖片的偽年齡計(jì)算 方法具體如下:從所有有年齡標(biāo)記的人臉圖片中為該人臉圖片選出一組與其綜合相似度最 高的人臉圖片，然后以所選出的人臉圖片的標(biāo)記年齡的均值作為該人臉圖片的偽年齡;所 述綜合相似度的度量為兩幅人臉圖片之間的圖像特征相似度與年齡分布相似度的加權(quán)和。
[0033] 由于步驟3中對(duì)無年齡標(biāo)記人臉圖片估計(jì)的年齡相對(duì)不可靠，為了得到更可靠的 估計(jì)年齡，本發(fā)明進(jìn)一步對(duì)無年齡標(biāo)記人臉圖片重新計(jì)算其對(duì)應(yīng)的年齡，并稱其為偽年齡。 偽年齡的計(jì)算方法具體為:從所有有年齡標(biāo)記的人臉圖片中為該人臉圖片選出一組與其綜 合相似度最高的人臉圖片，然后以所選出的人臉圖片的標(biāo)記年齡的均值作為該人臉圖片的 偽年齡。本發(fā)明利用兩幅人臉圖片之間的圖像特征相似度與年齡分布相似度的加權(quán)和來度 量無年齡標(biāo)記人臉圖片與有年齡標(biāo)記人臉圖片之間的相似性。其中，兩幅人臉圖片之間的 圖像特征相似度可采用現(xiàn)有的歐氏距離、曼哈頓距離、相關(guān)系數(shù)、信息熵等度量形式;兩幅 人臉圖片之間的年齡分布相似度可采用歐式距離、Sorensen距離、KL散度、Je