基于稀疏無向概率圖模型的人臉年齡估計方法、系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及一種人臉年齡估計方法，尤其設(shè)及一種基于稀疏無向概率圖模型的人 臉年齡估計方法，屬于機(jī)器學(xué)習(xí)和模式識別技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 基于人臉圖像的自動年齡估計的應(yīng)用日趨廣泛，主要包括W下幾個方面：（1)基于 年齡的人機(jī)交互系統(tǒng):在普通人機(jī)交互系統(tǒng)的基礎(chǔ)上引入人類年齡自動估計算法，根據(jù)用 戶的年齡不同而采用不同的交互界面或交互方式；（2)基于年齡的訪問控制系統(tǒng)：用來防止 未成年人訪問不適宜的網(wǎng)頁或內(nèi)容、在自動售貨機(jī)上購買煙酒產(chǎn)品、進(jìn)入酒吧等不適宜的 場所等；（3)電子商務(wù):根據(jù)圖像等估計客戶的大致年齡，對不同年齡段的客戶采用不同的 營銷策略；（4)刑事偵查:根據(jù)視頻監(jiān)控等拍下的犯罪嫌疑人圖像資料判斷嫌疑人的大致年 齡，縮小排查范圍。
[0003] 利用計算機(jī)進(jìn)行人臉年齡估計，即首先通過照相機(jī)或者攝像頭獲取人臉圖像，由 特征抽取算法提取人臉圖像的特征，然后將其輸入到一個訓(xùn)練好的年齡估計模型中，即可 輸出圖像的估計年齡。
[0004] 人臉年齡估計的主要困難之一是現(xiàn)存的人臉數(shù)據(jù)庫在許多年齡上缺少充足的訓(xùn) 練數(shù)據(jù)(人臉圖像），且目前的年齡估計算法又不能充分利用運(yùn)些數(shù)據(jù);另外，目前的算法不 能在給出年齡預(yù)測的同時給出該預(yù)測的置信度，不利于進(jìn)一步的決策。為了解決上述問題， Geng等人提出了年齡分布模型算法BFGS-LLD。標(biāo)記分布將樣本的單標(biāo)記擴(kuò)展到一個標(biāo)記分 布，對多類的學(xué)習(xí)有很大的幫助，尤其解決了類間相互關(guān)聯(lián)和某些類訓(xùn)練數(shù)據(jù)不足的問題。 相近年齡上的人的臉部特征是非常相似的，運(yùn)是因?yàn)槿四樀某砷L是一個緩慢且平穩(wěn)的過 程，因此，可W利用某個年齡的相近年齡的人臉圖像幫助該年齡的模型的學(xué)習(xí)，將現(xiàn)有技術(shù) 中采用的一幅圖像對應(yīng)一個年齡的方法，改為一幅圖像對應(yīng)一個關(guān)于年齡的標(biāo)記分布的方 法。
[0005] -幅真實(shí)年齡為a的人臉圖像，其適當(dāng)?shù)哪挲g標(biāo)記分布需滿足W下兩個條件：1)在 標(biāo)記分布中，年齡切4應(yīng)的描述度是最大的；2)其他年齡對應(yīng)的描述度的大小隨著與a距離 的增加而降低，使得與實(shí)際年齡越接近的年齡對標(biāo)記分布的貢獻(xiàn)越大。
[0006] 年齡分布模型算法是從Geng等人2010年在國際會議AAAI' 10上發(fā)表的論文 "Facial Age Estimation by Learning from Label Distribution''中提出的標(biāo)記分布學(xué) 習(xí) ]JJKLearning from Label distributions)方法中抽象出需要最小化的目標(biāo)函數(shù)，并求 解目標(biāo)函數(shù)的梯度，然后利用BFGS優(yōu)化算法。該算法由化oyden ,Fletcher ,Goldfarb , 化anno于1970年同時提出，因而命名為BFGS算法，可參見化anno的論文Conditioning of quasi-Newton methods for function minimization)進(jìn)行求角軍。
[0007] 上述即為年齡分布模型算法BFGS-LLD，雖然運(yùn)個方法取得了不錯的效果，但還是 有兩個問題。其一是對于圖像數(shù)據(jù)，其提取的圖像特征往往非常復(fù)雜，而BFGSALD是基于最 大賭模型的方法，而最大賭模型是一個較為簡單的參數(shù)模型，它不能夠?qū)W習(xí)到足夠的信息 來預(yù)測年齡分布。第二個問題是運(yùn)個模型沒有利用圖像的稀疏性的先驗(yàn)，而在之前的眾多 研究和實(shí)踐中，對于圖像特征，稀疏性已經(jīng)被證實(shí)為一個很有用的先驗(yàn)，但是之前提出的年 齡標(biāo)記分布模型不能夠利用運(yùn)樣的有效的先驗(yàn)知識，所W其學(xué)習(xí)到得的預(yù)測模型缺乏說服 力與可信度。

【發(fā)明內(nèi)容】

[0008] 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，提供一種基于稀疏無向概率 圖模型的人臉年齡估計方法、系統(tǒng)，利用無向概率圖模型來構(gòu)建年齡預(yù)測模型，并通過稀疏 性正則項(xiàng)來約束模型參數(shù)，使得學(xué)習(xí)到的模型的泛用性更強(qiáng)，年齡估計的精度更高。
[0009] 本發(fā)明基于稀疏無向概率圖模型的人臉年齡估計方法，包括訓(xùn)練階段和估計階 段，
[0010] 所述訓(xùn)練階段包括W下步驟：
[0011] 步驟1、獲取一組帶有真實(shí)年齡標(biāo)記的人臉圖像;對每一幅人臉圖像，提取其人臉 圖像特征，并根據(jù)真實(shí)年齡為其賦予一個符合高斯分布的初始年齡分布，運(yùn)些帶有初始年 齡分布的人臉圖像構(gòu)成訓(xùn)練集;所述初始年齡分布的均值為其真實(shí)年齡，方差為預(yù)設(shè)的初 始方差；
[0012] 步驟2、利用所述訓(xùn)練集中人臉圖像的人臉圖像特征、年齡分布分別作為無向概率 圖模型的輸入W及相應(yīng)的輸出，W目標(biāo)函數(shù)最小為目標(biāo)，對所述無向概率圖模型進(jìn)行訓(xùn)練， 得到年齡分布預(yù)測模型;所述目標(biāo)函數(shù)為初始年齡分布與模型預(yù)測年齡分布之間的相似度 與稀疏正則項(xiàng)的加權(quán)和，所述稀疏正則項(xiàng)可使得年齡分布預(yù)測模型中隱藏層的單元盡可能 稀疏；
[0013] 所述估計階段包括W下步驟：
[0014] 步驟3、提取待估計人臉圖像的人臉圖像特征，將其輸入所述年齡分布預(yù)測模型，
[0015] 得到一個與待估計人臉圖像對應(yīng)的年齡分布輸出，把運(yùn)個年齡分布中取得最大描 述度時對應(yīng)的年齡作為最終估計年齡。
[0016] 優(yōu)選地，所述無向概率圖模型為包括輸入層，隱藏層W及分布層的=層結(jié)構(gòu)，其數(shù) 學(xué)表達(dá)具體如下
[0017] 其中，0為模型參數(shù)集合，其包括bk，<，Ukr; i為人臉圖像數(shù)索引；j為年齡;r為隱 藏層的隱藏單元索引；R為隱藏單元個數(shù)。
[0018] 優(yōu)選地，所述初始年齡分布與模型預(yù)測年齡分布之間的相似度為初始年齡分布與 模型預(yù)測年齡分布之間的KL散度。
[0019]進(jìn)一步地，所述目標(biāo)函數(shù)具體如下：
[00201 >
[0021] 其中，0為模型參數(shù)集合，i為人臉圖像數(shù)索引，n為人臉圖像總數(shù)，j為年齡，I為最 大的年齡，r為隱藏層的隱藏單元索引，R為隱藏單元個數(shù)，代表第i幅人臉圖像的年齡 j的置信度，為第i幅人臉圖像的特征山為隱藏單元，A為加權(quán)系數(shù)，如嘶為 預(yù)測模型計算的第i幅人臉圖像的年齡j的置信度;隱藏單元的后驗(yàn)概率P化r=l|x，yj = l) 的和為稀疏正則項(xiàng)，其中隱藏單元的后驗(yàn)概率公式為：
[0022]
。
[0023] 根據(jù)相同的發(fā)明思路還可W得到本發(fā)明基于稀疏無向概率圖模型的人臉年齡估 計系統(tǒng)，包括人臉圖像特征提取模塊和年齡分布預(yù)測模型，所述人臉圖像特征提取模塊用 于提取人臉圖像的人臉圖像特征，并將所提取的人臉圖像特征輸入所述年齡分布預(yù)測模 型;所述年齡分布預(yù)測模型通過W下方法預(yù)先訓(xùn)練得到：
[0024] 步驟1、獲取一組帶有真實(shí)年齡標(biāo)記的人臉圖像;對每一幅人臉圖像，提取其人臉 圖像特征，并根據(jù)真實(shí)年齡為其賦予一個符合高斯分布的初始年齡分布，運(yùn)些帶有初始年 齡分布的人臉圖像構(gòu)成訓(xùn)練集;所述初始年齡分布的均值為其真實(shí)年齡，方差為預(yù)設(shè)的初 始方差；
[0025] 步驟2、利用所述訓(xùn)練集中人臉圖像的人臉圖像特征、年齡分布分別作為無向概率 圖模型的輸入W及相應(yīng)的輸出，W目標(biāo)函數(shù)最小為目標(biāo)，對所述無向概率圖模型進(jìn)行訓(xùn)練， 得到年齡分布預(yù)測模型;所述目標(biāo)函數(shù)為初始年齡分布與模型預(yù)測年齡分布之間的相似度 與稀疏正則項(xiàng)的加權(quán)和，所述稀疏正則項(xiàng)可使得年齡分布預(yù)測模型中隱藏層的單元盡可能 稀疏。
[0026] 所述無向概率圖模型為包括輸入層，隱藏層W及分布層的=層結(jié)構(gòu)，其數(shù)學(xué)表達(dá) 具體如下：
[0027] 其中，0為模型參數(shù)集合，其包括bk，^<，Ukr;i為人臉圖像數(shù)索引；j為年齡;r為隱 藏層的隱藏單元索引；R為隱藏單元個數(shù)。
[0028] 優(yōu)選地，