人脸属性识别的方法和系统的制作方法
【专利摘要】本发明公开了一种人脸属性识别的方法和系统，属于人脸识别【技术领域】。所述方法包括：获取待测试的图像样本；获取所述图像样本中人脸的有效区域图像；抽取所述有效区域图像的纹理特征；依次根据种族分类器、性别分类器和年龄分类器，对所述有效区域图像的纹理特征进行种族、性别和年龄的分类，得到所述人脸的种族属性、性别属性和年龄属性。本发明通过种族分类器、性别分类器和年龄分类器实现了对人脸属性的识别。
【专利说明】人脸属性识别的方法和系统
【技术领域】
[0001] 本发明涉及人脸识别【技术领域】，特别涉及一种人脸属性识别的方法和系统。
【背景技术】
[0002] 随着电子信息技术的进步和网络化的普及，人们在日常生活中越来越普遍地通过 各种各样的图像采集设备，例如监控摄像机、数码摄像机、网络摄像机、数码相机、手机相机 以及物联网中的视频传感器等来获取大量的图像和视频数据。面对如此大量的图像和视频 数据，如何快速而智能地分析这些数据成为人们的迫切需求。
[0003] 人脸识别技术就是智能地分析这些数据的一个技术途径。而在人脸识别中，种族， 性别和年龄是人的三个重要属性，描述了人的社会背景，行为准则以及生活状态，这三个属 性都可以从人脸上反映出来。所以怎样根据输入的图像获取到人脸的三个属性信息，是需 要解决的问题。
【发明内容】
[0004] 为了实现对人脸属性的识别，本发明实施例中提供了 一种人脸属性识别的方法和 系统。所述技术方案如下：
[0005] -方面，提供了一种人脸属性识别的方法，所述方法包括：
[0006] 获取待测试的图像样本；
[0007] 获取所述图像样本中人脸的有效区域图像；
[0008] 抽取所述有效区域图像的纹理特征；
[0009] 依次根据种族分类器、性别分类器和年龄分类器，对所述有效区域图像的纹理特 征进行种族、性别和年龄的分类，得到所述人脸的种族属性、性别属性和年龄属性。
[0010] 另一方面，提供了一种人脸属性识别的系统，所述系统包括：
[0011] 测试样本获取模块，用于获取待测试的图像样本；
[0012] 有效区域图像获取，用于获取所述图像样本中人脸的有效区域图像；
[0013] 纹理特征抽取模块，用于抽取所述有效区域图像的纹理特征；
[0014] 人脸属性识别模块，用于依次根据种族分类器、性别分类器和年龄分类器，对所述 有效区域图像的纹理特征进行种族、性别和年龄的分类，得到所述人脸的种族属性、性别属 性和年龄属性。
[0015] 本发明实施例提供的技术方案带来的有益效果是：获取图像样本中人脸的有效区 域图像；抽取所述有效区域图像的纹理特征；依次根据种族分类器、性别分类器和年龄分 类器，对所述有效区域图像的纹理特征进行种族、性别和年龄的分类，得到所述人脸的种族 属性、性别属性和年龄属性。通过种族分类器、性别分类器和年龄分类器实现了对人脸属性 的识别。识别这三类属性具有很重要的社会意义，一方面可以在安全监管领域，替代传统的 人工或设备检测的方法，避免繁琐，低效，花费高，不友好等缺陷，实现自动隐蔽的监管，如 在网吧，电影院等分年龄段的准入控制，一些未成年人禁入网站页面的登陆判断；另一方面 可以在交易市场自动收集用户的属性信息，获得用户的社会信息，作为有针对性客户分析 的数据来源，由于该类方法的友好交互及被动采集，可以不让用户受到任何干扰。如，在一 些商场，酒店，医院等都可以以此来分析顾客，病人的背景信息，以此来做出更准确的市场 判断。在互联网和多媒体终端上，也可以通过分析用户的属性信息来有针对性的提供广告 服务，提高受众的准确率。
【专利附图】
【附图说明】
[0016] 为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使 用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于 本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他 的附图。
[0017] 图1是本发明实施例一中提供的一种人脸属性识别的方法流程图；
[0018] 图2是本发明实施例二中提供的一种人脸属性识别的方法流程图；
[0019] 图3是本发明实施例二中提供的一种gabor滤波结果示意图；
[0020] 图4是本发明实施例二中提供的一种BIM特征抽取示意图；
[0021] 图5是本发明实施例三中提供的一种人脸属性识别的装置结构示意图；
[0022] 图6是本发明实施例三中提供的另一种人脸属性识别的装置结构示意图；
[0023] 图7是本发明实施例三提供的一种属性分类器训练模块的结构示意图。
【具体实施方式】
[0024] 为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方 式作进一步地详细描述。
[0025] 实施例一
[0026] 参见图1，本发明实施例中提供了一种人脸属性识别的方法，包括：
[0027] 101、获取待测试的图像样本；
[0028] 102、获取所述图像样本中人脸的有效区域图像；
[0029] 103、抽取所述有效区域图像的纹理特征；
[0030] 104、依次根据种族分类器、性别分类器和年龄分类器，对所述有效区域图像的纹 理特征进行种族、性别和年龄的分类，得到所述人脸的种族属性、性别属性和年龄属性。
[0031] 在另一实施例中，所述获取所述图像样本中的人脸的有效区域图像之前，包括：
[0032] 依次建立种族分类器、性别分类器和年龄分类器。
[0033] 在另一实施例中，所述依次建立种族分类器、性别分类器和年龄分类器，包括：
[0034] 获取训练图像样本集；
[0035] 获取所述训练图像样本集中每个图像样本的有效区域图像；
[0036] 抽取所述每个有效人脸区域图像的纹理特征；
[0037] 根据所述训练图像样本集中所有图像样本的有效区域图像的纹理特征，依次建立 种族分类器、性别分类器和年龄分类器。
[0038] 在另一实施例中，所述根据所述训练图像样本集中的纹理特征，建立种族分类器， 包括：
[0039] 根据白人、黑人和黄种人三个种族，将所述训练样本集划分为白人训练样本、黑人 训练样本和黄种人训练样本；
[0040] 分别对所述白人训练样本的纹理特征、黑人训练样本的纹理特征和黄种人训练样 本的纹理特征进行训练，得到对应所述种族的三分类器，所述三分类器分别对应白人、黑人 和黄种人。
[0041] 在另一实施例中，所述根据所述训练图像样本集的纹理特征，建立性别分类器，包 括：
[0042] 分别对所述白人训练样本、黑人训练样本和黄种人训练样本按性别再次进行划 分，得到所述每个种族下的性别样本；
[0043] 分别对所述每个种族的性别样本的纹理特征进行训练，得到对应每个种族的性别 的二分类器，所述二分类器分别对应男性和女性。
[0044] 在另一实施例中，所述根据所述训练图像样本集的纹理特征，建立年龄分类器，包 括：
[0045] 分别对所述每个种族下的性别样本按年龄段再次进行划分，得到婴儿训练样本、 幼儿训练样本、青年训练样本和老年训练样本；
[0046] 对所述婴儿训练样本、幼儿训练样本、青年训练样本和老年训练样本进行训练构 造第一级年龄分类器；
[0047] 在所述划分的每个年龄段下以5岁为等级，对其相应的训练样本的纹理特征进行 训练，得到第二级年龄分类器；
[0048] 在所述划分的每个年龄段下，针对每5岁的年龄段，训练线性拟合的第三级年龄 分类器。
[0049] 在另一实施例中，所述获取所述图像样本中人脸的有效区域图像，包括：
[0050] 对所述图像样本中的人脸进行检测，定位所述人脸的眼睛位置；
[0051] 基于所述人脸的眼睛位置，校正所述人脸的原始图像，并以所述人脸的眼睛为中 心截取预设范围内的人脸，得到所述人脸的有效区域图像。
[0052] 在另一实施例中，所述抽取所述有效区域图像的纹理特征，包括：
[0053] 针对所述人脸的有效区域图像，抽取所述人脸的生物启发模型BIM特征。
[0054] 在另一实施例中，所述针对所述人脸的有效区域图像，抽取所述人脸的生物启发 模型BM特征，包括：
[0055] a)建立64组gabor滤波器，并对应所述人脸的有效图像区域的16个尺度和4个 方向进行滤波，获得64组gabor滤波后的图像；
[0056] b)将所述所有gabor图像分为8个部分，所述每个部分包括：2个尺度和4个方 向；
[0057] c)在所述每个部分的每个方向，选取一组m*n的蒙版大小，划窗原始gabor图像， 得到两组串联的gabor特征；
[0058] d)比较所述每个部分的两个尺度对应的gabor特征，取对应特征维度上较大的值 作为最终的特征输出；
[0059] 调整蒙版大小，重复执行步骤c) -d) k次，得到所述人脸的有效区域图像的k*4*8 组BIM特征。
[0060] 在另一实施例中，所述得到所述人脸的有效区域图像的k*4*8组BM特征之后，还 包括：
[0061] 对所述k*4*8组特征进行独立主成分分析PCA降维，得到所述人脸的特征。
[0062] 在另一实施例中，所述依次根据种族分类器、性别分类器和年龄分类器，对所述有 效区域图像的纹理特征进行种族、性别和年龄的分类，得到所述人脸的种族属性、性别属性 和年龄属性，包括：
[0063] 根据种族分类器对所述有效区域图像的纹理特征进行种族分类，得到所述人脸的 种族属性；
[0064] 选取所述人脸的种族属性对应的性别分类器，根据所述性别分类器对所述有效区 域图像的纹理特征进行性别分类，得到所述人脸的性别属性；
[0065] 选取所述人脸的种族属性和性别属性对应的年龄分类器，根据所述年龄分类器对 所述有效区域图像的纹理特征进行年龄分类，得到所述人脸的年龄属性。
[0066] 在另一实施例中，所述选取所述人脸的种族属性和性别属性对应的年龄分类器， 根据所述年龄分类器对所述有效区域图像的纹理特征进行年龄分类，得到所述人脸的年龄 属性，包括：
[0067] 选取所述人脸的种族属性和性别属性对应的第一级年龄分类器，并将所述有效区 域图像的纹理特征输入到所述第一级年龄分类器中，得到所述有效区域图像对应的第一级 年龄段和所述每个第一级年龄段类别下的权重；
[0068] 根据所述第一级年龄段类别下对应权重最大的第一级年龄段选择第二级年龄分 类器，并将所述有效区域图像的纹理特征输入到所述第二级年龄分类器中，得到所述有效 区域图像对应的第二级年龄段和所述每个第二级年龄段类别下的权重；
[0069] 根据所述每个第二级年龄段类别下对应权重最大的第二级年龄段选择第三级年 龄分类器，并将所述有效区域图像的纹理特征输入到所述第三级年龄分类器中，得到所述 有效区域图像对应的第三级年龄；
[0070] 根据所述第三级年龄、所述第一级年龄段对应的权重和所述第二级年龄段对应的 权重，得到所述人脸的年龄属性。
[0071] 本发明实施例提供的技术方案带来的有益效果是：获取图像样本中人脸的有效区 域图像；抽取所述有效区域图像的纹理特征；依次根据种族分类器、性别分类器和年龄分 类器，对所述有效区域图像的纹理特征进行种族、性别和年龄的分类，得到所述人脸的种族 属性、性别属性和年龄属性。通过种族分类器、性别分类器和年龄分类器实现了对人脸属性 的识别。
[0072] 实施例二
[0073] 本发明实施例中提供了一种人脸属性识别的方法，收集训练样本，对训练样本进 行训练，依次建立基于人脸的种族分类器、性别分类器和年龄分类器，通过种族分类器、性 别分类器和年龄分类器实现对人脸属性的识别。
[0074] 参见图2,方法流程包括：
[0075] 201、获取训练图像样本集，并抽取所述训练图像样本集的纹理特征。
[0076] 本实施例中，训练图像样本集包括多张不同种族，不同性别和不同年龄的人脸图 像，该图像可以是照片，也可以是摄像头采集到的视频流，对此本实施例中并不做具体限 定。
[0077] 本实施例中，优选地，抽取所述训练图像样本集的纹理特征，包括：获取所述训练 图像样本集中每个图像样本的有效区域图像；抽取所述每个有效区域图像的纹理特征。
[0078] 本实施例中，优选地，获取训练图像样本中人脸的有效区域图像，包括：对所述图 像样本中的人脸进行检测，定位所述人脸的眼睛位置；基于所述人脸的眼睛位置，校正所述 人脸的原始图像，并以所述人脸的眼睛为中心截取预设范围内的人脸，得到所述人脸的有 效区域图像。其中，预设范围包括以眼睛为中心的64*64大小人脸有效区域图像，对此本实 施例中不做具体限定。
[0079] 本实施例中，可选地，对于输入的任意图像，采用adaboost和haar特征的人脸检 测方法获得图像中的人脸框位置，进一步在人脸框中定位眼睛精确位置，最后，根据人脸眼 睛位置，截取以眼睛为中心的64*64大小人脸有效区域图像，进一步地，为确保图像不受外 界采集环境干扰，还可以对图像进行PDAM (Point Divid Arithmetic Mean,算术均值商） 的光照处理。
[0080] 优选地，抽取所述有效区域图像的纹理特征，包括：针对所述人脸的有效区域图 像，抽取所述人脸的BIM (Biologically Inspired Model,生物启发模型）特征。
[0081] 可选地，针对所述人脸的有效区域图像，抽取所述人脸的生物启发模型特征， 包括：
[0082] a)建立64组gabor滤波器，并对应所述人脸的有效图像区域的16个尺度和4个 方向进行滤波，获得64组gabor滤波后的图像；如图3所示，给出了 4个尺度下的图像示意 图。
[0083] b)将所述所有gabor图像分为8个部分，所述每个部分包括：2个尺度和4个方 向；
[0084] c)在所述每个部分的每个方向，选取一组m*n的蒙版大小，划窗原始gabor图像， 得到两组串联的gabor特征；
[0085] d)比较所述每个部分的两个尺度对应的gabor特征，取对应特征维度上较大的值 作为最终的特征输出；
[0086] 调整蒙版大小，重复执行步骤c) -d) k次，得到k组特征，在每个部分下，得到k*4 组特征，如图4所示的特征抽取过程，最终得到所述人脸的有效区域图像的k*4*8组 BM特征。
[0087] 其中，m，n，k均为正整数。在特征的计算过程中，滤波器的参数以及蒙版大小 都可以进行调整。
[0088] 具体执行过程中，由于特征维度过高，可以将所有8个部分合并为一个部分，从而 使得每个方向下的特征为所有部分的不同蒙版下特征较大值，最终实现k*4组特征。可选 地，在得到所述人脸的有效区域图像的k*4*8组BIM特征之后，还包括：对所述k*4*8组BIM 特征进行PCA (Principal Component Analysis,独立主成分分析）降维，得到人脸的纹理 特征。
[0089] 202、根据所述训练图像样本集中所有图像样本的有效区域图像的纹理特征，依次 建立种族分类器、性别分类器和年龄分类器。
[0090] 本步骤中，基于所有训练样本，依次建立种族，性别，年龄分类器。分类器的建立有 多种方式，如决策树，gentleboost等。如图3所示，本实施例中，采用SVM(Support Vector Machine，支持向量机）分类器。
[0091] 优选地，根据所述训练图像样本集中的纹理特征，建立种族分类器，包括：
[0092] 根据白人、黑人和黄种人三个种族，将所述训练样本集划分为白人训练样本、黑人 训练样本和黄种人训练样本；
[0093] 分别对所述白人训练样本的纹理特征、黑人训练样本的纹理特征和黄种人训练样 本的纹理特征进行训练，得到对应所述种族的三分类器，所述三分类器分别对应白人、黑人 和黄种人。
[0094] 其中，每个分类器正样本对应为该种族下所有样本，负样本对应为其他所有种族 样本，对此不做具体限定，对正、负样本进行训练，得到种族的三分类器：
[0095]
【权利要求】
1. 一种人脸属性识别的方法，其特征在于，所述方法包括： 获取待测试的图像样本； 获取所述图像样本中人脸的有效区域图像； 抽取所述有效区域图像的纹理特征； 依次根据种族分类器、性别分类器和年龄分类器，对所述有效区域图像的纹理特征进 行种族、性别和年龄的分类，得到所述人脸的种族属性、性别属性和年龄属性。
2. 根据权利要求1所述的方法，其特征在于，所述获取所述图像样本中的人脸的有效 区域图像之前，包括： 依次建立种族分类器、性别分类器和年龄分类器。
3. 根据权利要求2所述的方法，其特征在于，所述依次建立种族分类器、性别分类器和 年龄分类器，包括： 获取训练图像样本集； 获取所述训练图像样本集中每个图像样本的有效区域图像； 抽取所述每个有效人脸区域图像的纹理特征； 根据所述训练图像样本集中所有图像样本的有效区域图像的纹理特征，依次建立种族 分类器、性别分类器和年龄分类器。
4. 根据权利要求3所述的方法，其特征在于，所述根据所述训练图像样本集中的纹理 特征，建立种族分类器，包括： 根据白人、黑人和黄种人三个种族，将所述训练样本集划分为白人训练样本、黑人训练 样本和黄种人训练样本； 分别对所述白人训练样本的纹理特征、黑人训练样本的纹理特征和黄种人训练样本的 纹理特征进行训练，得到对应所述种族的三分类器，所述三分类器分别对应白人、黑人和黄 种人。
5. 根据权利要求4所述的方法，其特征在于，所述根据所述训练图像样本集的纹理特 征，建立性别分类器，包括： 分别对所述白人训练样本、黑人训练样本和黄种人训练样本按性别再次进行划分，得 到所述每个种族下的性别样本； 分别对所述每个种族的性别样本的纹理特征进行训练，得到对应每个种族的性别的二 分类器，所述二分类器分别对应男性和女性。
6. 根据权利要求5所述的方法，其特征在于，所述根据所述训练图像样本集的纹理特 征，建立年龄分类器，包括： 分别对所述每个种族下的性别样本按年龄段再次进行划分，得到婴儿训练样本、幼儿 训练样本、青年训练样本和老年训练样本； 对所述婴儿训练样本、幼儿训练样本、青年训练样本和老年训练样本进行训练构造第 一级年龄分类器； 在所述划分的每个年龄段下以5岁为等级，对其相应的训练样本的纹理特征进行训 练，得到第二级年龄分类器； 在所述划分的每个年龄段下，针对每5岁的年龄段，训练线性拟合的第三级年龄分类 器。
7. 根据权利要求1所述的方法，其特征在于，所述获取所述图像样本中人脸的有效区 域图像，包括： 对所述图像样本中的人脸进行检测，定位所述人脸的眼睛位置； 基于所述人脸的眼睛位置，校正所述人脸的原始图像，并以所述人脸的眼睛为中心截 取预设范围内的人脸，得到所述人脸的有效区域图像。
8. 根据权利要求1所述的方法，其特征在于，所述抽取所述有效区域图像的纹理特征， 包括： 针对所述人脸的有效区域图像，抽取所述人脸的生物启发模型BIM特征。
9. 根据权利要求8所述的方法，其特征在于，所述针对所述人脸的有效区域图像，抽取 所述人脸的生物启发模型BIM特征，包括： a) 建立64组gabor滤波器，并对应所述人脸的有效图像区域的16个尺度和4个方向 进行滤波，获得64组gabor滤波后的图像； b) 将所述所有gabor图像分为8个部分，所述每个部分包括：2个尺度和4个方向； c) 在所述每个部分的每个方向，选取一组m*n的蒙版大小，划窗原始gabor图像，得到 两组串联的gabor特征； d) 比较所述每个部分的两个尺度对应的gabor特征，取对应特征维度上较大的值作为 最终的特征输出； 调整蒙版大小，重复执行步骤c) -d) k次，得到所述人脸的有效区域图像的k*4*8组 BM特征。
10. 根据权利要求9所述的方法，其特征在于，所述得到所述人脸的有效区域图像的 k*4*8组BIM特征之后，还包括： 对所述k*4*8组特征进行独立主成分分析PCA降维，得到所述人脸的特征。
11. 根据权利要求1所述的方法，其特征在于，所述依次根据种族分类器、性别分类器 和年龄分类器，对所述有效区域图像的纹理特征进行种族、性别和年龄的分类，得到所述人 脸的种族属性、性别属性和年龄属性，包括： 根据种族分类器对所述有效区域图像的纹理特征进行种族分类，得到所述人脸的种族 属性； 选取所述人脸的种族属性对应的性别分类器，根据所述性别分类器对所述有效区域图 像的纹理特征进行性别分类，得到所述人脸的性别属性； 选取所述人脸的种族属性和性别属性对应的年龄分类器，根据所述年龄分类器对所述 有效区域图像的纹理特征进行年龄分类，得到所述人脸的年龄属性。
12. 根据权利要求11所述的方法，其特征在于，所述选取所述人脸的种族属性和性别 属性对应的年龄分类器，根据所述年龄分类器对所述有效区域图像的纹理特征进行年龄分 类，得到所述人脸的年龄属性，包括： 选取所述人脸的种族属性和性别属性对应的第一级年龄分类器，并将所述有效区域图 像的纹理特征输入到所述第一级年龄分类器中，得到所述有效区域图像对应的第一级年龄 段和所述每个第一级年龄段类别下的权重； 根据所述第一级年龄段类别下对应权重最大的第一级年龄段选择第二级年龄分类器， 并将所述有效区域图像的纹理特征输入到所述第二级年龄分类器中，得到所述有效区域图 像对应的第二级年龄段和所述每个第二级年龄段类别下的权重； 根据所述每个第二级年龄段类别下对应权重最大的第二级年龄段选择第三级年龄分 类器，并将所述有效区域图像的纹理特征输入到所述第三级年龄分类器中，得到所述有效 区域图像对应的第三级年龄； 根据所述第三级年龄、所述第一级年龄段对应的权重和所述第二级年龄段对应的权 重，得到所述人脸的年龄属性。
13. -种人脸属性识别的系统，其特征在于，所述系统包括： 测试样本获取模块，用于获取待测试的图像样本； 有效区域图像获取，用于获取所述图像样本中人脸的有效区域图像； 纹理特征抽取模块，用于抽取所述有效区域图像的纹理特征； 人脸属性识别模块，用于依次根据种族分类器、性别分类器和年龄分类器，对所述有效 区域图像的纹理特征进行种族、性别和年龄的分类，得到所述人脸的种族属性、性别属性和 年龄属性。
14. 根据权利要求13所述的系统，其特征在于，所述系统还包括： 属性分类器训练模块，用于在所述测试样本获取模块获取所述图像样本中的人脸的有 效区域图像之前，依次建立种族分类器、性别分类器和年龄分类器。
15. 根据权利要求14所述的系统，其特征在于，所述属性分类器训练模块，包括： 训练图像样本集获取单元，用于获取训练图像样本集； 有效区域图像获取单元，用于获取所述训练图像样本集中每个图像样本的有效区域图 像； 纹理特征抽取单元，用于抽取所述每个有效人脸区域图像的纹理特征； 属性分类器训练单元，用于根据所述训练图像样本集中所有图像样本的有效区域图像 的纹理特征，依次建立种族分类器、性别分类器和年龄分类器。
16. 根据权利要求15所述的方法，其特征在于，所述属性分类器训练单元，包括： 种族分类器训练子单元，用于根据白人、黑人和黄种人三个种族，将所述训练样本集划 分为白人训练样本、黑人训练样本和黄种人训练样本；分别对所述白人训练样本的纹理特 征、黑人训练样本的纹理特征和黄种人训练样本的纹理特征进行训练，得到对应所述种族 的三分类器，所述三分类器分别对应白人、黑人和黄种人。
17. 根据权利要求16所述的系统，其特征在于，所述属性分类器训练单元，包括： 性别分类器训练子单元，用于分别对所述白人训练样本、黑人训练样本和黄种人训练 样本按性别再次进行划分，得到所述每个种族下的性别样本；分别对所述每个种族的性别 样本的纹理特征进行训练，得到对应每个种族的性别的二分类器，所述二分类器分别对应 男性和女性。
18. 根据权利要求17所述的系统，其特征在于，所述属性分类器训练单元，包括： 年龄分类器训练子单元，用于分别对所述每个种族下的性别样本按年龄段再次进行划 分，得到婴儿训练样本、幼儿训练样本、青年训练样本和老年训练样本；对所述婴儿训练样 本、幼儿训练样本、青年训练样本和老年训练样本进行训练构造第一级年龄分类器；在所述 划分的每个年龄段下以5岁为等级，对其相应的训练样本的纹理特征进行训练，得到第二 级年龄分类器；在所述划分的每个年龄段下，针对每5岁的年龄段，训练线性拟合的第三级 年龄分类器。
19. 根据权利要求13所述的系统，其特征在于，所述有效区域图像获取模块，包括： 定位单元，用于对所述图像样本中的人脸进行检测，定位所述人脸的眼睛位置； 有效区域图像截取单元，用于基于所述人脸的眼睛位置，校正所述人脸的原始图像，并 以所述人脸的眼睛为中心截取预设范围内的人脸，得到所述人脸的有效区域图像。
20. 根据权利要求13所述的系统，其特征在于，所述纹理特征抽取模块，包括： BIM特征抽取单元，用于针对所述人脸的有效区域图像，抽取所述人脸的生物启发模型 BM特征。
21. 根据权利要求20所述的系统，其特征在于，所述BIM特征抽取单元具体用于： a) 建立64组gabor滤波器，并对应所述人脸的有效图像区域的16个尺度和4个方向 进行滤波，获得64组gabor滤波后的图像； b) 将所述所有gabor图像分为8个部分，所述每个部分包括：2个尺度和4个方向； c) 在所述每个部分的每个方向，选取一组m*n的蒙版大小，划窗原始gabor图像，得到 两组串联的gabor特征； d) 比较所述每个部分的两个尺度对应的gabor特征，取对应特征维度上较大的值作为 最终的特征输出； 调整蒙版大小，重复执行步骤c) -d) k次，得到所述人脸的有效区域图像的k*4*8组 BM特征。
22. 根据权利要求21所述的系统，其特征在于，所述BIM特征抽取单元得到所述人脸的 有效区域图像的k*4*8组特征之后，还用于对所述k*4*8组特征进行独立主成分 分析PCA降维，得到所述人脸的特征。
23. 根据权利要求13所述的系统，其特征在于，所述人脸属性识别模块，包括： 种族属性识别单元，用于根据种族分类器对所述有效区域图像的纹理特征进行种族分 类，得到所述人脸的种族属性； 性别属性识别单元，用于选取所述人脸的种族属性对应的性别分类器，根据所述性别 分类器对所述有效区域图像的纹理特征进行性别分类，得到所述人脸的性别属性； 年龄属性识别单元，用于选取所述人脸的种族属性和性别属性对应的年龄分类器，根 据所述年龄分类器对所述有效区域图像的纹理特征进行年龄分类，得到所述人脸的年龄属 性。
24. 根据权利要求23所述的系统，其特征在于，所述年龄属性识别单元具体用于： 选取所述人脸的种族属性和性别属性对应的第一级年龄分类器，并将所述有效区域图 像的纹理特征输入到所述第一级年龄分类器中，得到所述有效区域图像对应的第一级年龄 段和所述每个第一级年龄段类别下的权重； 根据所述第一级年龄段类别下对应权重最大的第一级年龄段选择第二级年龄分类器， 并将所述有效区域图像的纹理特征输入到所述第二级年龄分类器中，得到所述有效区域图 像对应的第二级年龄段和所述每个第二级年龄段类别下的权重； 根据所述每个第二级年龄段类别下对应权重最大的第二级年龄段选择第三级年龄分 类器，并将所述有效区域图像的纹理特征输入到所述第三级年龄分类器中，得到所述有效 区域图像对应的第三级年龄； 根据所述第三级年龄、所述第一级年龄段对应的权重和所述第二级年龄段对应的权 重，得到所述人脸的年龄属性。
【文档编号】G06K9/62GK104143079SQ201310172492
【公开日】2014年11月12日 申请日期:2013年5月10日 优先权日:2013年5月10日
【发明者】熊鹏飞, 刘海龙, 陈波, 刘严 申请人:腾讯科技（深圳）有限公司