1.一种性别判断方法,其特征在于,包括:
从人脸数据库中获取多张训练人脸图像;
利用预设模型的第一神经网络获取所述多张训练人脸图像的高层特征集合,利用预设模型的第二神经网络获取所述多张训练人脸图像的底层特征集合;
将所述高层特征集合和所述底层特征集合进行融合,得到融合特征集合;
将所述融合特征集合作为训练数据输入预设模型的预测模块中进行训练,得到训练后的预设模型;
利用所述训练后的预设模型对当前人脸图像进行判断,得到所述当前人脸图像对应的性别特征。
2.根据权利要求1所述性别判断方法,其特征在于,所述从人脸数据库中获取多张训练人脸图像的步骤,包括:
从人脸数据库中获取多张人脸图像;
对所述多张人脸图像随机添加噪声得到多张训练人脸图像。
3.根据权利要求1所述性别判断方法,其特征在于,所述利用所述训练后的预设模型对当前人脸图像进行判断,得到所述当前人脸图像对应的性别特征的步骤,包括:
获取拍摄图像;
将训练后的预设模型根据所述拍摄图像进行调整,得到调整后的预设模型;
利用所述调整后的预设模型对当前人脸图像进行判断,得到所述当前人脸图像对应的性别特征。
4.根据权利要求3所述性别判断方法,其特征在于,所述将训练后的预设模型根据所述拍摄图像进行调整,得到调整后的预设模型的步骤,包括:
所述预设模型包括多层网络,所述多层网络对输入数据依次进行计算得到预测结果,其中,所述多层网络的每层网络包括独立的计算参数;
根据所述拍摄图像,对训练后的预设模型的多层网络中的一层或多层网络的计算参数进行调整,得到调整后的预设模型。
5.根据权利要求1所述性别判断方法,其特征在于,所述利用预设模型的第一神经网络获取所述多张训练人脸图像的高层特征集合,利用预设模型的第二神经网络获取所述多张训练人脸图像的底层特征集合的步骤,包括:
利用预设模型的深层卷积神经网络获取所述多张训练人脸图像的高层特征集合,利用预设模型的浅层神经网络获取所述多张训练人脸图像的底层特征集合。
6.根据权利要求1所述性别判断方法,其特征在于,所述将所述融合特征集合作为训练数据输入预设模型的预测模块中进行训练,得到训练后的预设模型的步骤,包括:
将所述融合特征集合作为训练数据输入预设模型的逻辑回归分类器中进行训练,得到训练后的预设模型。
7.一种性别判断装置,其特征在于,所述装置包括:
训练人脸图像获取模块,用于从人脸数据库中获取多张训练人脸图像;
第一获取模块,用于利用预设模型的第一神经网络获取所述多张训练人脸图像的高层特征集合,利用预设模型的第二神经网络获取所述多张训练人脸图像的底层特征集合;
第二获取模块,用于将所述高层特征集合和所述底层特征集合进行融合,得到融合特征集合;
训练模块,用于将所述融合特征集合作为训练数据输入预设模型的预测模块中进行训练,得到训练后的预设模型;
判断模块,用于利用所述训练后的预设模型对当前人脸图像进行判断,得到所述当前人脸图像对应的性别特征。
8.根据权利要求7所述的性别判断装置,其特征在于,所述训练人脸图像获取模块包括:
人脸图像获取子模块,用于从人脸数据库中获取多张人脸图像;
训练人脸获取子模块,用于对所述多张人脸图像随机添加噪声得到多张训练人脸图像。
9.一种存储介质,其上存储有计算机程序,其特征在于,当所述计算机程序在计算机上运行时,使得所述计算机执行如权利要求1至6任一项所述的性别判断方法。
10.一种电子设备,包括处理器和存储器,所述存储器储存有计算机程序,其特征在于,所述处理器通过调用所述计算机程序,用于执行如权利要求1至6任一项所述的性别判断方法。