一种基于深度学习框架的自然场景用户头像年龄预测方法与流程

本发明属于年龄识别技术领域，尤其涉及一种基于深度学习框架的自然场景用户头像年龄预测方法。

背景技术：

信公众平台主要面向名人、政府、媒体、企业等机构推出的合作推广业务。在这里可以通过渠道将品牌推广给线上平台作用。在微信公众号上进行广告推广是一种常见的广告推广方式。

但是企业在进行广告投放时需要考虑该公号背后用户年龄分布，从而可以针对性投放广告或服务。但是现实中用户头像内容包含风景，宠物，建筑，真实人物，卡通等内容，不方便对用户的年龄进行预测。

技术实现要素：

本发明提供一种基于深度学习框架的自然场景用户头像年龄预测方法，旨在解决现实中用户头像内容包含风景，宠物，建筑，真实人物，卡通等内容，不方便对用户的年龄进行预测的问题。

本发明是这样实现的，一种基于深度学习框架的自然场景用户头像年龄预测方法，包括以下步骤：

s1、放大用户图像至预设尺寸；

s2、提取步骤s1获得的所述用户图像中的用户人脸头像；

s3、提取步骤s2获得的人脸头像中的真实人物头像；

s4、提取步骤s3获得的真实人物头像中的黄种人头像；

s5、删除步骤s4获得的黄种人头像中的明星名人头像；

s6、通过步骤s5获得的人物头像预测并获取用户的年龄分布。

优选的，步骤s1中，将用户头像放大到150×150。

优选的，步骤s2中，根据dlib库获取用户的人脸头像，同时将倾斜的人脸扶正。

优选的，所述提取步骤s2获得的人脸头像中的真实人物头像，具体为：从网络获取真实人物头像和卡通人物头像，各1万样本量，通过深度学习cnn网络，建立识别真实人物头像模型，通过训练好的真实人物模型训练进行应用预测，然后提取步骤s2获得的人脸头像中的真实人物头像。

优选的，所述提取步骤s3获得的真实人物头像中的黄种人头像，具体为：建立识别黄种人头像模型，从网络获取黄种人和非黄种人的图像，各采集2万样本，通过深度学习cnn网络，训练识别黄种人头像模型，将训练好的模型进行应用预测，然后提取步骤s3获得的真实人物头像中的黄种人头像。

优选的，所述删除步骤s4获得的黄种人头像中的明星名人头像，具体为：建立明星名人对比模型，从网络获取世界明星名人头像，采用孪生神经网络结构进行训练，将训练好的模型进行应用预测，删除步骤s4获得的黄种人头像中的明星名人头像。

优选的，所述通过步骤s5获得的人物头像预测并获取用户的年龄分布，具体为：建立用户头像年龄预测模型，从网络获取从1-70岁人群的头像，人工标注数据，采用向上抽样获取平衡样本集，模型采用zf-net模型训练预测用户年龄模型，最后通过步骤s5获得的人物头像预测并获取用户的年龄分布。

与现有技术相比，本发明的有益效果是：本发明的一种基于深度学习框架的自然场景用户头像年龄预测方法，通过依次放大用户图像至预设尺寸，提取的用户图像中的用户人脸头像，提取人脸头像中的真实人物头像，提取真实人物头像中的黄种人头像，删除黄种人头像中的明星名人头像，最后预测并获取用户的年龄分布，从而有效的减少用户头像中的干扰因素，能够更准确预测公众号用户的年龄分布。

附图说明

图1为本发明的一种基于深度学习框架的自然场景用户头像年龄预测方法的流程示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

请参阅图1，本发明提供一种技术方案：一种基于深度学习框架的自然场景用户头像年龄预测方法，包括以下步骤：

s1、一般用户头像尺寸为132×132，将用户头像尺寸由132×132放大到150×150。

s2、根据dlib库提取步骤s1获得的用户图像中的用户人脸头像，同时将倾斜的人脸扶正。dlib库是一个机器学习的开源库，包含了机器学习的很多算法，使用起来很方便，直接包含头文件即可，自带图像编解码库源码，不依赖于其他库。

s3、从网络获取真实人物头像和卡通人物头像，各1万样本量，通过深度学习cnn网络，建立识别真实人物头像模型，通过训练好的真实人物模型训练进行应用预测，然后提取步骤s2获得的人脸头像中的真实人物头像。cnn网络是一类包含卷积计算且具有深度结构的前馈神经网络，是深度学习的代表算法之一。卷积神经网络具有表征学习能力，能够按其阶层结构对输入信息进行平移不变分类。

s4、建立识别黄种人头像模型，从网络获取黄种人和非黄种人的图像，各采集2万样本，通过深度学习cnn网络，训练识别黄种人头像模型，将训练好的模型进行应用预测，然后提取步骤s3获得的真实人物头像中的黄种人头像。

s5、建立明星名人对比模型，从网络获取世界明星名人头像，采用孪生神经网络结构进行训练，将训练好的模型进行应用预测，删除步骤s4获得的黄种人头像中的明星名人头像。

s6、建立用户头像年龄预测模型，从网络获取从1-70岁人群的头像，人工标注数据，采用向上抽样获取平衡样本集，模型采用zf-net模型训练预测用户年龄模型，最后通过步骤s5获得的人物头像预测并获取用户的年龄分布。

本发明的一种基于深度学习框架的自然场景用户头像年龄预测方法，通过依次放大用户图像至预设尺寸，提取的用户图像中的用户人脸头像，提取人脸头像中的真实人物头像，提取真实人物头像中的黄种人头像，删除黄种人头像中的明星名人头像，最后预测并获取用户的年龄分布，从而有效的减少用户头像中的干扰因素，能够更准确预测公众号用户的年龄分布。本发明的年龄预测方法包含人脸检测模型，是否真实人物模型，是否黄种人模型，世界明星名人对比模型，年龄预测模型，从而有效的减少用户头像中的干扰因素，能够更准确预测公众号用户的年龄分布。通过各个子深度学习模型融合，依据头像预测微信公众号的粉丝用户年龄分布，了解用户的年龄分布，可以针对性提供理财服务。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

技术特征：

1.一种基于深度学习框架的自然场景用户头像年龄预测方法，其特征在于：包括以下步骤：

s1、放大用户图像至预设尺寸；

s2、提取步骤s1获得的所述用户图像中的用户人脸头像；

s3、提取步骤s2获得的人脸头像中的真实人物头像；

s4、提取步骤s3获得的真实人物头像中的黄种人头像；

s5、删除步骤s4获得的黄种人头像中的明星名人头像；

s6、通过步骤s5获得的人物头像预测并获取用户的年龄分布。

2.如权利要求1所述的一种基于深度学习框架的自然场景用户头像年龄预测方法，其特征在于：步骤s1中，将用户头像放大到150×150。

3.如权利要求1所述的一种基于深度学习框架的自然场景用户头像年龄预测方法，其特征在于：步骤s2中，根据dlib库获取用户的人脸头像，同时将倾斜的人脸扶正。

4.如权利要求1所述的一种基于深度学习框架的自然场景用户头像年龄预测方法，其特征在于：所述提取步骤s2获得的人脸头像中的真实人物头像，具体为：从网络获取真实人物头像和卡通人物头像，各1万样本量，通过深度学习cnn网络，建立识别真实人物头像模型，通过训练好的真实人物模型训练进行应用预测，然后提取步骤s2获得的人脸头像中的真实人物头像。

5.如权利要求1所述的一种基于深度学习框架的自然场景用户头像年龄预测方法，其特征在于：所述提取步骤s3获得的真实人物头像中的黄种人头像，具体为：建立识别黄种人头像模型，从网络获取黄种人和非黄种人的图像，各采集2万样本，通过深度学习cnn网络，训练识别黄种人头像模型，将训练好的模型进行应用预测，然后提取步骤s3获得的真实人物头像中的黄种人头像。

6.如权利要求1所述的一种基于深度学习框架的自然场景用户头像年龄预测方法，其特征在于：所述删除步骤s4获得的黄种人头像中的明星名人头像，具体为：建立明星名人对比模型，从网络获取世界明星名人头像，采用孪生神经网络结构进行训练，将训练好的模型进行应用预测，删除步骤s4获得的黄种人头像中的明星名人头像。

7.如权利要求1所述的一种基于深度学习框架的自然场景用户头像年龄预测方法，其特征在于：所述通过步骤s5获得的人物头像预测并获取用户的年龄分布，具体为：建立用户头像年龄预测模型，从网络获取从1-70岁人群的头像，人工标注数据，采用向上抽样获取平衡样本集，模型采用zf-net模型训练预测用户年龄模型，最后通过步骤s5获得的人物头像预测并获取用户的年龄分布。

技术总结
本发明适用于年龄识别技术领域，提供了一种基于深度学习框架的自然场景用户头像年龄预测方法，通过依次放大用户图像至预设尺寸，提取的用户图像中的用户人脸头像，提取人脸头像中的真实人物头像，提取真实人物头像中的黄种人头像，删除黄种人头像中的明星名人头像，最后预测并获取用户的年龄分布，从而有效的减少用户头像中的干扰因素，能够更准确预测公众号用户的年龄分布，本发明的年龄预测方法包含人脸检测模型，是否真实人物模型，是否黄种人模型，世界明星名人对比模型，年龄预测模型，从而有效的减少用户头像中的干扰因素，通过各个子深度学习模型融合，能够更准确预测公众号用户的年龄分布。

技术研发人员：巩乐
受保护的技术使用者：上海昌投网络科技有限公司
技术研发日：2019.12.31
技术公布日：2020.05.19