基于稀疏无向概率图模型的人脸年龄估计方法、系统的制作方法
【技术领域】
[0001] 本发明设及一种人脸年龄估计方法，尤其设及一种基于稀疏无向概率图模型的人 脸年龄估计方法，属于机器学习和模式识别技术领域。
【背景技术】
[0002] 基于人脸图像的自动年龄估计的应用日趋广泛，主要包括W下几个方面：（1)基于 年龄的人机交互系统:在普通人机交互系统的基础上引入人类年龄自动估计算法，根据用 户的年龄不同而采用不同的交互界面或交互方式；（2)基于年龄的访问控制系统：用来防止 未成年人访问不适宜的网页或内容、在自动售货机上购买烟酒产品、进入酒吧等不适宜的 场所等；（3)电子商务:根据图像等估计客户的大致年龄，对不同年龄段的客户采用不同的 营销策略；（4)刑事侦查:根据视频监控等拍下的犯罪嫌疑人图像资料判断嫌疑人的大致年 龄，缩小排查范围。
[0003] 利用计算机进行人脸年龄估计，即首先通过照相机或者摄像头获取人脸图像，由 特征抽取算法提取人脸图像的特征，然后将其输入到一个训练好的年龄估计模型中，即可 输出图像的估计年龄。
[0004] 人脸年龄估计的主要困难之一是现存的人脸数据库在许多年龄上缺少充足的训 练数据(人脸图像），且目前的年龄估计算法又不能充分利用运些数据;另外，目前的算法不 能在给出年龄预测的同时给出该预测的置信度，不利于进一步的决策。为了解决上述问题， Geng等人提出了年龄分布模型算法BFGS-LLD。标记分布将样本的单标记扩展到一个标记分 布，对多类的学习有很大的帮助，尤其解决了类间相互关联和某些类训练数据不足的问题。 相近年龄上的人的脸部特征是非常相似的，运是因为人脸的成长是一个缓慢且平稳的过 程，因此，可W利用某个年龄的相近年龄的人脸图像帮助该年龄的模型的学习，将现有技术 中采用的一幅图像对应一个年龄的方法，改为一幅图像对应一个关于年龄的标记分布的方 法。
[0005] -幅真实年龄为a的人脸图像，其适当的年龄标记分布需满足W下两个条件：1)在 标记分布中，年龄切4应的描述度是最大的；2)其他年龄对应的描述度的大小随着与a距离 的增加而降低，使得与实际年龄越接近的年龄对标记分布的贡献越大。
[0006] 年龄分布模型算法是从Geng等人2010年在国际会议AAAI' 10上发表的论文 "Facial Age Estimation by Learning from Label Distribution''中提出的标记分布学 习 ]JJKLearning from Label distributions)方法中抽象出需要最小化的目标函数，并求 解目标函数的梯度，然后利用BFGS优化算法。该算法由化oyden ,Fletcher ,Goldfarb , 化anno于1970年同时提出，因而命名为BFGS算法，可参见化anno的论文Conditioning of quasi-Newton methods for function minimization)进行求角军。
[0007] 上述即为年龄分布模型算法BFGS-LLD，虽然运个方法取得了不错的效果，但还是 有两个问题。其一是对于图像数据，其提取的图像特征往往非常复杂，而BFGSALD是基于最 大赌模型的方法，而最大赌模型是一个较为简单的参数模型，它不能够学习到足够的信息 来预测年龄分布。第二个问题是运个模型没有利用图像的稀疏性的先验，而在之前的众多 研究和实践中，对于图像特征，稀疏性已经被证实为一个很有用的先验，但是之前提出的年 龄标记分布模型不能够利用运样的有效的先验知识，所W其学习到得的预测模型缺乏说服 力与可信度。
【发明内容】
[0008] 本发明所要解决的技术问题在于克服现有技术不足，提供一种基于稀疏无向概率 图模型的人脸年龄估计方法、系统，利用无向概率图模型来构建年龄预测模型，并通过稀疏 性正则项来约束模型参数，使得学习到的模型的泛用性更强，年龄估计的精度更高。
[0009] 本发明基于稀疏无向概率图模型的人脸年龄估计方法，包括训练阶段和估计阶 段，
[0010] 所述训练阶段包括W下步骤：
[0011] 步骤1、获取一组带有真实年龄标记的人脸图像;对每一幅人脸图像，提取其人脸 图像特征，并根据真实年龄为其赋予一个符合高斯分布的初始年龄分布，运些带有初始年 龄分布的人脸图像构成训练集;所述初始年龄分布的均值为其真实年龄，方差为预设的初 始方差；
[0012] 步骤2、利用所述训练集中人脸图像的人脸图像特征、年龄分布分别作为无向概率 图模型的输入W及相应的输出，W目标函数最小为目标，对所述无向概率图模型进行训练， 得到年龄分布预测模型;所述目标函数为初始年龄分布与模型预测年龄分布之间的相似度 与稀疏正则项的加权和，所述稀疏正则项可使得年龄分布预测模型中隐藏层的单元尽可能 稀疏；
[0013] 所述估计阶段包括W下步骤：
[0014] 步骤3、提取待估计人脸图像的人脸图像特征，将其输入所述年龄分布预测模型，
[0015] 得到一个与待估计人脸图像对应的年龄分布输出，把运个年龄分布中取得最大描 述度时对应的年龄作为最终估计年龄。
[0016] 优选地，所述无向概率图模型为包括输入层，隐藏层W及分布层的=层结构，其数 学表达具体如下
[0017] 其中，0为模型参数集合，其包括bk，<，Ukr; i为人脸图像数索引；j为年龄;r为隐 藏层的隐藏单元索引；R为隐藏单元个数。
[0018] 优选地，所述初始年龄分布与模型预测年龄分布之间的相似度为初始年龄分布与 模型预测年龄分布之间的KL散度。
[0019]进一步地，所述目标函数具体如下：
[00201 >
[0021] 其中，0为模型参数集合，i为人脸图像数索引，n为人脸图像总数，j为年龄，I为最 大的年龄，r为隐藏层的隐藏单元索引，R为隐藏单元个数，代表第i幅人脸图像的年龄 j的置信度，为第i幅人脸图像的特征山为隐藏单元，A为加权系数，如嘶为 预测模型计算的第i幅人脸图像的年龄j的置信度;隐藏单元的后验概率P化r=l|x，yj = l) 的和为稀疏正则项，其中隐藏单元的后验概率公式为：
[0022]
。
[0023] 根据相同的发明思路还可W得到本发明基于稀疏无向概率图模型的人脸年龄估 计系统，包括人脸图像特征提取模块和年龄分布预测模型，所述人脸图像特征提取模块用 于提取人脸图像的人脸图像特征，并将所提取的人脸图像特征输入所述年龄分布预测模 型;所述年龄分布预测模型通过W下方法预先训练得到：
[0024] 步骤1、获取一组带有真实年龄标记的人脸图像;对每一幅人脸图像，提取其人脸 图像特征，并根据真实年龄为其赋予一个符合高斯分布的初始年龄分布，运些带有初始年 龄分布的人脸图像构成训练集;所述初始年龄分布的均值为其真实年龄，方差为预设的初 始方差；
[0025] 步骤2、利用所述训练集中人脸图像的人脸图像特征、年龄分布分别作为无向概率 图模型的输入W及相应的输出，W目标函数最小为目标，对所述无向概率图模型进行训练， 得到年龄分布预测模型;所述目标函数为初始年龄分布与模型预测年龄分布之间的相似度 与稀疏正则项的加权和，所述稀疏正则项可使得年龄分布预测模型中隐藏层的单元尽可能 稀疏。
[0026] 所述无向概率图模型为包括输入层，隐藏层W及分布层的=层结构，其数学表达 具体如下：
[0027] 其中，0为模型参数集合，其包括bk，^<，Ukr;i为人脸图像数索引；j为年龄;r为隐 藏层的隐藏单元索引；R为隐藏单元个数。
[0028] 优选地，