基于人臉圖像的年齡估計(jì)算法的性能增強(qiáng)研究.pdf

1、人臉年齡估計(jì)是利用人臉圖像，自動(dòng)預(yù)測(cè)年齡值或年齡范圍的方法。作為計(jì)算機(jī)視覺的一個(gè)重要研究方向，人臉年齡估計(jì)廣泛應(yīng)用于安全監(jiān)控、智慧商業(yè)和娛樂應(yīng)用和醫(yī)療美容等領(lǐng)域。在獲取的人臉圖像中，各個(gè)年齡段的樣本分布有時(shí)存在不均衡的問題。此外，由于年齡變化，以及光照、姿態(tài)等因素的影響，對(duì)于同一個(gè)體，人臉圖像的外觀會(huì)有很大的變化，如何提高人臉年齡估計(jì)的精度，是一件比較困難的工作。因此，本文對(duì)以下兩個(gè)方面展開了研究。
　　(1)提出了一種基于極限學(xué)

2、習(xí)機(jī)(Extreme Learning Machine:ELM)的人臉年齡估計(jì)算法。首先，構(gòu)建一組基于ELM的弱估計(jì)器，并通過隨機(jī)選擇特征子空間和變換初始權(quán)重矩陣的方式，提高弱估計(jì)器的多樣性。然后，設(shè)計(jì)一個(gè)基于訓(xùn)練樣本分布的加權(quán)模型，以獲取不同弱估計(jì)器的加權(quán)系數(shù)。最后，對(duì)多個(gè)弱估計(jì)器的估計(jì)結(jié)果進(jìn)行集成，以獲得最終預(yù)測(cè)年齡。所提出的方法，有效降低了由于樣本分布不均衡對(duì)估計(jì)精度造成的不利影響。
　　(2)提出了一種基于樣本剪輯和標(biāo)簽分

3、布支持向量回歸(Label Distribution Support Vector Regression:LDSVR)的人臉年齡估計(jì)算法。首先，建立一個(gè)基于預(yù)估均方誤差的剪輯模型，包括劃分、分類、剪輯、混合和迭代五個(gè)步驟，剪輯錯(cuò)誤和重復(fù)的訓(xùn)練樣本，以建立新的訓(xùn)練樣本空間。然后，對(duì)于獲取的新的訓(xùn)練樣本，利用LDSVR方法進(jìn)行年齡估計(jì)，獲得測(cè)試樣本的年齡分布概率。最后，選擇概率最大的估計(jì)年齡，作為最終預(yù)測(cè)年齡。通過樣本剪輯策略，所提出的方法