基于視頻的人臉圖像年齡估計.pdf

1、由于變電站是一個高壓危險區(qū)域，因此我們希望巡檢機器人代替工作人員利用攝像頭監(jiān)控變電站內的情況，從而使得無人值守時智能系統(tǒng)依然能夠實時監(jiān)控變電站內的設備安全和有無陌生人闖入破壞設備。目前，設備安全問題已經(jīng)得到解決，而后者尚未得到解決，其關鍵是如何判斷監(jiān)控視頻中的人是否是陌生人。對于此問題，我們可以通過提取相關特征如年齡、性別、行為等來判斷此人是否是陌生人。針對性別、外觀、行為等識別問題，課題組已進行了相關研究。因此，本文將研究基于視頻的人

2、臉年齡估計問題，把年齡作為其他身份信息的補充，使得智能監(jiān)控系統(tǒng)能夠更好地判斷此人是否是陌生人，提高智能監(jiān)控系統(tǒng)的性能。
　　由于不同個體具有不同的年齡衰老模式，且人臉年齡變化受到各種因素的影響，如生活環(huán)境、種族、性別等，研究者們至今未找到最合適的年齡表征方法和年齡估計模型。因此，人臉年齡估計是一個復雜的模式識別問題，是研究者們面臨的一個巨大難題。本文在現(xiàn)有理論研究的基礎上，將從以下幾個方面對基于視頻的人臉圖像年齡估計進行研究。

3、r>　　(1)人臉圖像預處理，主要包括圖像去霧、移動目標檢測、人臉檢測、圖像灰度化和圖像增強五個方面。首先進行圖像清晰化處理，再利用背景差分方法檢測到移動目標并利用變焦鏡頭拉近目標，然后利用Adaboost算法從視頻中檢測人臉區(qū)域，最后對其進行灰度化和圖像增強。其中，圖像灰度化是將彩色圖像轉換為灰度圖像，消除顏色信息產(chǎn)生的影響；直方圖均衡化的目的是使人臉圖像的對比度得到增強，降低干擾因素，有利于后續(xù)年齡特征的提取。
　　(2)自動

4、定位標記點，提出了一種人臉標記點的自動定位方法，能夠簡單、高效地擬合出未知人臉圖像中所需要的標記點，為提取形狀和紋理特征做準備。
　　(3)提取年齡特征，本文通過分析研究已有的年齡特征提取算法，選擇了主動外觀模型即AAM算法，提取人臉的形狀和紋理特征來表征人臉的年齡信息。
　　(4)年齡估計，本文分別采用 BP神經(jīng)網(wǎng)絡和支持向量機來訓練不同的年齡估計模型，并對兩者的年齡估計結果進行了比較分析。
　　實驗結果表明，利用本