人臉年齡估計(jì)算法的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、近年來，隨著計(jì)算機(jī)視覺的發(fā)展，人臉識(shí)別技術(shù)成為模式識(shí)別領(lǐng)域非常熱門的一個(gè)研究課題。人臉是人類非常重要的生物學(xué)特征之一，人臉中包含了很多重要的信息，例如身份、性別、年齡、表情、種族等等。在這所有的信息中，人臉顯示出的年齡信息是人類身份識(shí)別的重要依據(jù)，并且人臉圖像的年齡估計(jì)在人機(jī)交互、計(jì)算機(jī)視覺、智慧商業(yè)等領(lǐng)域有著非常不錯(cuò)的應(yīng)用前景。因此，人臉年齡估計(jì)引起了越來越多的學(xué)者的關(guān)注。
　　現(xiàn)有的人臉年齡估計(jì)的算法主要從人臉特征與估計(jì)方法兩

2、方面解決人臉圖像的年齡估計(jì)問題。特征方面，Gabor特征、LBP(Local Binary Patterns)特征等基本人臉紋理特征，以及針對(duì)人臉的AAM(Active Appearance Model)特征等都是人臉年齡估計(jì)的常用特征。估計(jì)方法方面，研究學(xué)者大致采用分類與回歸兩種方法解決人臉的年齡估計(jì)問題。但是由于人臉呈現(xiàn)出的年齡受性別、健康狀況等多種因素的影響，不同年齡特征間存在著復(fù)雜的內(nèi)在聯(lián)系等因素，導(dǎo)致對(duì)于人臉年齡估計(jì)的研究存在

3、著很大的難點(diǎn)與挑戰(zhàn)。
　　本論文以解決人臉圖像的年齡估計(jì)問題為出發(fā)點(diǎn)，深入研究了兩種人臉年齡估計(jì)的方法，利用FGNET、Moph等數(shù)據(jù)庫進(jìn)行算法驗(yàn)證，并建立一個(gè)實(shí)時(shí)人臉年齡估計(jì)的演示系統(tǒng)，實(shí)現(xiàn)人臉年齡的實(shí)時(shí)估計(jì)，將算法轉(zhuǎn)化為實(shí)際應(yīng)用。
　　(1)、基于卷積神經(jīng)網(wǎng)絡(luò)的人臉年齡估計(jì)方法。該方法構(gòu)建了一個(gè)多層卷積神經(jīng)網(wǎng)絡(luò)，通過卷積神經(jīng)網(wǎng)絡(luò)獲取深度卷積激活特征，作為人臉年齡估計(jì)的特征，并利用支持向量機(jī)(SVM)的方法訓(xùn)練年齡估計(jì)模型

4、，得到年齡估計(jì)結(jié)果。利用Gobar特征與支持向量機(jī)(SVM)，基于C++語言與OpenCV開源庫實(shí)現(xiàn)實(shí)時(shí)的人臉年齡估計(jì)系統(tǒng)，實(shí)現(xiàn)算法到應(yīng)用的有效轉(zhuǎn)化。
　　(2)、基于結(jié)構(gòu)化的低秩特征表示的人臉年齡估計(jì)方法。該方法采用帶約束的塊對(duì)角化的方法，通過引入塊對(duì)角稀疏正則項(xiàng)學(xué)習(xí)人臉特征的新的區(qū)分力強(qiáng)的低秩特征表示，這種新的特征表示很好地利用相近年齡特征之間的的相似性與結(jié)構(gòu)性，可以提高年齡估計(jì)的準(zhǔn)確率。在學(xué)習(xí)到新的特征表示之后，采用回歸的方