基于多示例多標簽的人臉年齡估計研究.pdf

1、隨著近些年來機器視覺智能計算的快速發(fā)展，圖像智能處理的各個領(lǐng)域都涌現(xiàn)了大量的的新算法，為解決實際問題提供了良好的基礎(chǔ)，其中使得人臉識別、智能監(jiān)控和友好的人機交互等領(lǐng)域的應(yīng)用受到了越來越多的關(guān)注。在面對當前眾多機器視覺與模式識別的挑戰(zhàn)課題，通過計算機估計人臉年齡的年齡估計問題是挑戰(zhàn)之一，目前基于人臉的年齡估計的研究工作還比較薄弱，主要包括兩個方面：第一是人臉圖像的特征表示，盡管人臉圖像的特征提取方法很多，但是適合年齡估計的特征表示方法不全

2、面；第二是年齡估計模型的學習，在近期的一些論文中年齡估計模型一般都采用Support Vector Machines（SVM）和Support Vector Regression（SVR）等方法，但是年齡估計問題的特殊性使得單純的使用這兩種方法并不一定能取得好的效果。
　　因此研究工作可以圍繞這兩個問題開展。第一，年齡估計模型的學習，使用多標簽的理論應(yīng)用到年齡的分類模型中。由于年齡的標簽變化是漸進的，而且年齡標簽判斷存在模糊化，所

3、以考慮將訓練樣本人臉圖片賦值多個臨近的年齡標簽，這樣每一個訓練集經(jīng)過估計模型能獲得多個預測年齡標簽，并且能計算對應(yīng)預測的年齡標簽的概率，那么將這些標簽的概率線性求解就能得到比較準確的預測年齡標簽；第二，改進人臉的特征表示方法。使用多特征組合的多示例的學習框架，將局部特征BIF、LBP和全局特征AAM結(jié)合來表征人臉的年齡組合特征，其中每一種是對應(yīng)一個年齡示例，即多示例框架借助多個單示例多標簽的框架來學習，將各種特征分別通過多標簽模型后獲得