人臉年齡估計算法的設(shè)計與實現(xiàn).pdf

1、近年來，隨著計算機視覺的發(fā)展，人臉識別技術(shù)成為模式識別領(lǐng)域非常熱門的一個研究課題。人臉是人類非常重要的生物學特征之一，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別的重要依據(jù)，并且人臉圖像的年齡估計在人機交互、計算機視覺、智慧商業(yè)等領(lǐng)域有著非常不錯的應用前景。因此，人臉年齡估計引起了越來越多的學者的關(guān)注。
　　現(xiàn)有的人臉年齡估計的算法主要從人臉特征與估計方法兩

2、方面解決人臉圖像的年齡估計問題。特征方面，Gabor特征、LBP(Local Binary Patterns)特征等基本人臉紋理特征，以及針對人臉的AAM(Active Appearance Model)特征等都是人臉年齡估計的常用特征。估計方法方面，研究學者大致采用分類與回歸兩種方法解決人臉的年齡估計問題。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雜的內(nèi)在聯(lián)系等因素，導致對于人臉年齡估計的研究存在

3、著很大的難點與挑戰(zhàn)。
　　本論文以解決人臉圖像的年齡估計問題為出發(fā)點，深入研究了兩種人臉年齡估計的方法，利用FGNET、Moph等數(shù)據(jù)庫進行算法驗證，并建立一個實時人臉年齡估計的演示系統(tǒng)，實現(xiàn)人臉年齡的實時估計，將算法轉(zhuǎn)化為實際應用。
　　(1)、基于卷積神經(jīng)網(wǎng)絡(luò)的人臉年齡估計方法。該方法構(gòu)建了一個多層卷積神經(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，作為人臉年齡估計的特征，并利用支持向量機(SVM)的方法訓練年齡估計模型

4、，得到年齡估計結(jié)果。利用Gobar特征與支持向量機(SVM)，基于C++語言與OpenCV開源庫實現(xiàn)實時的人臉年齡估計系統(tǒng)，實現(xiàn)算法到應用的有效轉(zhuǎn)化。
　　(2)、基于結(jié)構(gòu)化的低秩特征表示的人臉年齡估計方法。該方法采用帶約束的塊對角化的方法，通過引入塊對角稀疏正則項學習人臉特征的新的區(qū)分力強的低秩特征表示，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，可以提高年齡估計的準確率。在學習到新的特征表示之后，采用回歸的方