CN107480621A - 一种基于人脸图像的年龄识别方法 - Google Patents

一种基于人脸图像的年龄识别方法 Download PDF

Info

Publication number
CN107480621A
CN107480621A CN201710661928.8A CN201710661928A CN107480621A CN 107480621 A CN107480621 A CN 107480621A CN 201710661928 A CN201710661928 A CN 201710661928A CN 107480621 A CN107480621 A CN 107480621A
Authority
CN
China
Prior art keywords
age
facial image
sample
identified
characteristic
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201710661928.8A
Other languages
English (en)
Other versions
CN107480621B (zh
Inventor
李钦
张健
张运生
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dragon Totem Technology Hefei Co ltd
Lv Gaofeng
Original Assignee
Shenzhen Institute of Information Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Institute of Information Technology filed Critical Shenzhen Institute of Information Technology
Priority to CN201710661928.8A priority Critical patent/CN107480621B/zh
Publication of CN107480621A publication Critical patent/CN107480621A/zh
Application granted granted Critical
Publication of CN107480621B publication Critical patent/CN107480621B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/178—Human faces, e.g. facial parts, sketches or expressions estimating age from face image; using age information for improving recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Human Computer Interaction (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明提供一种通过人脸图像识别年龄的方法，包括如下步骤：提取样本库中每个样本的适用于年龄识别的人脸图像中的人脸特征，所述人脸特征包括：纹理特征、亮度特征和颜色特征；并分别生成三个训练样本特征矩阵；基于三个训练样本特征矩阵，引入一个年龄段参数，通过调整年龄段参数得到测试样本在可容忍误差范围内的稀疏表达；在稀疏表达的基础上，利用多特征融合最终确定测试样本的人脸图像对应的年龄。能够在训练样本充足性较低和样本分布均衡性较低的情况下，实现准确的年龄识别。

Description

一种基于人脸图像的年龄识别方法
技术领域
本发明涉及一种基于人脸图像的年龄识别方法。
背景技术
近年来，基于人脸图像的年龄识别技术在市场上有着很高的需求。现有的技术包括支撑向量机、集成学习、深度神经网络等都对训练样本都有很高的要求，多数研发人员在研发过程中，由于采集设备和应用环境的不同，都会遇到样本不足和样本分布不均衡(某个年龄段样本数量远远小于其它年龄段)的问题。
现有技术中缺乏一种方法能够在训练样本充足性较低和样本分布均衡性较低的情况下实现准确的年龄识别。
发明内容
本发明为了解决现有技术中能够在训练样本充足性较低和样本分布均衡性较低的情况下实现准确的年龄识别的问题，提供一种基于人脸图像的年龄识别方法。
为了解决上述问题，本发明采用的技术方案如下所述：
一种通过人脸图像识别年龄的方法，包括如下步骤：S1：提取样本库中每个样本的适用于年龄识别的人脸图像中的人脸特征，所述人脸特征包括：纹理特征、亮度特征和颜色特征；并分别生成三个训练样本特征矩阵；S2：基于三个训练样本特征矩阵，引入一个年龄段参数，通过调整年龄段参数得到测试样本在可容忍误差范围内的稀疏表达；S3：在稀疏表达的基础上，利用多特征融合最终确定测试样本的人脸图像对应的年龄。
优选地，所述纹理特征通过多尺度积技术提取。
优选地，所述步骤S2中还包括基于所述三个训练样本特征矩阵和映射表达测试样本的年龄估计值，所述映射为所述稀疏表达的系数和所述年龄段参数之间的映射；通过使测试样本的年龄真实值和所述测试样本的年龄估计值的之间的残差最小，确定所述可容忍误差范围内的稀疏表达。
优选地，所述步骤S2中的年龄段参数所表征的年龄段为总共年龄数平均分配或不平均分配。
优选地，所述步骤S3包括计算测试样本的稀疏表达分别相对于三个训练样本特征矩阵中每个年龄端参数的残差，将相对于三个训练样本特征矩阵的残差通过权重参数融合成一个总残差；通过穷举法，获得最优的权重参数，从而最终识别人脸图像对应的年龄。
优选地，所述人脸特征还包括局部特征、角点、特征点和全局的几何特征。
优选地，所述年龄参数段内的训练样本可以通过相邻年龄参数段内的训练样本进行补充。
本发明还提供一种通过人脸图像识别年龄的装置，其特征在于，包括特征采集单元、特征处理单元以及输出单元，依次连接；所述特征采集单元采集测试样本的人脸图像中的人脸特征，并将所述人脸特征传输给特征处理单元，所述人脸特征包括：纹理特征、亮度特征和颜色特征；所述特征处理单元接收所述人脸特征，得到测试样本在可容忍误差范围内的稀疏表达并确定测试样本的人脸图像对应的年龄，将所述年龄传输给输出单元；所述输出单元将所述年龄输出。
本发明又提供一种通过人脸图像识别年龄的终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上所述方法的步骤。
本发明再提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上所述方法的步骤。
本发明的有益效果为：提供一种通过人脸图像识别年龄的方法，在训练样本充足性较低和样本分布均衡性较低的情况下，通过提取纹理特征、亮度特征和颜色特征，引入可调的年龄段参数先对测试样本进行稀疏表达，利用多特征融合最终确定测试样本的人脸图像对应的年龄，实现准确的年龄识别。
附图说明
图1是本发明实施例1中一种通过人脸图像识别年龄的方法的流程示意图。
图2是本发明实施例1中一种通过人脸图像识别年龄的装置的示意图。
图3是本发明实施例1中一种通过人脸图像识别年龄的终端设备的示意图。
具体实施方式
下面结合附图通过具体实施例对本发明进行详细的介绍，以使更好的理解本发明，但下述实施例并不限制本发明范围。另外，需要说明的是，下述实施例中所提供的图示仅以示意方式说明本发明的基本构思，附图中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的形状、数量及比例可为一种随意的改变，且其组件布局形态也可能更为复杂。
实施例1
如图1所示，本实施例的通过人脸图像识别年龄的方法包括：
1.提取人脸特征并构建训练样本特征矩阵
提取样本库中每个样本的适用于年龄识别的人脸图像中的人脸特征，所述人脸特征包括：纹理特征、亮度特征和颜色特征；并分别生成纹理特征、亮度特征和颜色特训练样本特征矩阵。构建一个样本库，样本库存在训练样本充足性较低和样本分布均衡性较低的情况。本实施例中我们设计了一种有效的多特征提取方案，能够提取人脸图像中与年龄相关的关键特征。该方案主要步骤如下所述。
(1)采用多尺度积技术，提取反映年龄变化的细小纹理特征。公式(1)定义了一个用于提取问题的多尺度匹配滤波器gi，其中i表示不同尺度，x表示纹理提取的方向，y表示纹理提取方向的垂直方向，σi表示不同尺度滤波器的均方差，表示不同尺度滤波器的均值，Li表示不同尺度滤波的平滑参数，该滤波器在x轴提取纹理，在y轴进行平滑，确保良好的信噪比。
为了提取不同方向的纹理，需要对该滤波器进行旋转，如公式(2)所示，其中φ表示旋转角度。
该滤波器在某个尺度下对原始图像f(x,y)的响应Ri(x,y)可表示为公式(3)，其中*表示卷积。
该滤波器的多尺度积Ρi,j定义为公式(4)，其中(i,j)表示两个相邻的尺度。由于信号在尺度空间上始终存在而噪声随尺度衰减，多尺度积保证了更高的信噪比，从而可以有效地提取放映年龄变化的细小纹理特征。
Ρi,j(x,y)＝Ri(x,y)·Rj(x,y) (4)
最后，一幅图像的年龄纹理特征Ft由公式(5)定义，其中H表示直方图操作。
Ft＝H(max(Pi,j(x,y),i∈[1:3],j∈[1:3])) (5)
(2)提取颜色特征。一幅图像的颜色特征Fc由公式(6)定义，其中(r,g,b)代表不同的颜色通道。
Fc＝[H(fr(x,y))H(fg(x,y))H(fb(x,y))] (6)
(3)提取亮度特征。一幅图像的亮度特征Fl由公式(7)定义，其中mean表示均值。
Fl＝[mean(fr(x,y))mean(fg(x,y))mean(fb(x,y))] (7)
(4)构造训练矩阵。基于纹理特征、颜色特征、亮度特征的训练矩阵At、Ac、Al由公式(8)-(10)定义，其中mt、mc、ml分别表示纹理特征向量、颜色特征向量、亮度特征向量的维数,n表示训练样本个数，k表示样本共分为k类，IR表示实数域。
上述方案基于多尺度积技术，由于信号在尺度空间上始终存在而噪声随尺度衰减，多尺度积保证了更高的信噪比，从而可提取反映年龄变化的细小纹理特征，并与亮度特征、颜色特征进行融合，相对于深度学习等依赖于海量训练样本学习高维特征的方案，该特征融合方案并不依赖于训练样本，从而在一定程度上解决训练样本不足的问题。
2.基于三个训练样本特征矩阵，引入一个年龄段参数，通过调整年龄段参数得到测试样本在可容忍误差范围内的稀疏表达。稀疏表达：我们在对测试样本的稀疏表达系数求解的过程中，引入了一个年龄段参数s，基于训练样本矩阵，通过调整该参数得到最优的稀疏表达。s由公式(11)定义，其中a为总共的年龄数，根据用户需求可调，若用户需求为20-60，则a＝41。参数s用来标记一个可调的区间，把某几个相邻的年龄归为一类，样本不足的某些年龄段可从相邻年龄段中获得一定的补充样本，从而可在一定程度上解决训练样本分布不均衡的问题，同时，又保证了测试样本表达系数的稀疏性。参数s可以是平均分配的，根据总共的年龄数平均分配成k类，则参数s的计算公式如下：
s＝a/k (11)
在本发明的变通实施例中，参数s可以是不平均分配的，比如总共的年龄数a的取值是0-100岁，那么年龄段参数s可以分别对应0岁-1岁、1岁-3岁、3岁-8岁、9岁-14岁、15岁-18岁、18岁-20岁、21岁-26岁…….之后每隔五年一个年龄段，即在人脸特征变化较大的年龄段调整合适的年龄段跨度，此时参数s不是由计算得到而是直接定义得到。
基于纹理特征、颜色特征、亮度特征的稀疏表达系数由公式(12)-(14)定义，其中|| ||1表示第一范式，|| ||2表示第二范式，ε表示可容忍误差，表示求最小参数。
我们定义一个映射δi(x)表示一组稀疏表达系数中与第i类相关的系数，则一个测试样本y由第i类训练样本求出的年龄的估计值可表示为公式(15)。
则一个测试样本y的年龄的真实值与估计值之间的残差可表示为公式(16)。
设根据测试样本y的年龄的真实值与估计值之间的残差求得j的取值；则年龄段参数s的最终取值可表示为：(a2)，把所求的j的值代入公式(a2)，求出年龄段参数s的最终取值q。理想情况下(表达足够稀疏且训练样本与测试样本的特征足够相似)，rj(y)应接近零。在训练样本不充足和不均衡的条件下，通过调节s，从而使得稀疏系数中接近零的分量尽量的多，可在一定程度上保证测试样本的稀疏表达。
3.在稀疏表达的基础上，利用多特征融合最终确定测试样本的人脸图像对应的年龄。
多特征融合：使用三个训练样本矩阵对应同一个测试样本的稀疏系数，计算测试样本相对于不同训练矩阵中每个类的残差，将相对于三种不同特征的残差通过一个权重系数，融合成一个总残差，由公式(16)定义，其中σ表示训练样本的均差。该残差可理解为测试样本到第i类训练样本的距离，根据距离最小原则，可找到测试样本的归属类，在训练过程中通过穷举法，获得最优的权重系数，从而合理利用多个特征，最终确定人脸图像对应的年龄。
在本发明的一个变通实施例中，人脸特征还包括局部特征、角点、特征点和全局的几何特征，这样虽然会提高运算量，但是会获得更精准的年龄数值。
在本发明的又一个变通实施例中，所述年龄参数段内样本的人脸特征可以通过相邻年龄参数内样本的人脸特征差值补充。
本实施例的通过人脸图像识别年龄的装置包括特征采集单元、特征处理单元以及输出单元，依次连接；特征采集单元采集测试样本的人脸图像中的人脸特征，并将人脸特征传输给特征处理单元，人脸特征包括：纹理特征、亮度特征和颜色特征；特征处理单元接收人脸特征，得到测试样本在可容忍误差范围内的稀疏表达并确定测试样本的人脸图像对应的年龄，将年龄传输给输出单元；输出单元将年龄输出。在本发明的变通实施例中，通过人脸图像识别年龄的装置可以是一种年龄识别仪器，采集待测试的样本的人脸图像就可以得到待测试样本的年龄；仪器内部包括特征采集单元、特征处理单元以及输出单元，依次连接，这些单元可以合并或拆分，总体需要完成本发明的方法即可。
如图3所示，本发明通过人脸图像识别年龄的终端设备的示意图。该实施例的通过人脸图像识别年龄的终端设备包括：处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，例如特征采集程序。所述处理器执行所述计算机程序时实现上述各个通过人脸图像识别年龄方法实施例中的步骤，例如图1所示的步骤：提取样本库中每个样本的适用于年龄识别的人脸图像中的人脸特征，所述人脸特征包括：纹理特征、亮度特征和颜色特征；并分别生成三个训练样本特征矩阵。或者，所述处理器执行所述计算机程序时实现上述各装置实施例中各单元的功能，例如特征采集单元。
示例性的，所述计算机程序可以被分割成一个或多个单元，所述一个或者多个单元被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述通过人脸图像识别年龄的终端设备中的执行过程。例如，所述计算机程序可以被分割成特征采集单元、特征处理单元以及输出单元；特征采集单元采集测试样本的人脸图像中的人脸特征，并将所述人脸特征传输给特征处理单元，依次连接；特征处理单元接收所述人脸特征并确定测试样本的人脸图像对应的年龄，并将所述年龄传输给输出单元；输出单元将所述年龄输出。
所述通过人脸图像识别年龄的终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述通过人脸图像识别年龄的终端设备可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，所述示意图仅仅是通过人脸图像识别年龄的终端设备的示例，并不构成对通过人脸图像识别年龄的终端设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述通过人脸图像识别年龄的终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述通过人脸图像识别年龄的终端设备的控制中心，利用各种接口和线路连接整个通过人脸图像识别年龄的终端设备的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述通过人脸图像识别年龄的终端设备的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
实施例2
所述通过人脸图像识别年龄的终端设备集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的技术人员来说，在不脱离本发明构思的前提下，还可以做出若干等同替代或明显变型，而且性能或用途相同，都应当视为属于本发明的保护范围。

Claims (10)

1.一种通过人脸图像识别年龄的方法，其特征在于，包括如下步骤：
S1：提取样本库中每个样本的适用于年龄识别的人脸图像中的人脸特征，所述人脸特征包括：纹理特征、亮度特征和颜色特征；并分别生成纹理特征、亮度特征和颜色特征的三个训练样本特征矩阵；
S2：基于三个训练样本特征矩阵，引入一个年龄段参数，通过调整年龄段参数得到测试样本在可容忍误差范围内的稀疏表达；
S3：在稀疏表达的基础上，利用多特征融合最终确定测试样本的人脸图像对应的年龄。
2.如权利要求1所述的一种通过人脸图像识别年龄的方法，其特征在于，所述纹理特征通过多尺度积技术提取。
3.如权利要求1所述的一种通过人脸图像识别年龄的方法，其特征在于，所述步骤S2中还包括基于所述三个训练样本特征矩阵和映射表达测试样本的年龄估计值，所述映射为所述稀疏表达的系数和所述年龄段参数之间的映射；通过使测试样本的年龄真实值和所述测试样本的年龄估计值的之间的残差最小，确定所述可容忍误差范围内的稀疏表达。
4.如权利要求1所述的一种通过人脸图像识别年龄的方法，其特征在于，所述步骤S2中的年龄段参数所表征的年龄段为总共年龄数平均分配或不平均分配。
5.如权利要求1所述的一种通过人脸图像识别年龄的方法，其特征在于，所述步骤S3包括计算测试样本的稀疏表达分别相对于三个训练样本特征矩阵中每个年龄端参数的残差，将相对于三个训练样本特征矩阵的残差通过权重参数融合成一个总残差；通过穷举法，获得最优的权重参数，从而最终识别人脸图像对应的年龄。
6.如权利要求1所述的一种通过人脸图像识别年龄的方法，其特征在于，所述人脸特征还包括局部特征、角点、特征点和全局的几何特征。
7.如权利要求1所述的一种通过人脸图像识别年龄的方法，其特征在于，所述年龄参数段内的训练样本可以通过相邻年龄参数段内的训练样本进行补充。
8.一种通过人脸图像识别年龄的装置，其特征在于，包括特征采集单元、特征处理单元以及输出单元，依次连接；
所述特征采集单元采集测试样本的人脸图像中的人脸特征，并将所述人脸特征传输给特征处理单元，所述人脸特征包括：纹理特征、亮度特征和颜色特征；
所述特征处理单元接收所述人脸特征，得到测试样本在可容忍误差范围内的稀疏表达并确定测试样本的人脸图像对应的年龄，将所述年龄传输给输出单元；
所述输出单元将所述年龄输出。
9.一种通过人脸图像识别年龄的终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-7所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7所述方法的步骤。
CN201710661928.8A 2017-08-04 2017-08-04 一种基于人脸图像的年龄识别方法 Active CN107480621B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710661928.8A CN107480621B (zh) 2017-08-04 2017-08-04 一种基于人脸图像的年龄识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710661928.8A CN107480621B (zh) 2017-08-04 2017-08-04 一种基于人脸图像的年龄识别方法

Publications (2)

Publication Number Publication Date
CN107480621A true CN107480621A (zh) 2017-12-15
CN107480621B CN107480621B (zh) 2020-09-01

Family

ID=60597636

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710661928.8A Active CN107480621B (zh) 2017-08-04 2017-08-04 一种基于人脸图像的年龄识别方法

Country Status (1)

Country Link
CN (1) CN107480621B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109726703A (zh) * 2019-01-11 2019-05-07 浙江工业大学 一种基于改进集成学习策略的人脸图像年龄识别方法
CN109948397A (zh) * 2017-12-20 2019-06-28 Tcl集团股份有限公司 一种人脸图像校正方法、***及终端设备
EP3611682A1 (en) 2018-08-17 2020-02-19 Shenzhen IVPS Technology Co., Ltd. Method for selling electronic cigarette, terminal, storage medium and electronic cigarette
EP3610739A1 (en) 2018-08-17 2020-02-19 Shenzhen IVPS Technology Co., Ltd. Unlocking method for electronic cigarette, unlocking system, storage medium and unlocking device
CN114359993A (zh) * 2021-09-29 2022-04-15 北京百度网讯科技有限公司 模型训练方法、人脸识别方法、装置、设备、介质及产品

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104077612A (zh) * 2014-07-15 2014-10-01 中国科学院合肥物质科学研究院 一种基于多特征稀疏表示技术的害虫图像识别方法
CN105574475A (zh) * 2014-11-05 2016-05-11 华东师范大学 一种基于共同向量词典的稀疏表示分类方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104077612A (zh) * 2014-07-15 2014-10-01 中国科学院合肥物质科学研究院 一种基于多特征稀疏表示技术的害虫图像识别方法
CN105574475A (zh) * 2014-11-05 2016-05-11 华东师范大学 一种基于共同向量词典的稀疏表示分类方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李玲芝: "基于稀疏表示的自动年龄估计", 《中南大学学报(自然科学版)》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109948397A (zh) * 2017-12-20 2019-06-28 Tcl集团股份有限公司 一种人脸图像校正方法、***及终端设备
EP3611682A1 (en) 2018-08-17 2020-02-19 Shenzhen IVPS Technology Co., Ltd. Method for selling electronic cigarette, terminal, storage medium and electronic cigarette
EP3610739A1 (en) 2018-08-17 2020-02-19 Shenzhen IVPS Technology Co., Ltd. Unlocking method for electronic cigarette, unlocking system, storage medium and unlocking device
CN109726703A (zh) * 2019-01-11 2019-05-07 浙江工业大学 一种基于改进集成学习策略的人脸图像年龄识别方法
CN114359993A (zh) * 2021-09-29 2022-04-15 北京百度网讯科技有限公司 模型训练方法、人脸识别方法、装置、设备、介质及产品

Also Published As

Publication number Publication date
CN107480621B (zh) 2020-09-01

Similar Documents

Publication Publication Date Title
CN107480621A (zh) 一种基于人脸图像的年龄识别方法
WO2022213465A1 (zh) 基于神经网络的图像识别方法、装置、电子设备及介质
CN106250914B (zh) 基于结构稀疏多核学习的多模态数据特征筛选和分类方法
CN106156791A (zh) 业务数据分类方法和装置
CN107358596A (zh) 一种基于图像的车辆定损方法、装置、电子设备及***
CN109325538A (zh) 目标检测方法、装置和计算机可读存储介质
CN104392253B (zh) 一种草图数据集的交互式类别标注方法
CN111967392A (zh) 一种人脸识别神经网络训练方法、***、设备及储存介质
CN103679195B (zh) 基于局部边缘模式的纹理图像分类方法及***
WO2021151313A1 (zh) 证件鉴伪方法、装置、电子设备及存储介质
CN106778489A (zh) 人脸3d特征身份信息库的建立方法及设备
WO2021189856A1 (zh) 证件校验方法、装置、电子设备及介质
CN111353580B (zh) 目标检测网络的训练方法、电子设备及存储介质
CN108415937A (zh) 一种图像检索的方法和装置
CN109948680A (zh) 病历数据的分类方法及***
CN107967461A (zh) Svm 差分模型训练及人脸验证方法、装置、终端及存储介质
CN114419378B (zh) 图像分类的方法、装置、电子设备及介质
CN111798047A (zh) 风控预测方法、装置、电子设备及存储介质
CN108776795A (zh) 用户身份识别方法、装置及终端设备
CN103839074B (zh) 一种基于素描线段信息和空间金字塔匹配的图像分类方法
CN111127400A (zh) 一种乳腺病变检测方法和装置
CN107392191B (zh) 身份判定方法、装置及电子设备
CN106663210A (zh) 基于感受的多媒体处理
CN111460910A (zh) 人脸脸型的分类方法、装置、终端设备及存储介质
CN106778491A (zh) 人脸3d特征信息的获取方法及设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20230607

Address after: 230000 floor 1, building 2, phase I, e-commerce Park, Jinggang Road, Shushan Economic Development Zone, Hefei City, Anhui Province

Patentee after: Dragon totem Technology (Hefei) Co.,Ltd.

Address before: 518000 1502a, science and technology building, Shenzhen Institute of information technology, Longgang District, Shenzhen City, Guangdong Province

Patentee before: SHENZHEN INSTITUTE OF INFORMATION TECHNOLOGY

Effective date of registration: 20230607

Address after: 518000 Ma Que Ling Industrial Zone Ye, Gaoxin Middle Zone, Nanshan District, Shenzhen City, Guangdong Province

Patentee after: Lv Gaofeng

Address before: 230000 floor 1, building 2, phase I, e-commerce Park, Jinggang Road, Shushan Economic Development Zone, Hefei City, Anhui Province

Patentee before: Dragon totem Technology (Hefei) Co.,Ltd.

TR01 Transfer of patent right