CN109492571A - 识别人体年龄的方法、装置及电子设备 - Google Patents
识别人体年龄的方法、装置及电子设备 Download PDFInfo
- Publication number
- CN109492571A CN109492571A CN201811303378.3A CN201811303378A CN109492571A CN 109492571 A CN109492571 A CN 109492571A CN 201811303378 A CN201811303378 A CN 201811303378A CN 109492571 A CN109492571 A CN 109492571A
- Authority
- CN
- China
- Prior art keywords
- age
- human body
- frame image
- head
- current frame
- 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
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
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- 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)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及识别人体年龄的方法、装置及电子设备。根据一示例性实施例,一种识别人体年龄的方法可包括:识别当前帧图像中的人体的头部;基于所述当前帧图像以及所述当前帧图像之前的预设数量的先前帧图像,确定所述人体的头部的摆动参数;基于所述摆动参数确定所述人体的第一年龄。
Description
技术领域
本申请总体上涉及图像识别领域,更具体地,涉及一种识别人体年龄的方法、装置及电子设备。
背景技术
近年来,人工智能已经在许多方面逐渐投入到商业应用中,以促进商业的进一步发展。例如,在商场环境中监视客流量、识别客户特征、以及确定客户偏好等。年龄是客户的一个重要特征,在许多情况下,希望能够识别客户的年龄,从而确定目标客户群体,以进行有针对性的商业推广等。一般而言,可以通过人脸识别来确定客户年龄。然而在一些特定应用场景下,例如在商场环境中,由于人流量大、移动速度快以及移动方向随机等原因,摄像头往往难以准确捕捉到每个对象的整个面部信息,因此不能准确判别每个对象的年龄。
现有的一种技术方案是收集大量覆盖各种场景的视频,然后通过人工来对进出对象的年龄进行判断。之后,可以与人脸识别算法给出的数据结果进行对比,从而发现算法的缺陷以完善算法,提高识别成功率和准确度。然而,这种现有技术方案基本上依赖于IPC(网络摄像头)算法的提升,受制于人脸识别技术的发展,仅仅依靠人脸识别算法在短期内还是难以从根本上提高年龄识别准确率。
发明内容
鉴于上述现有技术状况,本申请提出一种识别人体年龄的方法、装置及电子设备,其可以通过多种算法来识别对象的年龄,提高识别成功率。
根据一示例性实施例,提供一种识别人体年龄的方法,其可包括:识别当前帧图像中的人体的头部;基于所述当前帧图像以及所述当前帧图像之前的预设数量的先前帧图像,确定所述人体的头部的摆动参数;基于所述摆动参数确定所述人体的第一年龄。
根据另一示例性实施例,提供一种识别人体年龄的装置,其可包括:人体头部识别单元,配置为识别当前帧图像中的人体的头部;摆动参数确定单元,配置为基于所述当前帧图像以及所述当前帧图像之前的预设数量的先前帧图像,确定所述人体的头部的摆动参数;以及第一年龄识别单元,配置为基于所述摆动参数确定所述人体的第一年龄。
根据另一示例性实施例,提供一种电子设备,其可包括:摄像头,用于获取人体的图像;以及处理器,配置为运行存储器中的计算机程序指令以执行上述方法。
根据另一示例性实施例,提供一种计算机可读存储介质,其上可存储有计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行上述方法。
本申请的上述和其他特征和优点将从下面对示例性实施例的描述而变得显而易见。
附图说明
通过结合附图对本申请的示例性实施例进行更详细的描述,本申请的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本申请实施例的进一步理解,并且构成说明书的一部分,与本申请实施例一起用于解释本申请,并不构成对本申请的限制。在附图中,相同的参考标号通常代表相同部件或步骤。
图1图示了根据本申请一示例性实施例的年龄识别方法的流程图。
图2图示了根据本申请一示例性实施例的确定头部摆动参数过程的示意图。
图3图示了根据本申请一示例性实施例的年龄识别方法的流程图。
图4图示了根据本申请一示例性实施例的确定年龄识别稳定性的方法的流程图。
图5图示了根据本申请一示例性实施例的年龄识别装置的功能框图。
图6图示了根据本申请一示例性实施例的电子设备的结构框图。
具体实施方式
下面,将参考附图详细地描述本申请的示例性实施例。显然,所描述的实施例仅仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。
如上所述,现有的年龄识别方案存在如下问题:
1.完全依赖于人脸识别技术,而在很多应用场景中难以采集到完整的人脸图像数据;
2.人脸识别算法在短期内难以显著提高年龄识别的准确率;
3.收集大量覆盖各种场景的视频,以人工对进出对象的年龄进行判断,自动化程度低,人员工作量大,无法摆脱人工处理关联的劣势。
针对现有技术中的上述缺陷,本申请的基本构思是采用更新颖的算法来实现年龄的智能识别。例如,在不能使用人脸识别算法时,可以通过人体的运动特征,例如人体头部的摆动参数,来识别人体年龄。不同年龄的人体的移动行为具有其典型特征,而头部又是能够最方便地捕捉人体移动特征的人体部分。此外,本发明的一些实施例中还利用一些辅助手段来实现年龄识别,例如人体移动速度、人群信息等,从而提高年龄识别的成功率。在一些实施例中,还采用了识别结果稳定性判断、基于应用场景的加权平均等手段来提高年龄识别的准确性。通过采用本发明的方案,与传统的单一依赖于人脸识别的年龄识别模式相比,大幅度提高了年龄识别的成功率和准确性。
需要说明的是,本申请的上述基本构思不但可以应用于商场、购物中心等商业环境中,还可以应用于其他场景中,例如社区、公园、路口等场景的人流年龄识别等。
在介绍了本申请的基本原理之后,下面将参考附图来具体介绍本申请的各种非限制性实施例。
图1图示了根据本申请一示例性实施例的年龄识别方法的流程图。如图1所示,年龄识别方法100可始于步骤S110,识别当前帧图像中的人体的头部。当前帧图像可以是例如通过网络摄像头(IPC)捕获的人流视频中的任一帧图像,可以利用各种现有的或者未来开发的算法来识别当前帧图像中的人体头部,例如但不限于基于神经网络的图像识别算法等。在步骤S110中,可以识别图像中每个人体的头部,例如正面头部、侧面头部和背面头部,而不限于其是否具有完整的人脸。也就是说,在方法100中,可以不依赖于人脸识别,而仅通过人体头部来进行年龄识别,具体如下面所述。
继续参照图1,在步骤S112中,基于当前帧图像和该当前帧图像之间的预定数量的先前帧图像,确定人体头部的摆动参数。这里,摆动参数可包括例如摆动幅度和摆动频率中的至少一个,例如,摆动参数可以包括摆动幅度,也可以仅包括摆动频率,还可以同时包括摆动幅度和摆动频率,其中,摆动参数可以基于多帧图像并且跟踪头部的运动来实现。图2示出了确定摆动参数的过程的示意图。如图2所示,在当前帧图像和当前帧图像之前的若干先前帧图像(统称为图像10)中,识别出了人体头部,如方框11所示,并且可以确定该人体头部的中心点位置12。通过跟踪该人体头部的移动,可以确定该人体头部的中心点12的移动轨迹,基于该移动轨迹即可确定人体头部的摆动幅度和摆动频率。
返回参照图1,在步骤S114中,可以基于摆动参数来确定人体年龄。为了描述方便,下面将基于摆动参数确定的人体年龄称为第一年龄。通过统计了大量样本发现,人体在移动时的摆动参数,典型地为人体头部的摆动参数,与人体年龄存在相关性。一般而言,人体年龄越大,其头部摆动频率越低;人体年龄越小,其头部摆动频率越高。另一方面,中年人移动时身形较稳,头部摆动幅度较低,而年龄越高和越低,其头部摆动幅度都会增大。基于这些特征,即可使用摆动参数例如摆动幅度和摆动频率中的一个或多个来确定人体年龄。
步骤S114可以通过多种方式来实现。例如在一示例中,可以事先基于经验数据建立一将摆动参数与人体年龄相关联的查找表,通过直接参考该查找表来确定人体年龄。这种实现方式较为简单,易于实现,并且所涉及的计算量小,有利于节省硬件资源。在另一示例中,还可以事先训练一神经网络模型,该神经网络模型直接以人体头部移动轨迹为输入,以年龄为输出。从而,可以直接将图2所示的轨迹13输入到该神经网络模型,来确定人体年龄。这里,头部摆动参数体现在轨迹13中,因此该神经网络模型实质上也是基于摆动参数来确定人体年龄的。这种实现方式虽然需要的运算量较大,但是能够进一步提高年龄预测的精确性。
在上述步骤中,基于人体头部的摆动参数例如摆动幅度和/或摆动频率确定了人体第一年龄。与例如人体面部相比,人体头部是更容易通过摄像头捕捉到的人体特征,尤其是当例如人流量较大时,人体面部很可能被其他人遮挡,或者因为人的行进方向而不能被摄像头捕捉到,而人体头部特征则很容易被准确地捕捉,例如通过将摄像头安装在较高位置处,可以捕捉密集人流中大多数人体的头部特征,进而可以基于头部特征的移动而提取头部摆动参数,例如摆动幅度和/或摆动频率。如前所述,摆动幅度和摆动频率是与人体年龄紧密相关的两个参数,因为人体在不同的年龄具有不同的运动特征,其体现在人体头部的摆动参数例如幅度和频率上。因此,通过基于摆动幅度和/或摆动频率来确定人体第一年龄,可以提高年龄识别的成功率。
如前所述,在能够捕捉到完整面部的情况下,人脸也可以用于人体年龄识别,并且具有较高的准确性。因此,在一些实施例中,还可以识别当前帧图像中的人脸,并且基于所识别的人脸来确定人体年龄。为了便于描述,下面将基于人脸识别确定的人体年龄称为第二年龄。可以理解,基于人脸的年龄识别过程可以在图1的步骤S110-S114之前、之后或者与其至少部分交叠地进行,本发明不局限于它们的执行顺序。同样,对于下文将详细描述的许多其他步骤,本发明也不限定其执行顺序,这些步骤可以按不同顺序依次进行,或者可以并行执行,除非根据上下文可以确定其相对执行顺序。
在本发明的一些实施例中,还可以通过多种辅助方法来识别人体年龄,下面将参照图3来详细描述。如图3所示,在步骤S116中,可以确定当前帧图像中的人数,这可以例如利用步骤S110的人体头部识别结果,对所识别的头部的数量进行统计来实现。接下来在步骤S118中,判断人数是否超过第一阈值。如果不超过第一阈值,则说明人流量较小,此时可以利用例如下面描述的速度信息和群组信息来执行辅助年龄识别;另一方面,如果超过第一阈值,则说明人流量较大,此时每个人的移动受到周围人群的较大限制,则难以根据个体的移动速度或群体信息来进行辅助年龄识别,而需要考虑其他的年龄识别手段。通过基于人流量来对场景进行细分,并且针对不同人流量采取不同的年龄识别方案,可以进一步提高年龄识别的准确性,并且改善本发明的方案针对不同场景的普适性。
继续参照图3,在步骤S120中,响应于人数小于或等于第一阈值,可以基于当前帧图像以及若干先前帧图像确定人体的移动速度,进而在步骤S122中,基于人体的移动速度来确定人体年龄。为了描述方便,下文中将基于人体移动速度确定的人体年龄称为第三年龄。一般而言,年龄越大,移动速度越慢;年龄越小,移动速度越快。同样,可以事先统计大量样本,建立移动速度与年龄之间的关联,还可以同时考虑其他因素比如人流密度等。这样,在步骤S122中即可基于人体移动速度,或者还可以结合其他辅助信息例如人流密度,来确定人体年龄。在一些实施例中,在步骤S122中基于人体移动速度来确定人体年龄时,还可以考虑相对速度。例如,可以将当前人体的移动速度与周围人体的移动速度相比较,确定其速度差值,然后可以结合考虑人体的移动速度和相对于周围人体的速度差值,来确定人体年龄。一般而言,人体年龄越小,其相对速度越快。速度和加速度都是人体运动的重要表征参数,其与人体年龄密切相关。通过基于速度和/或加速度来确定人体年龄,可以进一步提高年龄识别的成功率和准确性。
在一些实施例中,响应于步骤S118确定人数小于或等于第一阈值,可选地,还可以在步骤S124中基于当前帧和先前帧确定人体所在的群组。可以有多种方式确定多个人体属于一个同行的群组。例如,可以识别距离较近且移动轨迹(方向)大致相同的人体为一群组,可以识别正在交谈的几个人为一群体,等等。在识别了群体之后,在步骤S126中,即可基于群体内的成员信息来确定人体年龄。为了描述方便,下文中将基于群体成员信息而确定的人体年龄称为第四年龄。例如,如果群体内的多个成员年龄相近,则可以确定当前人体的年龄也与其他成员相近。再例如,如果群体中有两个中年人和一个儿童,则可以确定当前人体为老年人,他们属于同一个家庭。与上面基于人体本身的信息来进行年龄识别不同,群体信息是利用群体内其他成员的信息来进行人体年龄识别,因此可提供人体本身所不能提供的额外信息,进一步提高年龄识别的准确性。
上面描述了通过多种手段来识别人体年龄,其分别确定了第一、第二、第三和第四年龄。可以理解的是,在通过视频图像实现上述年龄识别时,由于人体移动和环境光照等因素的影响,其识别结果可能出现波动。例如,对于包括多帧图像的视频图像,可以利用前述方法确定了第一、第二、第三或第四年龄的多个年龄值,而这些年龄值彼此有所不同。此时,识别结果的稳定性成为判断识别是否准确的考量。图4示出了基于稳定性来判断识别结果准确性的方法流程图。如图4所示,在步骤S142中,针对多帧图像,可以利用前述识别算法中的任意一种,确定相应的第一、第二、第三或第四年龄的多个年龄值,然后在步骤S144中,可以确定该多个年龄值的稳定性是否达到第二阈值,即所确定的年龄值是否稳定。例如,可以确定这些年龄值中最频繁出现的年龄值所占的比率。例如,如果其比率达到第二阈值,例如66.7%、70%、75%、80%等,则可以在步骤S146中确认识别成功,并且以该稳定值作为所识别的人体年龄。另一方面,如果识别结果稳定性未达到该预设阈值,例如所确定的多个年龄值平均分布在一较大范围,则可以在步骤S148中确认识别失败。这样,可以去除准确性较低的识别结果,而仅包括准确性较高的识别结果,从而确保识别结果的可靠性。
返回参照图3,在步骤S126之后,或者当在步骤S118中确定人数超过第一阈值时,则可以进展到步骤S128,确定年龄识别是否成功。当从步骤S118进展到S128时,仅需确定是否成功识别了第一年龄和第二年龄;当从步骤S126进展到S128时,则需确定是否成功识别了第一、第二、第三和第四年龄。成功识别的标准是如参照图4描述的那样,识别出了稳定结果。如果识别结果不稳定,或者根本没有识别出任何结果,则都认为年龄识别失败。
在步骤S128中,只要确定成功识别了第一至第四年龄中的至少一个,则认为成功识别了人体年龄,可以继续进展到步骤S130,根据应用场景,将成功识别的年龄加权平均,以确定人体的最终年龄。通过将成功识别的年龄加权平均,可以综合考虑各种因素对年龄识别结果的贡献,从而减小年龄识别的误差,提高识别模型的整体准确率。在步骤S130的加权平均时,不仅考虑成功识别的第一至第四年龄中的一个或多个,还可以考虑基于应用场景确定的基础年龄。例如,如果是小饰品店,客户多为学生群体,则基础年龄较小,例如为12-16岁;如果是商场,客户群体多为年轻人,例如基础年龄可以为22-30岁。最终年龄可根据如下公式确定:
最终年龄=w1*基础年龄+w2*第一年龄+w3*第二年龄+w4*第三年龄+w5*第四年龄。
其中,w1至w5为对应年龄的权重参数。当未能成功识别某个年龄时,可以相应地调节参数w1至w5,以避免未能成功识别的年龄对最终年龄的影响。然后,可以进展到步骤S140,结束对当前帧的处理,继续处理下一帧。
如果在步骤S128中确认未能成功识别第一至第四年龄中的任意一个,则认为对该个体的年龄识别失败。在一些实施例中,如步骤S132所示,可以将该个体归入识别失败人群,并且统计识别失败人群的人数。在步骤S134中,可以判断识别失败人群的人数是否达到第三阈值。如果尚未达到第三阈值,则进展至步骤S140,如果达到了第三阈值,即累积了一定量的识别失败人体时,则可以在步骤S136中,利用预定年龄分布来确定识别失败人群中每个人体的年龄。例如,预定年龄分布可以是进行年龄识别的场景的参考年龄分布,例如商场的注册会员的年龄分布、社区居民的年龄分布、或者相似场景下之前识别的年龄分布等。在通过预定年龄分布确定了人体的年龄后,可以进展到步骤S140,继续进行下一帧的处理。
图5图示了根据本申请一示例性实施例的识别人体年龄的装置200的功能框图。如图5所示,年龄识别装置200可包括人体头部识别单元202、摆动参数确定单元204和第一年龄识别单元206。人体头部识别单元202可用于识别当前帧图像中的人体的头部,摆动参数确定单元204可用于基于当前帧图像以及当前帧图像之前的预设数量的先前帧图像,确定所识别的人体头部的摆动参数,例如摆动幅度和摆动频率等。第一年龄识别单元206则可用于基于所确定的摆动参数来识别人体的第一年龄。
在一些示例中,可选地,识别人体年龄的装置200还可包括用于识别当前帧图像中的人体的人脸的人脸识别单元208和用于基于所识别的人脸确定人体的第二年龄的第二年龄识别单元210。
在一些示例中,可选地,识别人体年龄的装置200还可包括计数单元212,其用于确定当前帧图像中的人数;速度确定单元214,其用于响应于人数小于或等于第一阈值,从当前帧图像和先前帧图像确定人体的移动速度;以及第三年龄识别单元216,其用于基于人体的移动速度来确定人体的第三年龄。在一些实施例中,第三年龄识别单元216还可以基于人体的移动速度和相对于周围人体的相对移动速度来确定人体的第三年龄。在一些示例中,可选地,识别人体年龄的装置200还可包括群组识别单元218,其用于响应于人数小于或等于第一阈值,基于当前帧图像和先前帧图像确定人体属于的群组;以及第四年龄识别单元220,其用于基于群组内的成员信息来确定人体的第四年龄。
应理解,如前面参照图1-4描述的那样,第一至第四年龄识别单元206、210、216和220还可以确定其识别结果的稳定性,从而确定是否实现了成功识别。
继续参照图5,在一些示例中,可选地,识别人体年龄的装置200还可包括加权平均单元222,其可以将成功识别的第一年龄、第二年龄、第三年龄和第四年龄加权平均,以获得人体的最终年龄。在加权平均时,还可以考虑由应用场景决定的人体基础年龄,即平均年龄。
在一些示例中,可选地,识别人体年龄的装置200还可包括识别失败统计单元224,其可以统计未能成功识别其年龄的识别失败人群;以及预定年龄分配单元226,其用于响应于识别失败人群的数量达到一阈值,利用预定年龄分布确定识别失败人群中的人体的第五年龄。
上述年龄识别装置200中的各个单元和模块的具体功能和操作已经在上面参考图1到图4描述的年龄识别方法中得到了详细介绍,因此这里仅简要说明,而省略了其重复详细描述。根据本申请实施例的年龄识别装置200可以实现在图像处理电子设备中,例如可以作为一个软件模块和/或硬件模块而集成到图像处理电子设备中。
上面描述了根据本申请一些实施例的识别人体的年龄的方法和装置,应理解,对于上面描述的实施例,可以有许多形式和细节上的变化。例如,在上面的方法和装置中,确定的年龄可以是精确的年龄值,也可以是估计的年龄段,或者是年龄的概率分布。此外,在上面的方法和装置中,还可以结合其他辅助信息来进行年龄识别,例如身高、性别等,其都是在本申请的教导下本领域技术人员容易想到和实施的,因此应视为落在所附权利要求限定的本发明的范围内。
图6示出可实现年龄识别装置200的示例性电子设备300的结构框图。如图5所示,电子设备300可包括处理器310、摄像头320、以及存储器330,它们通过总线360彼此连接。
处理器310可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元,并且可以控制电子设备中的其他组件以执行期望的功能。
摄像头320可以获取识别场景的图像,其包括一个或多个待识别人体。
存储器330可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。存储器330中可以存储有计算机程序指令,处理器310可以运行这些计算机程序指令,以实现上文的本申请的各实施例的年龄识别方法以及/或者其他期望的功能。
在一些示例中,电子设备300还可包括输入单元340和输出单元350。输入单元340和输出单元350可执行各种输入和输出功能,例如输入单元340可接受商业场所的注册会员资料数据、小区居民资料、或相似场景下之前识别的结果等到,输出单元350可以输出年龄识别结果等。处理器310通过总线360与各个模块或单元连接,以控制它们的操作。
除了上述方法和设备以外,本申请的实施例还可以是计算机程序产品,其包括计算机程序指令,所述计算机程序指令在被处理器运行时使得处理器执行上文描述的根据本申请实施例的年龄识别方法中的步骤。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本申请实施例操作的程序代码,程序设计语言包括面向对象的程序设计语言,诸如Java、C++等,还包括常规的过程式程序设计语言,诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外,本申请的实施例还可以是计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令在被处理器运行时使得处理器执行上文描述的根据本申请实施例的年龄识别方法中的步骤。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
以上结合具体实施例描述了本申请的基本原理,但是,需要指出的是,在本申请中提及的优点、优势、效果等仅是示例而非限制,不能认为这些优点、优势、效果等是本申请的各个实施例必须具备的。另外,上述公开的具体细节仅是为了示例的作用和便于理解的作用,而非限制,上述细节并不限制本申请为必须采用上述具体的细节来实现。
本申请中涉及的器件、装置、设备、***的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的,可以按任意方式连接、布置、配置这些器件、装置、设备、***。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇,指“包括但不限于”,且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”,且可与其互换使用,除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”,且可与其互换使用。
还需要指出的是,在本申请的装置、设备和方法中,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本申请的等效方案。
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本申请。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的,并且在此定义的一般原理可以应用于其他方面而不脱离本申请的范围。因此,本申请不意图被限制到在此示出的方面,而是按照与在此公开的原理和新颖的特征一致的最宽范围。
为了例示和描述的目的已经给出了以上描述。此外,此描述不意图将本申请的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例,但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。
Claims (14)
1.一种识别人体年龄的方法,包括:
识别当前帧图像中的人体的头部;
基于所述当前帧图像以及所述当前帧图像之前的预设数量的先前帧图像,确定所述人体的头部的摆动参数;
基于所述摆动参数确定所述人体的第一年龄。
2.如权利要求1所述的方法,其中,所述摆动参数包括摆动幅度和摆动频率中的至少一个。
3.如权利要求1所述的方法,其中,确定所述人体的头部的摆动参数包括:
确定所述人体的头部的中心;
基于所述当前帧图像和所述预设数量的先前帧图像中所述头部的中心的位置,确定所述头部的移动轨迹;以及
基于所述移动轨迹确定所述头部的摆动参数。
4.如权利要求1所述的方法,其中,基于所述摆动参数确定所述人体的第一年龄包括:
参考将人体头部的摆动参数与年龄相关联的查找表,来确定所述人体的第一年龄。
5.如权利要求1所述的方法,还包括:
识别所述当前帧图像中的人体的人脸;以及
基于所识别的人脸确定所述人体的第二年龄。
6.如权利要求5所述的方法,还包括:
确定所述当前帧图像中的人数;
响应于所述人数小于或等于第一阈值,从所述当前帧图像和所述先前帧图像确定所述人体的移动速度;以及
基于所述移动速度确定所述人体的第三年龄。
7.如权利要求6所述的方法,其中,基于所述移动速度确定所述人体的第三年龄包括:
将所述人体的移动速度与周围人体的移动速度相比较,以确定速度差异;以及
基于所述移动速度和所述速度差异确定所述人体的第三年龄。
8.如权利要求6所述的方法,还包括:
响应于所述人数小于或等于第一阈值,基于所述当前帧图像和所述先前帧图像确定所述人体属于的群组;以及
基于所述群组内的成员信息来确定所述人体的第四年龄。
9.如权利要求8所述的方法,其中,确定所述第一年龄、所述第二年龄、所述第三年龄和所述第四年龄中的至少一个的步骤包括:
基于多帧图像确定所述第一年龄、所述第二年龄、所述第三年龄和所述第四年龄中的所述至少一个的多个年龄值;
当所述多个年龄值的稳定性达到第二阈值时,确定年龄识别成功,并且将所述多个年龄值中的稳定值作为所述人体的年龄,否则,确定年龄识别失败。
10.如权利要求8所述的方法,还包括:
将所述第一年龄、所述第二年龄、所述第三年龄和所述第四年龄中成功识别的年龄加权平均,以获得所述人体的最终年龄。
11.如权利要求8所述的方法,还包括:
当未能成功确定所述人体的第一年龄、第二年龄、第三年龄和第四年龄时,将所述人体加入到识别失败人群;
响应于所述识别失败人群的数量达到第三阈值,利用预定年龄分布确定所述识别失败人群中的人体的第五年龄。
12.一种识别人体年龄的装置,包括:
人体头部识别单元,配置为识别当前帧图像中的人体的头部;
摆动参数确定单元,配置为基于所述当前帧图像以及所述当前帧图像之前的预设数量的先前帧图像,确定所述人体的头部的摆动参数;以及
第一年龄识别单元,配置为基于所述摆动参数确定所述人体的第一年龄。
13.一种电子设备,包括:
摄像头,用于获取人体的图像;以及
处理器,配置为运行存储器中的计算机程序指令以执行权利要求1-11中的任一项所述的方法。
14.一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行如权利要求1-11中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811303378.3A CN109492571B (zh) | 2018-11-02 | 2018-11-02 | 识别人体年龄的方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811303378.3A CN109492571B (zh) | 2018-11-02 | 2018-11-02 | 识别人体年龄的方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109492571A true CN109492571A (zh) | 2019-03-19 |
CN109492571B CN109492571B (zh) | 2020-10-09 |
Family
ID=65693763
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811303378.3A Active CN109492571B (zh) | 2018-11-02 | 2018-11-02 | 识别人体年龄的方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109492571B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109993150A (zh) * | 2019-04-15 | 2019-07-09 | 北京字节跳动网络技术有限公司 | 用于识别年龄的方法和装置 |
CN110852814A (zh) * | 2020-01-14 | 2020-02-28 | 深圳惠通天下信息技术有限公司 | 一种广告投放自助服务***及方法 |
CN112906525A (zh) * | 2021-02-05 | 2021-06-04 | 广州市百果园信息技术有限公司 | 年龄识别方法、装置及电子设备 |
WO2022048572A1 (zh) * | 2020-09-02 | 2022-03-10 | 杭州海康威视数字技术股份有限公司 | 目标识别方法、装置和电子设备 |
WO2024008009A1 (zh) * | 2022-07-05 | 2024-01-11 | 华为技术有限公司 | 一种年龄识别方法、装置、电子设备及存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101206538A (zh) * | 2006-12-18 | 2008-06-25 | 郑小军 | 平面端部活动头部活动双杆部手绘笔鼠标 |
CN101388080A (zh) * | 2008-10-23 | 2009-03-18 | 北京航空航天大学 | 一种基于多角度步态信息融合的行人性别分类方法 |
WO2016090522A1 (en) * | 2014-12-12 | 2016-06-16 | Xiaoou Tang | Method and apparatus for predicting face attributes |
CN105787440A (zh) * | 2015-11-10 | 2016-07-20 | 深圳市商汤科技有限公司 | 一种基于人脸特征和步态特征的安保管理方法及*** |
CN105893966A (zh) * | 2016-04-04 | 2016-08-24 | 上海大学 | 人体步态信息采集和步态形式分类识别***及方法 |
WO2016183380A1 (en) * | 2015-05-12 | 2016-11-17 | Mine One Gmbh | Facial signature methods, systems and software |
CN106682637A (zh) * | 2016-12-30 | 2017-05-17 | 深圳先进技术研究院 | 一种展品吸引度的分析方法及*** |
CN106951871A (zh) * | 2017-03-24 | 2017-07-14 | 北京地平线机器人技术研发有限公司 | 操作体的运动轨迹识别方法、装置和电子设备 |
CN107909026A (zh) * | 2016-11-30 | 2018-04-13 | 深圳奥瞳科技有限责任公司 | 基于嵌入式***小规模卷积神经网络的年龄和性别评估 |
US20180181196A1 (en) * | 2016-12-22 | 2018-06-28 | Samsung Electronics Co., Ltd. | Method for displaying image, storage medium, and electronic device |
-
2018
- 2018-11-02 CN CN201811303378.3A patent/CN109492571B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101206538A (zh) * | 2006-12-18 | 2008-06-25 | 郑小军 | 平面端部活动头部活动双杆部手绘笔鼠标 |
CN101388080A (zh) * | 2008-10-23 | 2009-03-18 | 北京航空航天大学 | 一种基于多角度步态信息融合的行人性别分类方法 |
WO2016090522A1 (en) * | 2014-12-12 | 2016-06-16 | Xiaoou Tang | Method and apparatus for predicting face attributes |
WO2016183380A1 (en) * | 2015-05-12 | 2016-11-17 | Mine One Gmbh | Facial signature methods, systems and software |
CN105787440A (zh) * | 2015-11-10 | 2016-07-20 | 深圳市商汤科技有限公司 | 一种基于人脸特征和步态特征的安保管理方法及*** |
CN105893966A (zh) * | 2016-04-04 | 2016-08-24 | 上海大学 | 人体步态信息采集和步态形式分类识别***及方法 |
CN107909026A (zh) * | 2016-11-30 | 2018-04-13 | 深圳奥瞳科技有限责任公司 | 基于嵌入式***小规模卷积神经网络的年龄和性别评估 |
US20180181196A1 (en) * | 2016-12-22 | 2018-06-28 | Samsung Electronics Co., Ltd. | Method for displaying image, storage medium, and electronic device |
CN106682637A (zh) * | 2016-12-30 | 2017-05-17 | 深圳先进技术研究院 | 一种展品吸引度的分析方法及*** |
CN106951871A (zh) * | 2017-03-24 | 2017-07-14 | 北京地平线机器人技术研发有限公司 | 操作体的运动轨迹识别方法、装置和电子设备 |
Non-Patent Citations (11)
Title |
---|
CHUEN, BENZ KEK YEO, ET AL.: "A preliminary study of gait-based age estimation techniques", 《ASIA-PACIFIC SIGNAL AND INFORMATION PROCESSING ASSOCIATION ANNUAL SUMMIT AND CONFERENCE (APSIPA)》 * |
HSUNG, TAI-CHIU, ET.AL: "Recording of Natural Head Position Using Stereophotogrammetry: A New Technique and Reliability Study", 《JOURNAL OF ORAL AND MAXILLOFACIAL SURGERY》 * |
LEE, HENG-JU,ET.AL: "Detection of gait instability using the center of mass and center of pressure inclination angles", 《ARCHIVES OF PHYSICAL MEDICINE AND REHABILITATION》 * |
NABILA, M., ET.AL: "Gait-based human age classification using a silhouette model", 《IET BIOMETRICS》 * |
PUNYANI, P.,ET.AL: "A Comparison Study of Face, Gait and Speech Features for Age Estimation", 《ADVANCES IN ELECTRONICS, COMMUNICATION AND COMPUTING》 * |
XIANG LI,ET.AL,: "Gait-based human age estimation using age group-dependent manifold learning and regression", 《MULTIMED TOOLS APPLLICATION》 * |
李立: "蛇形机器人水下运动仿真及控制的研究", 《中国优秀硕士论文全文数据库》 * |
李翔: "基于人体关节点的步态识别算法研究", 《优秀硕士论文全文数据库 信息科技辑》 * |
杨畅: "基于步态监测的年龄识别问题研究与实现", 《优秀硕士论文全文数据库 信息科技辑》 * |
谢春华: "基于人脸图像的年龄估计方法研究", 《优秀硕士论文全文数据库 信息科技辑》 * |
黄秋红: "三维姿势与步态分析在不同年龄健康人群平衡评估中的应用", 《临床研究》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109993150A (zh) * | 2019-04-15 | 2019-07-09 | 北京字节跳动网络技术有限公司 | 用于识别年龄的方法和装置 |
CN110852814A (zh) * | 2020-01-14 | 2020-02-28 | 深圳惠通天下信息技术有限公司 | 一种广告投放自助服务***及方法 |
WO2022048572A1 (zh) * | 2020-09-02 | 2022-03-10 | 杭州海康威视数字技术股份有限公司 | 目标识别方法、装置和电子设备 |
CN112906525A (zh) * | 2021-02-05 | 2021-06-04 | 广州市百果园信息技术有限公司 | 年龄识别方法、装置及电子设备 |
WO2024008009A1 (zh) * | 2022-07-05 | 2024-01-11 | 华为技术有限公司 | 一种年龄识别方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109492571B (zh) | 2020-10-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109492571A (zh) | 识别人体年龄的方法、装置及电子设备 | |
CN108090458B (zh) | 人体跌倒检测方法和装置 | |
CN106295567B (zh) | 一种关键点的定位方法及终端 | |
Hoang Ngan Le et al. | Robust hand detection and classification in vehicles and in the wild | |
Gall et al. | Hough forests for object detection, tracking, and action recognition | |
US20170193286A1 (en) | Method and device for face recognition in video | |
CN108351967A (zh) | 一种多人脸检测方法、装置、服务器、***及存储介质 | |
CN109447156B (zh) | 用于生成模型的方法和装置 | |
CN110222686B (zh) | 物体检测方法、装置、计算机设备和存储介质 | |
CN108224691A (zh) | 一种空调***控制方法和装置 | |
WO2013119420A1 (en) | Method and apparatus for unattended image capture | |
Neumann et al. | Future event prediction: If and when | |
CN110175528B (zh) | 人体跟踪方法及装置、计算机设备及可读介质 | |
CN106663196A (zh) | 视频中的计算机显著人物识别 | |
CN111353451A (zh) | 电瓶车检测方法、装置、计算机设备及存储介质 | |
KR102550964B1 (ko) | 개인화 모델을 이용한 집중도 측정 장치 및 방법 | |
US20080175447A1 (en) | Face view determining apparatus and method, and face detection apparatus and method employing the same | |
CN108319916A (zh) | 人脸识别方法、装置、机器人及存储介质 | |
CN111079621A (zh) | 检测对象的方法、装置、电子设备和存储介质 | |
Hammam et al. | Real-time multiple spatiotemporal action localization and prediction approach using deep learning | |
WO2022089020A1 (zh) | 事件展示方法及装置、存储介质及电子设备 | |
CN109977735A (zh) | 运动精彩片段的提取方法及装置 | |
CN109063790A (zh) | 对象识别模型优化方法、装置和电子设备 | |
WO2022062968A1 (zh) | 一种自训练方法、***、装置、电子设备及存储介质 | |
CN111126112B (zh) | 候选区域确定方法和装置 |
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 |