CN110163170A - 用于识别年龄的方法和装置 - Google Patents
用于识别年龄的方法和装置 Download PDFInfo
- Publication number
- CN110163170A CN110163170A CN201910447129.XA CN201910447129A CN110163170A CN 110163170 A CN110163170 A CN 110163170A CN 201910447129 A CN201910447129 A CN 201910447129A CN 110163170 A CN110163170 A CN 110163170A
- Authority
- CN
- China
- Prior art keywords
- facial image
- age
- face
- information
- image group
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Collating Specific Patterns (AREA)
- Processing Or Creating Images (AREA)
Abstract
本公开的实施例公开了用于识别年龄的方法和装置。该方法的一具体实施方式包括:响应于获取到用户发布的至少一个人物视频,从该至少一个人物视频中提取出人脸图像集合;对于人脸图像集合中的每张人脸图像,对该人脸图像进行解析,确定与该人脸图像对应的年龄信息;基于人脸图像之间的匹配关系,将人脸图像集合划分成至少一个人脸图像组,其中,不同的人脸图像组对应不同的人物;对于该至少一个人脸图像组中的每个人脸图像组,基于该人脸图像组中的人脸图像所对应的年龄信息,确定与该人脸图像组所对应的人物相对应的年龄识别结果。该实施方式可以实现对用户发布的至少一个人物视频所显示的一个或多个人物进行年龄识别。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及用于识别年龄的方法和装置。
背景技术
随着移动互联网技术的飞速发展,各种各样的应用层出不穷,例如社交应用等。其中,用户可以在社交应用中进行个人信息设置,例如设置头像,昵称、年龄等。有些用户为了保护个人隐私,可能会将显示有非本人头像的图片设置为社交应用中的头像,以及不在社交应用中设置年龄,或者随便设置一个非真实的年龄。此外,用户还可以利用社交应用进行视频录制,并发布所录制的视频。
发明内容
本公开的实施例提出了用于识别年龄的方法和装置。
第一方面,本公开的实施例提供了一种用于识别年龄的方法,该方法包括:响应于获取到用户发布的至少一个人物视频,从上述至少一个人物视频中提取出人脸图像集合;对于人脸图像集合中的每张人脸图像,对该人脸图像进行解析,确定与该人脸图像对应的年龄信息;基于人脸图像之间的匹配关系,将人脸图像集合划分成至少一个人脸图像组,其中,不同的人脸图像组对应不同的人物;对于上述至少一个人脸图像组中的每个人脸图像组,基于该人脸图像组中的人脸图像所对应的年龄信息,确定与该人脸图像组所对应的人物相对应的年龄识别结果。
在一些实施例中,从上述至少一个人物视频中提取出人脸图像集合,包括:对上述至少一个人物视频分别进行抽帧,并将抽取出的图像组成图像集合;对图像集合中的各张图像分别进行人脸检测,得到人脸检测结果,其中,包括人脸区域的图像所对应的人脸检测结果包括人脸区域的位置信息;基于人脸检测结果中的位置信息,从图像集合中提取出人脸图像集合。
在一些实施例中,包括人脸区域的图像所对应的人脸检测结果还包括人脸特征信息;以及基于人脸图像之间的匹配关系,将人脸图像集合划分成至少一个人脸图像组,包括:对人脸图像集合中的各张人脸图像分别对应的人脸特征信息进行聚类,并基于聚类结果,将人脸图像集合划分成至少一个人脸图像组。
在一些实施例中,对于人脸图像集合中的每张人脸图像,在对该人脸图像进行解析,确定该人脸图像对应的年龄信息时,上述方法还包括:确定该人脸图像对应的关联信息,关联信息包括以下至少一项:三维姿态信息、质量信息;以及基于该人脸图像组中的人脸图像所对应的年龄信息,确定与该人脸图像组所对应的人物相对应的年龄识别结果,包括:基于该人脸图像组中的人脸图像对应的年龄信息和关联信息,确定与该人脸图像组所对应的人物相对应的年龄识别结果。
在一些实施例中,对于人脸图像集合中的每张人脸图像,对该人脸图像进行解析,确定该人脸图像对应的年龄信息和关联信息,包括:对于人脸图像集合中的每张人脸图像,将该人脸图像输入多个识别模型,得到与该人脸图像对应的多种信息,该多个识别模型包括用于进行年龄识别的第一识别模型和用于进行关联信息识别的第二识别模型,该多种信息包括该人脸图像对应的年龄信息和关联信息。
在一些实施例中,基于该人脸图像组中的人脸图像对应的年龄信息和关联信息,确定与该人脸图像组所对应的人物相对应的年龄识别结果,包括:对于该人脸图像组中的每张人脸图像,基于该人脸图像所对应的关联信息,确定与该人脸图像对应的权重值;基于该人脸图像组中的多张人脸图像分别对应的权重值和年龄信息,确定与该人脸图像组所对应的人物相对应的年龄识别结果。
在一些实施例中,关联信息包括三维姿态信息,三维姿态信息包括俯仰角度值、偏航角度值和翻滚角度值;以及基于该人脸图像所对应的关联信息,确定与该人脸图像对应的权重值,包括:确定该人脸图像所对应的俯仰角度值、偏航角度值和翻滚角度值的绝对值之间的总和,并将第一预设值与所确定的总和之间的比值确定为该人脸图像所对应的权重值。
在一些实施例中,关联信息包括三维姿态信息和质量信息,三维姿态信息包括俯仰角度值、偏航角度值和翻滚角度值,质量信息包括模糊程度值;以及基于该人脸图像所对应的关联信息,确定与该人脸图像对应的权重值,包括:确定该人脸图像所对应的俯仰角度值、偏航角度值和翻滚角度值的绝对值以及所对应的模糊程度值之间的总和,并将第一预设值与所确定的总和之间的比值确定为该人脸图像所对应的权重值。
在一些实施例中,基于该人脸图像组中的多张人脸图像分别对应的权重值和年龄信息,确定与该人脸图像组所对应的人物相对应的年龄识别结果,包括:采用以下公式确定与该人脸图像组所对应的人物相对应的年龄识别结果:
其中,C代表年龄识别结果;n为该多张人脸图像的数量;i为处于[1,n]内的自然数;W代表权重值,Wi代表该多张人脸图像中的第i张人脸图像对应的权重值,Wn代表该多张人脸图像中的第n张人脸图像对应的权重值;V代表年龄信息中的年龄值,Vi代表该多张人脸图像中的第i张人脸图像对应的年龄信息中的年龄值。
在一些实施例中,基于该人脸图像组中的人脸图像所对应的年龄信息,确定与该人脸图像组所对应的人物相对应的年龄识别结果,包括:对该人脸图像组中的各张人脸图像分别对应的年龄信息中的年龄值求平均值,将平均值确定为与该人脸图像组所对应的人物相对应的年龄识别结果。
第二方面,本公开的实施例提供了一种用于识别年龄的装置,该装置包括:提取单元,被配置成响应于获取到用户发布的至少一个人物视频,从上述至少一个人物视频中提取出人脸图像集合;第一确定单元,被配置成对于人脸图像集合中的每张人脸图像,对该人脸图像进行解析,确定与该人脸图像对应的年龄信息;划分单元,被配置成基于人脸图像之间的匹配关系,将人脸图像集合划分成至少一个人脸图像组,其中,不同的人脸图像组对应不同的人物;第二确定单元,被配置成对于上述至少一个人脸图像组中的每个人脸图像组,基于该人脸图像组中的人脸图像所对应的年龄信息,确定与该人脸图像组所对应的人物相对应的年龄识别结果。
在一些实施例中,提取单元进一步被配置成:对上述至少一个人物视频分别进行抽帧,并将抽取出的图像组成图像集合;对图像集合中的各张图像分别进行人脸检测,得到人脸检测结果,其中,包括人脸区域的图像所对应的人脸检测结果包括人脸区域的位置信息;基于人脸检测结果中的位置信息,从图像集合中提取出人脸图像集合。
在一些实施例中,包括人脸区域的图像所对应的人脸检测结果还包括人脸特征信息;以及划分单元进一步被配置成:对人脸图像集合中的各张人脸图像分别对应的人脸特征信息进行聚类,并基于聚类结果,将人脸图像集合划分成至少一个人脸图像组。
在一些实施例中,第一确定单元进一步被配置成:对于人脸图像集合中的每张人脸图像,在对该人脸图像进行解析,确定与该人脸图像对应的年龄信息时,还确定该人脸图像对应的关联信息,关联信息包括以下至少一项:三维姿态信息、质量信息;以及第二确定单元进一步被配置成:对于上述至少一个人脸图像组中的每个人脸图像组,基于该人脸图像组中的人脸图像对应的年龄信息和关联信息,确定与该人脸图像组所对应的人物相对应的年龄识别结果。
在一些实施例中,第一确定单元进一步被配置成:对于人脸图像集合中的每张人脸图像,将该人脸图像输入多个识别模型,得到与该人脸图像对应的多种信息,该多个识别模型包括用于进行年龄识别的第一识别模型和用于进行关联信息识别的第二识别模型,该多种信息包括该人脸图像对应的年龄信息和关联信息。
在一些实施例中,第二确定单元进一步被配置成:对于上述至少一个人脸图像组中的每个人脸图像组,对于该人脸图像组中的每张人脸图像,基于该人脸图像所对应的关联信息,确定与该人脸图像对应的权重值;基于该人脸图像组中的多张人脸图像分别对应的权重值和年龄信息,确定与该人脸图像组所对应的人物相对应的年龄识别结果。
在一些实施例中,关联信息包括三维姿态信息,三维姿态信息包括俯仰角度值、偏航角度值和翻滚角度值;以及第二确定单元进一步被配置成:对于上述至少一个人脸图像组中的每个人脸图像组,对于该人脸图像组中的每张人脸图像,确定该人脸图像所对应的俯仰角度值、偏航角度值和翻滚角度值的绝对值之间的总和,并将第一预设值与所确定的总和之间的比值确定为该人脸图像所对应的权重值。
在一些实施例中,关联信息包括三维姿态信息和质量信息,三维姿态信息包括俯仰角度值、偏航角度值和翻滚角度值,质量信息包括模糊程度值;以及第二确定单元进一步被配置成:对于上述至少一个人脸图像组中的每个人脸图像组,对于该人脸图像组中的每张人脸图像,确定该人脸图像所对应的俯仰角度值、偏航角度值和翻滚角度值的绝对值以及所对应的模糊程度值之间的总和,并将第一预设值与所确定的总和之间的比值确定为该人脸图像所对应的权重值。
在一些实施例中,第二确定单元进一步被配置成:对于上述至少一个人脸图像组中的每个人脸图像组,采用以下公式确定与该人脸图像组所对应的人物相对应的年龄识别结果:
其中,C代表年龄识别结果;n为人脸图像组中的多张人脸图像的数量;i为处于[1,n]内的自然数;W代表权重值,Wi代表该多张人脸图像中的第i张人脸图像对应的权重值,Wn代表该多张人脸图像中的第n张人脸图像对应的权重值;V代表年龄信息中的年龄值,Vi代表该多张人脸图像中的第i张人脸图像对应的年龄信息中的年龄值。
在一些实施例中,第二确定单元进一步被配置成:对于上述至少一个人脸图像组中的每个人脸图像组,对该人脸图像组中的各张人脸图像分别对应的年龄信息中的年龄值求平均值,将平均值确定为与该人脸图像组所对应的人物相对应的年龄识别结果。
第三方面,本公开的实施例提供了一种电子设备,该电子设备包括:一个或多个处理器;存储装置,其上存储有一个或多个程序;当该一个或多个程序被该一个或多个处理器执行,使得该一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第四方面,本公开的实施例提供了一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
本公开的上述实施例提供的用于识别年龄的方法和装置,通过响应于获取到用户发布的至少一个人物视频,从该至少一个人物视频中提取出人脸图像集合,而后对于人脸图像集合中的每张人脸图像,对该人脸图像进行解析,确定与该人脸图像对应的年龄信息,并基于人脸图像之间的匹配关系,将人脸图像集合划分成至少一个人脸图像组,其中,不同的人脸图像组对应不同的人物,以便对于上述至少一个人脸图像组中的每个人脸图像组,基于该人脸图像组中的人脸图像所对应的年龄信息,确定与该人脸图像组所对应的人物相对应的年龄识别结果。本公开的上述实施例提供的方案,可以实现对用户发布的至少一个人物视频所显示的一个或多个人物进行年龄识别。此外,当用户发布的至少一个人物视频是通过对用户本人进行视频录制所得的视频时,可以实现对该用户的年龄进行准确识别。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本公开的其它特征、目的和优点将会变得更明显:
图1是本公开的一些实施例可以应用于其中的示例性***架构图;
图2是根据本公开的用于识别年龄的方法的一个实施例的流程图;
图3是根据本公开的用于识别年龄的方法的一个应用场景的示意图;
图4是根据本公开的用于识别年龄的方法的又一个实施例的流程图;
图5是根据本公开的用于识别年龄的装置的一个实施例的结构示意图;
图6是适于用来实现本公开的一些实施例的电子设备的计算机***的结构示意图。
具体实施方式
下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关公开,而非对该公开的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关公开相关的部分。
需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
图1示出了可以应用本公开的用于识别年龄的方法或用于识别年龄的装置的实施例的示例性***架构100。
如图1所示,***架构100可以包括服务器101、103和网络102。网络102用以在服务器101和服务器103之间提供通信链路的介质。网络102可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
服务器101可以是提供各种服务的服务器,例如用于存储用户发布的视频的信息存储用服务器。服务器103可以是提供各种服务的服务器,例如用于基于用户发布的人物视频进行年龄识别的服务器,该服务器例如可以从服务器101获取用户发布的至少一个人物视频,并基于该至少一个人物视频进行年龄识别操作。
其中,服务器可以是硬件,也可以是软件。当服务器为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是,本公开的一些实施例提供的用于识别年龄的方法一般由服务器103执行,相应地,用于识别年龄的装置一般设置于服务器103中。
需要指出的是,当用户发布的视频存储在服务器103中时,***架构100可以不包括服务器101。
应该理解,图1中的网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的网络和服务器。
继续参考图2,其示出了根据本公开的用于识别年龄的方法的一个实施例的流程200。该用于识别年龄的方法的流程200,包括以下步骤:
步骤201,响应于获取到用户发布的至少一个人物视频,从至少一个人物视频中提取出人脸图像集合。
在本实施例中,用于识别年龄的方法的执行主体(例如图1所示的服务器103)可以响应于获取到用户发布的至少一个人物视频,从该至少一个人物视频中提取出人脸图像集合。其中,该至少一个人物视频可以是上述执行主体从本地或所连接的服务器(例如图1所示的服务器101)获取的,在此不做具体限定。
需要说明的是,上述用户可以是指定的社交应用的用户。具体地,上述用户例如可以是在该社交应用中没有设置真实年龄或没有设置年龄的用户。其中,上述至少一个人物视频可以是上述用户通过该社交应用发布的显示有人物的视频。此外,上述至少一个人物视频可以是上述用户使用该社交应用录制的视频。
在本实施例中,若上述至少一个人物视频已预先对应人脸检测结果,上述执行主体可以基于该人脸检测结果,从上述至少一个人物视频中提取出人脸图像集合。其中,上述至少一个人物视频中的包括人脸区域的图像所对应的人脸检测结果可以包括该人脸区域的位置信息具体地,上述执行主体可以先对上述至少一个人物视频分别进行抽帧,例如抽取出所有图像,或者按照间隔帧数(例如1或2等)对上述至少一个人物视频中的每个人物视频进行间隔抽帧。应该理解,间隔帧数是可以根据实际需要设置的,在此不做具体限定。而后,上述执行主体可以将抽取出的图像组成图像集合。然后,上述执行主体可以基于人脸检测结果中的位置信息,从图像集合中提取出人脸图像集合。
步骤202,对于人脸图像集合中的每张人脸图像,对该人脸图像进行解析,确定与该人脸图像对应的年龄信息。
在本实施例中,对于人脸图像集合中的每张人脸图像,上述执行主体可以对该人脸图像进行解析,确定与该人脸图像对应的年龄信息。
作为示例,上述执行主体本地可以存储有与年龄属性对应的人脸属性模板。其中,该人脸属性模板例如可以包括多张人脸图像和该多张人脸图像分别对应的年龄信息。将人脸图像集合中的每张人脸图像作为待识别人脸图像,上述执行主体可以将该待识别人脸图像与人脸属性模板中的人脸图像进行匹配,并将匹配出的人脸图像所对应的年龄信息确定为与该待识别人脸图像对应的年龄信息。
步骤203,基于人脸图像之间的匹配关系,将人脸图像集合划分成至少一个人脸图像组。
在本实施例中,上述执行主体可以基于人脸图像之间的匹配关系,将人脸图像集合划分成至少一个人脸图像组。其中,不同的人脸图像组对应不同的人物。例如,当人脸图像集合被划分成多个人脸图像组时,意味着上述至少一个人物视频显示有多个人物,该多个人脸图像组中的每个人脸图像组对应该多个人物中的一个人物,且该多个人脸图像组分别对应的人物互不相同。
需要说明的是,上述执行主体例如可以采用基于深度学习的人脸比对算法,对人脸图像集合中的人脸图像进行两两比对,以判断任意两张人脸图像是否属于同一人。而后,上述执行主体可以基于比对结果,将属于同一人的人脸图像划分到同一个人脸图像组。
步骤204,对于至少一个人脸图像组中的每个人脸图像组,基于该人脸图像组中的人脸图像所对应的年龄信息,确定与该人脸图像组所对应的人物相对应的年龄识别结果。
在本实施例中,对于上述至少一个人脸图像组中的每个人脸图像组,上述执行主体可以基于该人脸图像组中的人脸图像所对应的年龄信息,确定与该人脸图像组所对应的人物相对应的年龄识别结果。例如,上述执行主体可以对该人脸图像组中的各张人脸图像分别对应的年龄信息中的年龄值求平均值,将该平均值确定为与该人脸图像组所对应的人物相对应的年龄识别结果。
在本实施例的一些可选的实现方式中,对于人脸图像集合中的每张人脸图像,上述执行主体在对该人脸图像进行解析,确定该人脸图像对应的年龄信息时,还可以确定该人脸图像对应的关联信息。该关联信息包括以下至少一项:三维姿态信息、质量信息。其中,三维姿态信息可以包括俯仰角度值、偏航角度值和翻滚角度值。俯仰角度值可以是俯仰角(pitch)的角度值。偏航角度值可以是偏航角(yaw)的角度值。翻滚角度值可以是翻滚角(roll)的角度值。质量信息可以包括模糊程度值。模糊程度值例如可以是处于[0,100]内的数值。模糊程度值越大,可以表征其所对应的人脸图像越模糊。模糊程度值越低,可以表征其所对应的人脸图像越清晰。
作为示例,上述执行主体本地还可以存储有姿态模板。姿态模板例如可以包括多张人脸图像和与该多张人脸图像分别对应的姿态信息。将人脸图像集合中的每张人脸图像作为待识别人脸图像,上述执行主体可以将该待识别人脸图像与姿态模板中的人脸图像进行姿态匹配,并将匹配出的人脸图像所对应的姿态信息确定为与该待识别人脸图像对应的姿态信息。
对于人脸图像集合中的每张人脸图像,上述执行可以采用各种图像质量评估算法,例如平均绝对差值(Mean Absolute Difference,MAD)、绝对误差和(Sum of AbsoluteDifference,SAD)、差值平方和(Sum of Squared Difference,SSD)等等,对该人脸图像进行质量评估,得到与该人脸图像对应的质量信息。
在本实施例的一些可选的实现方式中,对于人脸图像集合中的每张人脸图像,上述执行主体可以将该人脸图像输入多个识别模型,得到与该人脸图像对应的多种信息。该多个识别模型包括用于进行年龄识别的第一识别模型和用于进行关联信息识别的第二识别模型。该多种信息包括该人脸图像对应的年龄信息和关联信息。这里,第二识别模型的数量可以是1个或多个,在此不做具体限定。
需要指出的是,识别模型可以是使用卷积神经网络(Convolutional NeuralNetworks,CNN)或循环神经网络(Recurrent Neural Network,RNN)等模型进行训练得到的。
在本实施例的一些可选的实现方式中,对于上述至少一个人脸图像组中的每个人脸图像组,为了提高与该人脸图像组所对应的人物相对应的年龄识别结果的准确度,上述执行主体可以基于该人脸图像组中的人脸图像对应的年龄信息和关联信息,确定与该人脸图像组所对应的人物相对应的年龄识别结果。
作为示例,上述执行主体例如可以采用以下步骤确定与该人脸图像组所对应的人物相对应的年龄识别结果:
步骤2041,对于该人脸图像组中的每张人脸图像,基于该人脸图像所对应的关联信息,确定与该人脸图像对应的权重值。
例如,若关联信息包括质量信息,质量信息包括模糊程度值,对于该人脸图像组中的每张人脸图像,上述执行主体可以将第一预设值(例如1)与该人脸图像所对应的模糊程度值之间的比值确定为该人脸图像所对应的权重值。可选地,若关联信息包括三维姿态信息,三维姿态信息包括俯仰角度值、偏航角度值和翻滚角度值,对于该人脸图像组中的每张人脸图像,上述执行主体可以确定该人脸图像所对应的俯仰角度值、偏航角度值和翻滚角度值的绝对值之间的总和,并将第一预设值与该总和之间的比值确定为该人脸图像所对应的权重值。
步骤2042,基于该人脸图像组中的多张人脸图像分别对应的权重值和年龄信息,确定与该人脸图像组所对应的人物相对应的年龄识别结果。
其中,该多张人脸图像可以是该人脸图像组中的所有图像或部分图像。在确定与该人脸图像组所对应的人物相对应的年龄识别结果之前,上述执行主体可以先从该人脸图像组中选取出多张人脸图像,例如直接选取出该人脸图像组中的所有图像。可选地,上述执行主体也可以将该人脸图像组中的人脸图像的数量与第二预设值进行比较,若该数量超出第二预设值,上述执行主体可以从该人脸图像组中选取出所对应的权重值最大的前第二预设值张人脸图像;若该数量未超出第二预设值,上述执行主体可以从该人脸图像组中选取出所有人脸图像。其中,第二预设值例如可以是预设的优先队列的长度。上述执行主体在选取出多张人脸图像后,可以将该多张人脸图像所对应的年龄信息及关联信息写入该优先队列。
在从该人脸图像组中选取出多张人脸图像后,上述执行主体可以采用以下公式确定与该人脸图像组所对应的人物相对应的年龄识别结果:
其中,C代表年龄识别结果;n为该多张人脸图像的数量;i为处于[1,n]内的自然数;W代表权重值,Wi代表该多张人脸图像中的第i张人脸图像对应的权重值,Wn代表该多张人脸图像中的第n张人脸图像对应的权重值;V代表年龄信息中的年龄值,Vi代表该多张人脸图像中的第i张人脸图像对应的年龄信息中的年龄值。
继续参见图3,图3是根据本实施例的用于识别年龄的方法的应用场景的一个示意图。在图3的应用场景中,服务器301上可以存储有用户A通过社交应用B发布的人物视频C。其中,人物视频C可以是用户A使用社交应用B对其个人进行视频录制所得的视频。另外,用户A在社交应用B中未设置年龄。当服务器302接收到用于指示对用户A进行年龄预测的、包括人物视频C的标识的预测请求时,服务器302可以根据该标识,从服务器301获取人物视频C。而后,服务器302可以从人物视频C中提取出人脸图像集合。之后,对于人脸图像集合中的每张人脸图像,服务器302可以对该人脸图像进行解析,确定与该人脸图像对应的年龄信息。此外,服务器302还可以基于人脸图像之间的匹配关系,将人脸图像集合划分成一个人脸图像组。其中,人脸图像组对应用户A。然后,服务器302可以基于该人脸图像组中的人脸图像所对应的年龄信息,确定与用户A对应的年龄识别结果。
本公开的上述实施例提供的方法,通过响应于获取到用户发布的至少一个人物视频,从该至少一个人物视频中提取出人脸图像集合,而后对于人脸图像集合中的每张人脸图像,对该人脸图像进行解析,确定与该人脸图像对应的年龄信息,并基于人脸图像之间的匹配关系,将人脸图像集合划分成至少一个人脸图像组,其中,不同的人脸图像组对应不同的人物,以便对于上述至少一个人脸图像组中的每个人脸图像组,基于该人脸图像组中的人脸图像所对应的年龄信息,确定与该人脸图像组所对应的人物相对应的年龄识别结果。本公开的上述实施例提供的方案,可以实现对用户发布的至少一个人物视频所显示的一个或多个人物进行年龄识别。此外,当用户发布的至少一个人物视频是通过对用户本人进行视频录制所得的视频时,可以实现对该用户的年龄进行准确识别。
进一步参考图4,其示出了用于识别年龄的方法的又一个实施例的流程400。该用于识别年龄的方法的流程400,包括以下步骤:
步骤401,响应于获取到用户发布的至少一个人物视频,对至少一个人物视频分别进行抽帧,并将抽取出的图像组成图像集合。
在本实施例中,用于识别年龄的方法的执行主体(例如图1所示的服务器105)可以响应于获取到用户发布的至少一个人物视频,对该至少一个人物视频分别进行抽帧,并将抽取出的图像组成图像集合。其中,该至少一个人物视频可以是上述执行主体从本地或所连接的服务器(例如图1所示的服务器101)获取的,在此不做具体限定。
需要说明的是,上述用户可以是指定的社交应用的用户。具体地,上述用户例如可以是在该社交应用中没有设置真实年龄或没有设置年龄的用户。其中,上述至少一个人物视频可以是上述用户通过该社交应用发布的显示有人物的视频。此外,上述至少一个人物视频可以是上述用户使用该社交应用录制的视频。
在本实施例中,上述执行主体例如可以从上述至少一个人物视频中抽取出所有图像,或者按照间隔帧数(例如1或2等)对上述至少一个人物视频中的每个人物图像进行间隔抽帧。应该理解,间隔帧数是可以根据实际需要设置的,在此不做具体限定。
步骤402,对图像集合中的各张图像分别进行人脸检测,得到人脸检测结果,其中,包括人脸区域的图像所对应的人脸检测结果包括人脸区域的位置信息和人脸特征信息。
在本实施例中,上述执行主体可以对图像集合中的各张图像分别进行人脸检测,得到人脸检测结果,其中,包括人脸区域的图像所对应的人脸检测结果包括人脸区域的位置信息和人脸特征信息。人脸特征信息可以用于表征其所对应的人脸区域。
这里,上述执行主体上可以运行有人脸检测模型,上述执行主体可以将图像集合中的每张图像输入该人脸检测模型,得到相应的人脸检测结果。其中,人脸检测模型例如可以是使用朴素贝叶斯模型(Naive Bayesian Model,NBM)、支持向量机(Support VectorMachine,SVM)、XGBoost(eXtreme Gradient Boosting)或卷积神经网络等模型进行训练得到的。人脸检测模型可以用于检测输入的图像是否包括人脸区域,当检测出该图像包含人脸区域时,还用于进一步对该人脸区域进行定位及人脸特征提取。
步骤403,基于人脸检测结果中的位置信息,从图像集合中提取出人脸图像集合。
在本实施例中,上述执行主体可以基于人脸检测结果中的位置信息,从图像集合中提取出人脸图像集合。
步骤404,对于人脸图像集合中的每张人脸图像,对该人脸图像进行解析,确定该人脸图像对应的年龄信息和关联信息,关联信息包括三维姿态信息和质量信息,三维姿态信息包括俯仰角度值、偏航角度值和翻滚角度值,质量信息包括模糊程度值。
在本实施例中,对于人脸图像集合中的每张人脸图像,上述执行主体可以对该人脸图像进行解析,确定该人脸图像对应的年龄信息和关联信息。其中,关联信息包括三维姿态信息和质量信息。三维姿态信息包括俯仰角度值、偏航角度值和翻滚角度值。质量信息包括模糊程度值。
作为示例,对于人脸图像集合中的每张人脸图像,上述执行主体可以将该人脸图像输入多个识别模型,得到与该人脸图像对应的多种信息。该多个识别模型包括用于进行年龄识别的第一识别模型和用于进行关联信息识别的第二识别模型。该多种信息包括该人脸图像对应的年龄信息和关联信息。其中,识别模型可以是使用卷积神经网络或循环神经网络等模型进行训练得到的。
步骤405,对人脸图像集合中的各张人脸图像分别对应的人脸特征信息进行聚类,并基于聚类结果,将人脸图像集合划分成至少一个人脸图像组。
在本实施例中,上述执行主体例如可以采用预设的聚类算法,例如K均值聚类算法(k-means clustering algorithm)等,对人脸图像集合中的各张人脸图像分别对应的人脸特征信息进行聚类,并基于聚类结果,将人脸图像集合划分成至少一个人脸图像组。这里,上述执行主体可以将包含在同一类簇中的人脸特征信息所对应的人脸图像划分到同一个人脸图像组中。
步骤406,对于至少一个人脸图像组中的每个人脸图像组,对于该人脸图像组中的每张人脸图像,确定该人脸图像所对应的俯仰角度值、偏航角度值和翻滚角度值的绝对值以及所对应的模糊程度值之间的总和,并将第一预设值与所确定的总和之间的比值确定为该人脸图像所对应的权重值。
在本实施例中,对于上述至少一个人脸图像组中的每个人脸图像组,对于该人脸图像组中的每张人脸图像,上述执行主体可以确定该人脸图像所对应的俯仰角度值、偏航角度值和翻滚角度值的绝对值以及所对应的模糊程度值之间的总和,并将第一预设值(例如1)与所确定的总和之间的比值确定为该人脸图像所对应的权重值。需要说明的是,通过确定与人脸图像对应的权重值,可以基于所确定的权重值,对人脸图像组中的人脸图像所对应的年龄信息中的年龄值进行加权计算,这样可以有助于提高后续所确定的与该人脸图像组对应的人物相对应的年龄识别结果的准确度。
步骤407,对于至少一个人脸图像组中的每个人脸图像组,基于该人脸图像组中的多张人脸图像分别对应的权重值和年龄信息,确定与该人脸图像组所对应的人物相对应的年龄识别结果。
在本实施例中,对于上述至少一个人脸图像组中的每个人脸图像组,上述执行主体可以基于该人脸图像组中的多张人脸图像分别对应的权重值和年龄信息,确定与该人脸图像组所对应的人物相对应的年龄识别结果。这里,针对步骤407的解释说明,可参看图2所示实施例中的步骤2042的相关说明,在此不再赘述。
从图4中可以看出,与图2对应的实施例相比,本实施例中的用于识别年龄的方法的流程400突出了对人脸图像集合提取方法进行扩展的步骤;确定与人脸图像集合中的每张人脸图像对应的年龄信息和关联信息的步骤;对人脸图像组的划分方法进行扩展的步骤;对确定与人脸图像组所对应的人物相对应的年龄识别结果的方法进行扩展的步骤。由此,本实施例描述的方案可以实现信息处理的多样性,并且可以进一步提高年龄识别结果的准确度。
进一步参考图5,作为对上述各图所示方法的实现,本公开提供了一种用于识别年龄的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的用于识别年龄的装置500可以包括:提取单元501被配置成响应于获取到用户发布的至少一个人物视频,从上述至少一个人物视频中提取出人脸图像集合;第一确定单元502被配置成对于人脸图像集合中的每张人脸图像,对该人脸图像进行解析,确定与该人脸图像对应的年龄信息;划分单元503被配置成基于人脸图像之间的匹配关系,将人脸图像集合划分成至少一个人脸图像组,其中,不同的人脸图像组对应不同的人物;第二确定单元504被配置成对于上述至少一个人脸图像组中的每个人脸图像组,基于该人脸图像组中的人脸图像所对应的年龄信息,确定与该人脸图像组所对应的人物相对应的年龄识别结果。
在本实施例中,用于识别年龄的装置500中:提取单元501、第一确定单元502、划分单元503和第二确定单元504的具体处理及其所带来的技术效果可分别参考图2所示的实施例中的步骤201、步骤202、步骤203和步骤204的相关说明,在此不再赘述。
在本实施例的一些可选的实现方式中,提取单元501可以进一步被配置成:对上述至少一个人物视频分别进行抽帧,并将抽取出的图像组成图像集合;对图像集合中的各张图像分别进行人脸检测,得到人脸检测结果,其中,包括人脸区域的图像所对应的人脸检测结果包括人脸区域的位置信息;基于人脸检测结果中的位置信息,从图像集合中提取出人脸图像集合。
在本实施例的一些可选的实现方式中,包括人脸区域的图像所对应的人脸检测结果还包括人脸特征信息;以及划分单元503可以进一步被配置成:对人脸图像集合中的各张人脸图像分别对应的人脸特征信息进行聚类,并基于聚类结果,将人脸图像集合划分成至少一个人脸图像组。
在本实施例的一些可选的实现方式中,第一确定单元502可以进一步被配置成:对于人脸图像集合中的每张人脸图像,在对该人脸图像进行解析,确定与该人脸图像对应的年龄信息时,还确定该人脸图像对应的关联信息,关联信息包括以下至少一项:三维姿态信息、质量信息;以及第二确定单元504可以进一步被配置成:对于上述至少一个人脸图像组中的每个人脸图像组,基于该人脸图像组中的人脸图像对应的年龄信息和关联信息,确定与该人脸图像组所对应的人物相对应的年龄识别结果。
在本实施例的一些可选的实现方式中,第一确定单元502可以进一步被配置成:对于人脸图像集合中的每张人脸图像,将该人脸图像输入多个识别模型,得到与该人脸图像对应的多种信息,该多个识别模型包括用于进行年龄识别的第一识别模型和用于进行关联信息识别的第二识别模型,该多种信息包括该人脸图像对应的年龄信息和关联信息。
在本实施例的一些可选的实现方式中,第二确定单元504可以进一步被配置成:对于上述至少一个人脸图像组中的每个人脸图像组,对于该人脸图像组中的每张人脸图像,基于该人脸图像所对应的关联信息,确定与该人脸图像对应的权重值;基于该人脸图像组中的多张人脸图像分别对应的权重值和年龄信息,确定与该人脸图像组所对应的人物相对应的年龄识别结果。
在本实施例的一些可选的实现方式中,关联信息可以包括三维姿态信息,三维姿态信息可以包括俯仰角度值、偏航角度值和翻滚角度值;以及第二确定单元504可以进一步被配置成:对于上述至少一个人脸图像组中的每个人脸图像组,对于该人脸图像组中的每张人脸图像,确定该人脸图像所对应的俯仰角度值、偏航角度值和翻滚角度值的绝对值之间的总和,并将第一预设值与所确定的总和之间的比值确定为该人脸图像所对应的权重值。
在本实施例的一些可选的实现方式中,关联信息可以包括三维姿态信息和质量信息,三维姿态信息可以包括俯仰角度值、偏航角度值和翻滚角度值,质量信息可以包括模糊程度值;以及第二确定单元504可以进一步被配置成:对于上述至少一个人脸图像组中的每个人脸图像组,对于该人脸图像组中的每张人脸图像,确定该人脸图像所对应的俯仰角度值、偏航角度值和翻滚角度值的绝对值以及所对应的模糊程度值之间的总和,并将第一预设值与所确定的总和之间的比值确定为该人脸图像所对应的权重值。
在本实施例的一些可选的实现方式中,第二确定单元504可以进一步被配置成:对于上述至少一个人脸图像组中的每个人脸图像组,采用以下公式确定与该人脸图像组所对应的人物相对应的年龄识别结果:
其中,C代表年龄识别结果;n为人脸图像组中的多张人脸图像的数量;i为处于[1,n]内的自然数;W代表权重值,Wi代表该多张人脸图像中的第i张人脸图像对应的权重值,Wn代表该多张人脸图像中的第n张人脸图像对应的权重值;V代表年龄信息中的年龄值,Vi代表该多张人脸图像中的第i张人脸图像对应的年龄信息中的年龄值。
在本实施例的一些可选的实现方式中,第二确定单元504可以进一步被配置成:对于上述至少一个人脸图像组中的每个人脸图像组,对该人脸图像组中的各张人脸图像分别对应的年龄信息中的年龄值求平均值,将平均值确定为与该人脸图像组所对应的人物相对应的年龄识别结果。
本公开的上述实施例提供的装置,通过响应于获取到用户发布的至少一个人物视频,从该至少一个人物视频中提取出人脸图像集合,而后对于人脸图像集合中的每张人脸图像,对该人脸图像进行解析,确定与该人脸图像对应的年龄信息,并基于人脸图像之间的匹配关系,将人脸图像集合划分成至少一个人脸图像组,其中,不同的人脸图像组对应不同的人物,以便对于上述至少一个人脸图像组中的每个人脸图像组,基于该人脸图像组中的人脸图像所对应的年龄信息,确定与该人脸图像组所对应的人物相对应的年龄识别结果。本公开的上述实施例提供的方案,可以实现对用户发布的至少一个人物视频所显示的一个或多个人物进行年龄识别。此外,当用户发布的至少一个人物视频是通过对用户本人进行视频录制所得的视频时,可以实现对该用户的年龄进行准确识别。
下面参考图6,其示出了适于用来实现本公开的实施例的电子设备(例如图1中的服务器103)600的结构示意图。本公开的实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图6示出的电子设备仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图6所示,电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常,以下装置可以连接至I/O接口605:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607;包括例如硬盘等的存储装置608;以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置609从网络上被下载和安装,或者从存储装置608被安装,或者从ROM 602被安装。在该计算机程序被处理装置601执行时,执行本公开的实施例的方法中限定的上述功能。
需要说明的是,本公开的实施例所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——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。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本公开的实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:响应于获取到用户发布的至少一个人物视频,从上述至少一个人物视频中提取出人脸图像集合;对于人脸图像集合中的每张人脸图像,对该人脸图像进行解析,确定与该人脸图像对应的年龄信息;基于人脸图像之间的匹配关系,将人脸图像集合划分成至少一个人脸图像组,其中,不同的人脸图像组对应不同的人物;对于上述至少一个人脸图像组中的每个人脸图像组,基于该人脸图像组中的人脸图像所对应的年龄信息,确定与该人脸图像组所对应的人物相对应的年龄识别结果。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,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机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,单元的名称在某种情况下并不构成对该单元本身的限定,例如,提取单元还可以被描述为“从至少一个人物视频中提取出人脸图像集合的单元”。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (15)
1.一种用于识别年龄的方法,包括:
响应于获取到用户发布的至少一个人物视频,从所述至少一个人物视频中提取出人脸图像集合;
对于所述人脸图像集合中的每张人脸图像,对该人脸图像进行解析,确定与该人脸图像对应的年龄信息;
基于人脸图像之间的匹配关系,将所述人脸图像集合划分成至少一个人脸图像组,其中,不同的人脸图像组对应不同的人物;
对于所述至少一个人脸图像组中的每个人脸图像组,基于该人脸图像组中的人脸图像所对应的年龄信息,确定与该人脸图像组所对应的人物相对应的年龄识别结果。
2.根据权利要求1所述的方法,其中,所述从所述至少一个人物视频中提取出人脸图像集合,包括:
对所述至少一个人物视频分别进行抽帧,并将抽取出的图像组成图像集合;
对所述图像集合中的各张图像分别进行人脸检测,得到人脸检测结果,其中,包括人脸区域的图像所对应的人脸检测结果包括人脸区域的位置信息;
基于人脸检测结果中的位置信息,从所述图像集合中提取出人脸图像集合。
3.根据权利要求2所述的方法,其中,包括人脸区域的图像所对应的人脸检测结果还包括人脸特征信息;以及
所述基于人脸图像之间的匹配关系,将所述人脸图像集合划分成至少一个人脸图像组,包括:
对所述人脸图像集合中的各张人脸图像分别对应的人脸特征信息进行聚类,并基于聚类结果,将所述人脸图像集合划分成至少一个人脸图像组。
4.根据权利要求1-3之一所述的方法,其中,对于所述人脸图像集合中的每张人脸图像,在对该人脸图像进行解析,确定该人脸图像对应的年龄信息时,所述方法还包括:
确定该人脸图像对应的关联信息,所述关联信息包括以下至少一项:三维姿态信息、质量信息;以及
所述基于该人脸图像组中的人脸图像所对应的年龄信息,确定与该人脸图像组所对应的人物相对应的年龄识别结果,包括:
基于该人脸图像组中的人脸图像对应的年龄信息和关联信息,确定与该人脸图像组所对应的人物相对应的年龄识别结果。
5.根据权利要求4所述的方法,其中,对于所述人脸图像集合中的每张人脸图像,对该人脸图像进行解析,确定该人脸图像对应的年龄信息和关联信息,包括:
对于所述人脸图像集合中的每张人脸图像,将该人脸图像输入多个识别模型,得到与该人脸图像对应的多种信息,所述多个识别模型包括用于进行年龄识别的第一识别模型和用于进行关联信息识别的第二识别模型,所述多种信息包括该人脸图像对应的年龄信息和关联信息。
6.根据权利要求4所述的方法,其中,所述基于该人脸图像组中的人脸图像对应的年龄信息和关联信息,确定与该人脸图像组所对应的人物相对应的年龄识别结果,包括:
对于该人脸图像组中的每张人脸图像,基于该人脸图像所对应的关联信息,确定与该人脸图像对应的权重值;基于该人脸图像组中的多张人脸图像分别对应的权重值和年龄信息,确定与该人脸图像组所对应的人物相对应的年龄识别结果。
7.根据权利要求6所述的方法,其中,关联信息包括三维姿态信息,三维姿态信息包括俯仰角度值、偏航角度值和翻滚角度值;以及
所述基于该人脸图像所对应的关联信息,确定与该人脸图像对应的权重值,包括:
确定该人脸图像所对应的俯仰角度值、偏航角度值和翻滚角度值的绝对值之间的总和,并将第一预设值与所确定的总和之间的比值确定为该人脸图像所对应的权重值。
8.根据权利要求6所述的方法,其中,关联信息包括三维姿态信息和质量信息,三维姿态信息包括俯仰角度值、偏航角度值和翻滚角度值,质量信息包括模糊程度值;以及
所述基于该人脸图像所对应的关联信息,确定与该人脸图像对应的权重值,包括:
确定该人脸图像所对应的俯仰角度值、偏航角度值和翻滚角度值的绝对值以及所对应的模糊程度值之间的总和,并将第一预设值与所确定的总和之间的比值确定为该人脸图像所对应的权重值。
9.根据权利要求6所述的方法,其中,所述基于该人脸图像组中的多张人脸图像分别对应的权重值和年龄信息,确定与该人脸图像组所对应的人物相对应的年龄识别结果,包括:
采用以下公式确定与该人脸图像组所对应的人物相对应的年龄识别结果:
其中,C代表年龄识别结果;n为所述多张人脸图像的数量;i为处于[1,n]内的自然数;W代表权重值,Wi代表所述多张人脸图像中的第i张人脸图像对应的权重值,Wn代表所述多张人脸图像中的第n张人脸图像对应的权重值;V代表年龄信息中的年龄值,Vi代表所述多张人脸图像中的第i张人脸图像对应的年龄信息中的年龄值。
10.根据权利要求1-3之一所述的方法,其中,所述基于该人脸图像组中的人脸图像所对应的年龄信息,确定与该人脸图像组所对应的人物相对应的年龄识别结果,包括:
对该人脸图像组中的各张人脸图像分别对应的年龄信息中的年龄值求平均值,将所述平均值确定为与该人脸图像组所对应的人物相对应的年龄识别结果。
11.一种用于识别年龄的装置,包括:
提取单元,被配置成响应于获取到用户发布的至少一个人物视频,从所述至少一个人物视频中提取出人脸图像集合;
第一确定单元,被配置成对于所述人脸图像集合中的每张人脸图像,对该人脸图像进行解析,确定与该人脸图像对应的年龄信息;
划分单元,被配置成基于人脸图像之间的匹配关系,将所述人脸图像集合划分成至少一个人脸图像组,其中,不同的人脸图像组对应不同的人物;
第二确定单元,被配置成对于所述至少一个人脸图像组中的每个人脸图像组,基于该人脸图像组中的人脸图像所对应的年龄信息,确定与该人脸图像组所对应的人物相对应的年龄识别结果。
12.根据权利要求11所述的装置,其中,所述第一确定单元进一步被配置成:
对于所述人脸图像集合中的每张人脸图像,在对该人脸图像进行解析,确定与该人脸图像对应的年龄信息时,还确定该人脸图像对应的关联信息,所述关联信息包括以下至少一项:三维姿态信息、质量信息;以及
所述第二确定单元进一步被配置成:
对于所述至少一个人脸图像组中的每个人脸图像组,基于该人脸图像组中的人脸图像对应的年龄信息和关联信息,确定与该人脸图像组所对应的人物相对应的年龄识别结果。
13.根据权利要求12所述的装置,其中,所述第二确定单元进一步被配置成:
对于所述至少一个人脸图像组中的每个人脸图像组,对于该人脸图像组中的每张人脸图像,基于该人脸图像所对应的关联信息,确定与该人脸图像对应的权重值;基于该人脸图像组中的多张人脸图像分别对应的权重值和年龄信息,确定与该人脸图像组所对应的人物相对应的年龄识别结果。
14.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-10中任一所述的方法。
15.一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1-10中任一所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910447129.XA CN110163170A (zh) | 2019-05-27 | 2019-05-27 | 用于识别年龄的方法和装置 |
PCT/CN2020/078589 WO2020238321A1 (zh) | 2019-05-27 | 2020-03-10 | 用于识别年龄的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910447129.XA CN110163170A (zh) | 2019-05-27 | 2019-05-27 | 用于识别年龄的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110163170A true CN110163170A (zh) | 2019-08-23 |
Family
ID=67629048
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910447129.XA Pending CN110163170A (zh) | 2019-05-27 | 2019-05-27 | 用于识别年龄的方法和装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN110163170A (zh) |
WO (1) | WO2020238321A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020238321A1 (zh) * | 2019-05-27 | 2020-12-03 | 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 |
CN114022156A (zh) * | 2022-01-05 | 2022-02-08 | 浙江口碑网络技术有限公司 | 易查模式选择方法、装置及电子设备 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112766238B (zh) * | 2021-03-15 | 2023-09-26 | 电子科技大学中山学院 | 年龄预测方法及装置 |
CN115471893B (zh) * | 2022-09-16 | 2023-11-21 | 北京百度网讯科技有限公司 | 训练人脸识别模型、人脸识别的方法和装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101584575A (zh) * | 2009-06-19 | 2009-11-25 | 无锡骏聿科技有限公司 | 一种基于人脸识别技术的年龄评估方法 |
KR20160110741A (ko) * | 2015-03-11 | 2016-09-22 | 동국대학교 산학협력단 | 나이 추정 장치 및 방법 |
CN108131791A (zh) * | 2017-12-04 | 2018-06-08 | 广东美的制冷设备有限公司 | 家电设备的控制方法、装置及服务器 |
CN109190449A (zh) * | 2018-07-09 | 2019-01-11 | 北京达佳互联信息技术有限公司 | 年龄识别方法、装置、电子设备及存储介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104036236B (zh) * | 2014-05-27 | 2017-03-29 | 厦门瑞为信息技术有限公司 | 一种基于多参数指数加权的人脸性别识别方法 |
CN108734146A (zh) * | 2018-05-28 | 2018-11-02 | 北京达佳互联信息技术有限公司 | 人脸图像年龄判断方法、装置、计算机设备及存储介质 |
CN109086680A (zh) * | 2018-07-10 | 2018-12-25 | Oppo广东移动通信有限公司 | 图像处理方法、装置、存储介质和电子设备 |
CN110163171B (zh) * | 2019-05-27 | 2020-07-31 | 北京字节跳动网络技术有限公司 | 用于识别人脸属性的方法和装置 |
CN110163170A (zh) * | 2019-05-27 | 2019-08-23 | 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 |
CN110188660B (zh) * | 2019-05-27 | 2021-07-02 | 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 |
-
2019
- 2019-05-27 CN CN201910447129.XA patent/CN110163170A/zh active Pending
-
2020
- 2020-03-10 WO PCT/CN2020/078589 patent/WO2020238321A1/zh active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101584575A (zh) * | 2009-06-19 | 2009-11-25 | 无锡骏聿科技有限公司 | 一种基于人脸识别技术的年龄评估方法 |
KR20160110741A (ko) * | 2015-03-11 | 2016-09-22 | 동국대학교 산학협력단 | 나이 추정 장치 및 방법 |
CN108131791A (zh) * | 2017-12-04 | 2018-06-08 | 广东美的制冷设备有限公司 | 家电设备的控制方法、装置及服务器 |
CN109190449A (zh) * | 2018-07-09 | 2019-01-11 | 北京达佳互联信息技术有限公司 | 年龄识别方法、装置、电子设备及存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020238321A1 (zh) * | 2019-05-27 | 2020-12-03 | 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 |
CN114022156A (zh) * | 2022-01-05 | 2022-02-08 | 浙江口碑网络技术有限公司 | 易查模式选择方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
WO2020238321A1 (zh) | 2020-12-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110163170A (zh) | 用于识别年龄的方法和装置 | |
CN110162670A (zh) | 用于生成表情包的方法和装置 | |
CN110110811A (zh) | 用于训练模型的方法和装置、用于预测信息的方法和装置 | |
CN109993150A (zh) | 用于识别年龄的方法和装置 | |
CN110245612A (zh) | 人脸图像的检测方法和装置 | |
CN108898185A (zh) | 用于生成图像识别模型的方法和装置 | |
CN110210393A (zh) | 人脸图像的检测方法和装置 | |
CN107644209A (zh) | 人脸检测方法和装置 | |
CN108280477A (zh) | 用于聚类图像的方法和装置 | |
CN109919244A (zh) | 用于生成场景识别模型的方法和装置 | |
CN108446390A (zh) | 用于推送信息的方法和装置 | |
CN109740018A (zh) | 用于生成视频标签模型的方法和装置 | |
CN111552888A (zh) | 内容推荐方法、装置、设备及存储介质 | |
CN108345387A (zh) | 用于输出信息的方法和装置 | |
CN110163171A (zh) | 用于识别人脸属性的方法和装置 | |
CN108595628A (zh) | 用于推送信息的方法和装置 | |
CN108831505A (zh) | 用于识别应用的使用场景的方法和装置 | |
CN109934191A (zh) | 信息处理方法和装置 | |
CN109871834A (zh) | 信息处理方法和装置 | |
CN109918530A (zh) | 用于推送图像的方法和装置 | |
CN109947989A (zh) | 用于处理视频的方法和装置 | |
CN110188660A (zh) | 用于识别年龄的方法和装置 | |
CN110059623A (zh) | 用于生成信息的方法和装置 | |
CN108446658A (zh) | 用于识别人脸图像的方法和装置 | |
CN110046571A (zh) | 用于识别年龄的方法和装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190823 |