CN111144344B - 人物年龄的确定方法、装置、设备及存储介质 - Google Patents

Abstract

本发明实施例公开了人物年龄的确定方法、装置、设备及存储介质。该方法包括从所给定视频中获得至少一帧视频图像，并确定各视频图像所包含人脸图像的人物加权系数；获得各人脸图像中人物在所预设各年龄类别下对应的归属概率值；根据各人脸图像中人物的人物加权系数及在各年龄类别下的归属概率值，确定视频中人物归属的目标年龄类别。利用该方法，通过人脸图像中人物的人物加权系数能够确定视频中所出现各人物的权重，通过与人脸图像中人物在各年龄类别下归属概率值的结合，能够确定视频中人物归属的目标年龄类别，通过视频中人物所归属年龄类别的确定能够保证视频受众的有效识别，进而提高视频的推荐精度。

Description

人物年龄的确定方法、装置、设备及存储介质

技术领域

本发明实施例涉及图像识别技术领域，尤其涉及人物年龄的确定方法、装置、设备及存储介质。

背景技术

在计算机视觉领域，人物年龄识别主要可指运用相关技术预测输入图像或视频中所存在人物的年龄，随着移动互联网技术的快速发展，人脸图像在视频推荐、用户认证和智能安防等领域中的应用越来越广泛，对视频或图像中的人物进行年龄识别的需求也越来越大。

目前，人物年龄识别技术主要基于深度学习使用人脸特征结合人脸识别等算法来预测人物的年龄，但是此类技术通常只针对单张图像或者单帧视频帧输出各个人物的预测年龄，预测精准度有待提高。

发明内容

有鉴于此，本发明实施例提供了人物年龄的确定方法、装置、设备及存储介质，以实现人物年龄归属的有效确定。

第一方面，本发明实施例提供了一种人物年龄的确定方法，包括：

从所给定视频中获得至少一帧视频图像，并确定各所述视频图像所包含人脸图像的人物加权系数；

获得各所述人脸图像中人物在所预设各年龄类别下对应的归属概率值；

根据各所述人脸图像中人物的人物加权系数及在各所述年龄类别下的归属概率值，确定所述视频中人物归属的目标年龄类别。

第二方面，本发明实施例提供一种人物年龄的确定装置，包括：

图像获取模块，用于从所给定视频中获得至少一帧视频图像；

系数确定模块，用于确定各所述视频图像所包含人脸图像的人物加权系数；

概率确定模块，用于获得各所述人脸图像中人物在所预设各年龄类别下对应的归属概率值；

类别确定模块，用于根据各所述人脸图像中人物的人物加权系数及在各所述年龄类别下的归属概率值，确定所述视频中人物归属的目标年龄类别。

第三方面，本发明实施例提供了一种计算机设备，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

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本发明第一方面实施例提供的人物年龄的确定方法。

第四方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明第一方面实施例提供的人物年龄的确定方法。

本发明实施例提供的人物年龄的确定方法、装置、设备及存储介质中，实现人物年龄的确定方法时，首先从给定的视频中获得至少一帧视频图像，之后确定各视频图像中所包含人脸图像所具备的人物加权系数，同时还需要获得各人脸图像在所预设各年龄类别下对应的归属概率值；最终可以根据每个人脸图像在各年龄类别下对应的归属概率值以及相应的人物加权系数，确定出视频中人物归属的目标年龄类别。上述技术方案，通过人脸图像的人物加权系数能够确定视频中所出现各人物的重要程度，并通过与人脸图像在各年龄类别下的归属概率值相结合，能够确定视频中的主要人物归属的目标年龄类别，通过视频中人物所归属年龄类别的确定能够保证视频受众的有效识别，进而提高视频的推荐精度。

附图说明

图1给出了本发明实施例一提供的一种人物年龄的确定方法时流程示意图；

图2给出了本发明实施例二提供的一种人物年龄的确定方法的流程示意图；

图3给出了本发明实施例三提供的一种人物年龄的确定装置的结构框图；

图4给出了本发明实施例四提供的一种计算机设备的硬件结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施例方式作进一步地详细描述。应当明确，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。此外，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

一般地，在视频推荐等应用场景中，其中一种推荐可以基于对视频中人物年龄的识别来进行，该种推荐的主要思想为通过对视频中所出现人物的年龄识别，来确定该视频所对应的主要受众，最终向视频的主要受众进行该视频的推荐。然而，基于现有的人物年龄识别技术无法直接识别出视频中所出现人物的年龄，由此无法准确判定视频的主要受众，进而降低了视频的推荐精度。而本发明实施例提供的一种人物年龄的确定方法，能够首先确定出视频中所出现人物在视频中的权重系数，以及确定出所出现人物在各年龄类别下的归属概率，来进一步确定视频中所包括重要人物归属的年龄段，从而根据重要人物的年龄段归属来准确的判定视频的主要受众，由此实现视频基于人物年龄的有效推荐。

实施例一

图1给出了本发明实施例一提供的一种人物年龄的确定方法时流程示意图，该方法适用于对视频中人物的年龄段归属进行确定的情况，该方法可以由人物年龄的确定装置执行，其中，该装置可以软件和/或硬件实现，并一般可集成在计算机设备上。

需要说明的是，本实施例可将所提供方法的执行主体看作给多媒体功能类应用软件(包括直播应用软件等)进行后台服务支持的后台服务器，通过该执行主体可以对所获得的视频进行分析，从而确定出视频中人物的年龄归属。

如图1所示，本发明实施例一提供的一种人物年龄的确定方法，具体包括如下操作：

S101、从所给定视频中获得至少一帧视频图像，并确定各所述视频图像所包含人脸图像的人物加权系数。

本实施例中，所述视频可以由用户终端上传或通过第三方途径获取，以作为原始视频资源由后台服务器获得，该视频可以是电影、电视节目以及教学课程视频等播放时间较长(一般时长大约在一小时左右或者更长)的长视频，也可以是播放时长较短(一般时长大约在几分钟左右)的短视频，如剪辑形成的电影片段，用户通过直播应用软件上传的小视频等，通过本实施例提供的方法可以对视频中所包含人物的年龄归属进行确定。

在本实施例中，所述视频具体可包含一定数量的视频图像帧，本步骤可以从视频所包括的视频图像帧中获得至少一帧作为该视频对应的视频图像。可以知道的是，该视频所包括视频图像帧的具体数量可通过视频的时长以及视频帧率来确定，如一个视频时长为1分钟，视频帧率为23帧每秒，则所包括视频图像帧的具体数量可以为1380。本步骤可以采用一定的获取方式从所给定视频中选定至少一帧视频图像帧来作为视频图像，从视频中所能获得的视频图像的帧数可以是该视频所包含视频图像帧的总帧数。

在本实施例中，可以通过人脸识别的方式确定所获得的视频图像中是否包含人脸，如果包含人脸就可认为在该视频图像中检测到人脸图像，此时，通过本步骤可以确定视频图像所包含人脸图像中人物的人物加权系数，所述人物加权系数具体可以是该人脸图像中的人物在视频所包含全部人物中的重要度体现，所述人物加权系数越高可认为其所对应人脸图像中包含的人物在视频所包括各人物中占据的重要度越高。

具体的，本步骤可以对从视频中获得的每个视频图像进行人脸识别，来确定其包含的人脸图像，之后可根据人脸图像在所属视频图像中占据的区域面积或在整个视频中出现的次数结合整个视频中所包含全部人脸图像的总占据面积或所包含人脸图像的总数量来确定该人脸图像具备的人物加权系数，所述人物加权系数具体可以为一个处于[0,1]范围内的权重值。

S102、获得各所述人脸图像中人物在所预设各年龄类别下对应的归属概率值。

本步骤中的各人脸图像具体可看作分别从上述确定的各视频图像中通过人脸识别获得的图像。此外，本实施例可预先按照年龄层不同形成不同的年龄类别，示例性的，可将0～6岁年龄层与婴幼儿这个年龄类别对应，以及将12～18岁这个年龄层与青少年这个年龄类别对应等，从而根据年龄层的不同形成至少6种年龄类别。上述6种年龄类别可优选包括：婴幼儿、儿童、青少年、青年、中老年以及老年。本实施例采用上述年龄类别的划分相当于涵盖了人物可能具备的所有年龄层。

在本实施例中，所述归属概率值具体可理解为人物归属于各个年龄类别下的概率值，本步骤进行归属概率值的确定具体可描述为：假设人脸图像中人物初始归属于各年龄类别的归属概率值相同，之后可以预测出人脸图像中人物可能具备的年龄，并可根据识别出的年龄来调整该人脸图像中人物归属于各年龄类别的归属概率值。示例性的，假设一张人脸图像中人物在各年龄类别下的原始归属概率值相同，均为1/6，在预测出该张人脸图像所包含人物具备的年龄在40岁左右后，可相应调整该人物相对每个年龄类别的归属概率值，最终可获得一个相对年龄类别为青年时的归属概率值最高(可能趋近于1)，相对年龄类别为青少年以及中老年时的归属概率值偏低，而相对婴幼儿、儿童、青少年以及老年这几种年龄类别的归属概率值更低，有可能趋近于0。

本步骤进行归属概率值的实现也可直接通过预先训练的与年龄预测有关的神经网络模型来实现，依靠这种神经网络模型来实现时，其输出结果可能直接是人脸图像中人物到各年龄类别的归属概率值。

S103、根据各所述人脸图像中人物的人物加权系数及在各所述年龄类别下的归属概率值，确定所述视频中人物归属的目标年龄类别。

在本实施例中，视频中可能包括数量较多的人物，且每个人物在视频中都具备相应的人物加权系数，本步骤具体可通过每个人物的人物加权系数确定各年龄类别相对每个人物的类别重要度，由此可确定出各年龄类别相对视频中所有人物的类别重要度，最终可基于各年龄类别相对视频中所有人物的类别重要度来确定出视频中人物应该归属的年龄类别。

示例性的，针对每个人脸图像中的人物，在各年龄类别下都具备一个归属概率值，该人物相对视频中各人物的人物加权系数相当于该人物在视频中的重要程度，由此将该人物的各归属概率值与人物加权系数相结合，可以确定该人物在视频全部人物中归属于各年龄类别对应的重要程度，基于每个人物归属于各年龄类别时对应的重要程度，可以确定视频中所有人物归属于各年龄类别的重要程度，最终可确定出一个相对视频中所有人物都具备高重要度的年龄类别来作为目标年龄类别。

本发明实施例一提供的一种人物年龄的确定方法，首先从给定的视频中获得至少一帧视频图像，之后确定各视频图像中所包含人脸图像所具备的人物加权系数，同时还需要获得各人脸图像在所预设各年龄类别下对应的归属概率值；最终可以根据每个人脸图像在各年龄类别下对应的归属概率值以及相应的人物加权系数，确定出视频中人物归属的目标年龄类别。上述技术方案，通过人脸图像的人物加权系数能够确定视频中所出现各人物的重要程度，并通过与人脸图像在各年龄类别下的归属概率值相结合，能够确定视频中的主要人物归属的目标年龄类别，从而确定出视频归属的目标年龄类别，视频中人物所归属年龄类别的确定能够保证视频受众的有效识别，进而提高视频的推荐精度。

实施例二

图2给出了本发明实施例二提供的一种人物年龄的确定方法的流程示意图，本实施例二以上述实施例为基础进行优化，在本实施例中，进一步将从所给定视频中获得至少一帧视频图像具体化为：根据所述视频的视频帧率，获得所述视频包括的各视频图像帧及所对应的时间点；将各所述时间点对应的视频图像帧以秒为单位划分至相应的图像帧集合；从各所述图像帧集合中分别选取一帧作为视频图像。

同时，本实施例进一步将确定各所述视频图像所包含人脸图像的人物加权系数优化为：获得各所述视频图像中包含的人脸图像，并获得各所述人脸图像在相应视频图像中的人脸坐标信息；根据各所述人脸坐标信息确定相应人脸图像中人物的人物加权系数。

进一步地，本实施例还可将获得各所述人脸图像在所预设年龄类别下对应的归属概率值具体优化为：针对每个人脸图像，将所述人脸图像作为输入数据，输入目标年龄预测模型，输出获得所述人脸图像中人物在所预设年龄类别下的归属概率值。

此外，本实施例进一步将根据各所述人脸图像中人物的人物加权系数及在各所述年龄类别下的归属概率值，确定所述视频中人物归属的目标年龄类别，具体化为：针对每个年龄类别，确定各所述人脸图像中人物在所述年龄类别下的类别归属度，所述类别归属度为人脸图像在所述年龄类别下的归属概率值与所对应人物加权系数的乘积；根据各所述人脸图像中人物在所述年龄类别下的类别归属度，确定所述年龄类别的类别占比值；比对各所述年龄类别的类别占比值，将最高类别占比值对应的年龄类别确定为所述视频中人物归属的目标年龄类别。

如图2所示，本发明实施例二提供的一种人物年龄的确定方法，具体包括如下步骤：

S201、根据视频的视频帧率，获得所述视频包括的各视频图像帧及所对应的时间点。

在本实施例中，本步骤至下述S203的给出了从视频中抽取视频图像的一种实现方式，该种实现方式相当于对视频进行抽帧处理，为实现所抽取视频图像的有效性，可首先确定当前所给定视频的视频帧率，所述视频帧率具体可理解为视频一秒钟所能够播放的图像帧数，本步骤根据该视频帧率可以将视频分解为视频图像帧，并同时可以确定各视频图像帧在视频中对应的时间点。

S202、将各所述时间点对应的视频图像帧以秒为单位划分至相应的图像帧集合。

具体的，上述确定的各视频图像帧的时间点相当于给定了视频图像帧在视频中的时间排列顺序，在该时间排列顺序下，可以将构成视频的视频图像帧以时间单位进行划分形成多个视频图像帧的图像帧集合。示例性的，本步骤可以以秒为单位，将构成视频的视频图像帧按秒划分成若干个图像帧集合。

S203、从各所述图像帧集合中分别选取一帧作为视频图像。

示例性的，在上述获得的各图像帧集合中，可以分别选取出一帧用来作为本实施例进行人物年龄归属确定的视频图像。如，可以选取每秒所对应图像帧集合中的首个视频图像帧，或者选取处于各图像帧集合中间位置的视频图像帧，获得选择处于图像帧集合末尾位置的视频图像帧，每个图像帧的选取方式可保持一致，以保证所选取视频图像能够形成较连贯的视频信息。

S204、获得各视频图像中包含的人脸图像，并获得各所述人脸图像在相应视频图像中的人脸坐标信息。

在本实施例中，上述从视频中抽取出视频图像后，可以抽取各张视频图像进行人脸识别处理，本步骤可以采用的人脸识别处理的方法是基于几何特征提取、基于局部特征分析以及基于神经网络模型等。本步骤中进行人脸识别后可以确定出视频图像中是否包含有图像，以及所包含人脸图像在视频图像中所处的位置信息，该位置信息可以是包含人脸图像的矩形框的顶点坐标信息，本实施例可将包含人脸图像的矩形框的顶点坐标信息记为人脸图像的人脸坐标信息。

需要说明的是，本步骤进行人脸检测获得人脸图像及相关人脸坐标信息时，如果检测到上述抽取的所有视频图像中均不包括人脸图像，则可认为该视频中不包含人物信息，由此可终止本实施例后续的方法操作。

进一步地，所述获得各所述视频图像中包含的人脸图像，并获得各所述人脸图像在相应视频图像中的人脸坐标信息，包括：针对每个视频图像，将所述视频图像作为输入数据，输入目标人脸检测模型，输出获得所述视频图像包含的人脸图像，并获得各所述人脸图像在所述视频图像中所外接矩形框的顶点坐标；将各所述顶点坐标作为相应各所述人脸图像的人脸坐标信息。

本实施例优选采用进行人脸识别的神经网络模型进行人脸识别检测，具体的，本实施例提供了预先训练的目标人脸检测模型，可以将上述获得的每个视频图像依次作为输入数据，输入目标人脸检测模型，通过该目标人脸检测模型的处理，可以输出获得所输入视频图像包含的人脸图像，同时可以输出获得该人脸图像的人脸坐标信息，示例性的，所述人脸坐标信息优选采用该人脸图像在视频图像中所外接矩形框的顶点坐标来表示。

在上述优化的基础上，所述目标人脸检测模型的确定步骤可以包括：获取至少第一设定数量的包含人脸的样本图像，并获得各所述样本图像中人脸的样本坐标信息；采用各所述样本图像及所包含人脸的样本坐标信息构成第一模型训练集，并根据所述第一模型训练集训练预构建的原始人脸检测模型，获得目标人脸检测模型。

具体的，本实施例训练获得目标人脸检测模型的过程可以是给定人脸识别的样本训练信息，样本训练信息可以包括包含有人脸的样本图像，且还包括了样本图像中人脸图像所外接矩形框的顶点坐标，顶点坐标作为样本图像中人脸的样本坐标信息。本实施例还提供了一个初始构建的原始人脸检测模型，原始人脸检测模型中仅实现了网络拓扑结构的构设，各网络层之间的网络参数均为原始设定值，将样本训练信息代入原始人脸检测模型，通过拟合函数的不断迭代自学习，最终当损失函数得到拟合时获得本实施例可用的目标人脸检测模型。

S205、根据各所述人脸坐标信息确定相应人脸图像中人物的人物加权系数。

在本实施例中，可认为重要人物在视频图像中所占据的画面面积较大或者所出现的频次较多，由此本步骤可通过人物在视频图像中出现时占据的画面面积或者整个视频中的出现频次来确定每个人脸图像中人物的人物加权系数。

本步骤根据人脸图像在视频图像中的人脸坐标信息，可以确定该人脸图像相对所属视频图像的区域占比，并进一步确定该区域占比与所有人脸图像所具备区域占比之和的比值，或者，也可以直接确定该人脸图像相对从全部视频图像中检测出的所有人脸图像的总区域占比，由此可以将确定出的比值或总区域占比看作人脸图像中人物的人物加权系数。本步骤还可以通过对人脸图像的识别确定出每个人脸图像中的人物在整个视频所出现全部人物中的占有频次来确定人物的人物加权系数。

进一步地，所述根据各所述人脸坐标信息确定相应人脸图像中人物的人物加权系数，包括：根据各所述人脸图像的人脸坐标信息，确定各所述人脸图像的图像面积；确定全部人脸图像的图像面积之和并记为加权基数；针对每个人脸图像，将所述人脸图像的图像面积与所述加权基数的比值确定为所述人脸图像中人物的人物加权系数。

在本实施例中，可以根据每个人脸图像的人脸坐标信息来确定出人脸图像的图像面积，当计算出全部人脸图像的图像面积后，可以确定出所有图像面积的和，所确定的图像面积之和可看作所有视频图像中包含的全部人物共同占有的画面面积。本实施例将单个人脸图像的图像面积与该面积之和的比值看作该人脸图像中人物在整个视频出现的所有人物中所具备的重要度，这里记为人物加权系数。

S206、针对每个人脸图像，将所述人脸图像作为输入数据，输入目标年龄预测模型，输出获得所述人脸图像中人物在所预设年龄类别下的归属概率值。

在本实施例中，本步骤具体实现了对人脸图像中人物在各年龄类别下归属概率值的确定，本步骤优选采用一个预先训练好的目标年龄预测模型来获得人脸图像相对各年龄类别的归属概率值，本步骤的实现中可以将上述确定的人脸图像作为输入，模型的输出为所输入人脸图像中的人物相对各年龄类别的归属概率值。

示例性的，假设预先设定了婴幼儿、儿童、青少年、青年、中老年以及老年这个6个年龄类别，则可以在将一个人脸图像输入目标年龄检测模型后，获得该人脸图像中人物相对上述6个年龄类别分别对应的归属概率值。

进一步地，所述目标年龄预测模型的确定步骤包括：获取至少第二设定数量的人脸样本图像，并获得各所述人脸样本图像对应的标准年龄类别；采用各所述人脸样本图像及对应的标准年龄类别构成第二模型训练集，并根据所述第二模型训练集训练预构建的原始年龄预测模型，获得目标年龄预测模型。

本实施例训练获得目标年龄预测模型的过程可以是给定年龄预测的样本训练信息，该样本训练信息可以包括包含了一个人物作为样本图像的人脸图像，作为样本图像的人脸图像的数量至少为第二设定数量，以及所包含人物所属的标准年龄类别，标准年龄类别可作为模型训练中的自学习验证信息。本实施例还提供了一个初始构建的原始年龄预测模型，原始人脸预测模型中仅实现了网络拓扑结构的构设，模型中各网络层之间的网络参数均为原始的设定值。

具体的，所述目标年龄预测模型的训练过程可描述为：将各所述人脸样本图像输入所述原始年龄预测模型，获得各所述人脸样本图像在各所述年龄类别下对应的当前类别概率值；根据各所述人脸样本图像的标准年龄类别及在各所述年龄类别下对应的当前类别概率值，结合给定的交叉熵损失函数自学习调整网络模型参数，获得新的原始年龄预测模型；返回继续执行当前类别概率值的确定操作，直至各所述人脸样本图像在相应标准年龄类型下对应的当前类别概率值处于设定终止范围，将当前获得的原始年龄预测模型确定为目标年龄预测模型。

S207、针对每个年龄类别，确定各所述人脸图像中人物在所述年龄类别下的类别归属度。

在本实施例中，经过上述步骤可以获得所有人脸图像在各年龄类别下的归属概率值，本步骤至下述S209给出了视频中人物所归属目标年龄类别的一种优选的实现方法。

具体的，本步骤可以将每个年龄类别看作一个待处理对象，针对于每个年龄类别，可以确定出所有人脸图像中的人物在该年龄类别下的类别归属度，所述类别归属度具体可理解为考虑人脸图像中的人物在视频中所具备人物权重的基础上，人物年龄归属在该年龄类别下时具备的重要度。优选地，本实施例将所述类别归属度确定为人脸图像在所述年龄类别下的归属概率值与所对应人物加权系数的乘积。

S208、根据各所述人脸图像中人物在所述年龄类别下的类别归属度，确定所述年龄类别的类别占比值。

在本实施例中，针对每个年龄类别而言，可以确定出全部人脸图像中人物相对该年龄类别的类别归属度，就整个视频而言，在获得人脸图像中人物相对该年龄类别的类别归属度后，可以基于所获得的各类别归属度来确定该年龄类别在整个视频所出现人物中的年龄类别占比，本实施例将该年龄类别占比记作该年龄类别的类别占比值。示例性的，可以将所有人物在该年龄类别下的类别归属度进行加和，直接加和后的值作为类别占比值，获得对加和后的值再进行归一化处理，将处理后的值作为类别占比值。

进一步地，所述根据各所述人脸图像中人物在所述年龄类别下的类别归属度，确定所述年龄类别的类别占比值，具体包括：确定所有人脸图像中人物在所述年龄类别下的类别归属度之和，获得类别归属度均值，将所述类别归属度均值确定为所述年龄类别的类别占比值。

在本实施例中，类别占比值确定的其中一个实现方法可以是直接确定所有视频图像中所出现人物在该年龄类别下的类别归属度进行加和，在将加和后的值进行均值计算，由此获得一个类别归属度均值，该类别归属度均值可作为该年龄类别的类别占比值，相当于该年龄类别在整个视频中的占比值。

S209、比对各所述年龄类别的类别占比值，将最高类别占比值对应的年龄类别确定为所述视频中人物归属的目标年龄类别。

在本实施例中，确定各年龄类别分别具备的类别占比值后，可以从中选择出类别占比值最高的年龄类别，本步骤可以将该类别占比值最高的年龄类别记为目标年龄类别。该目标年龄类别可认为是视频中所出现各人物中分量较重的主体人物所归属的年龄类别。

本发明实施例二提供的一种人物年龄的确定方法，具体化了视频图像的获取、人脸图像中人物的人物权重系数确定、人物在各年龄类别下的归属概率值确定等过程。利用该方法，在不增加计算资源占用率的情况下保证了人物年龄归属的有效确定，视频受众的有效识别，进而提高视频的推荐精度。

作为本发明实施例二的一个可选实施例，该可选实施例在上述实施例的基础上还优化包括了：将所述目标年龄类别作为所述视频的年龄标签，并根据所述年龄标签将所述视频推送至确定出的目标用户群。

需要说明的是，本实施例确定出的目标年龄类别可以反映出该视频中所出现人物基本所属的年龄层，由此本实施例可将该目标年龄类别作为该视频的年龄标签，可作为视频的一个标签信息用于视频的推荐，示例性的，在基于该年龄标签的推荐中，可以结合该年龄标签确定视频所面向的用户群。

一般的，该视频所面向的用户群可以直接是该目标年龄类别所对应年龄层的用户，但也存在一些特殊的情况，如当该视频的年龄标签为婴幼儿时，处于婴幼儿的群体可能并不具备浏览该视频的能力，此时通过数据分析可知，浏览该类以婴幼儿为主体人物的视频的用户多为处于青年的父母级用户，或处于中老年及老年的祖父母级用户，由此可确定该视频所面向的用户群为青年、中老年以及老年等所对应年龄层的用户。

本实施例经过上述方式为视频确定的年龄标签，保证了视频精确有效的推荐，具体较高的实用性。

实施例三

图3给出了本发明实施例三提供的一种人物年龄的确定装置的结构框图，该装置适用于对人物年龄归属进行确定的情况，该装置可以由硬件和/或软件实现，并一般集成在计算机设备上，如图3所述，该装置包括：图像获取模块30、系数确定模块31、概率确定模块32以及类别确定模块33。

其中，图像获取模块30用于从所给定视频中获得至少一帧视频图像；

系数确定模块31用于确定各所述视频图像所包含人脸图像的人物加权系数；

概率确定模块32用于获得各所述人脸图像中人物在所预设各年龄类别下对应的归属概率值；

类别确定模块33用于根据各所述人脸图像中人物的人物加权系数及在各所述年龄类别下的归属概率值，确定所述视频中人物归属的目标年龄类别。

本发明实施例三提供的一种人物年龄的确定装置，通过人脸图像的人物加权系数能够确定视频中所出现各人物的重要程度，并通过与人脸图像在各年龄类别下的归属概率值相结合，能够确定视频中的主要人物归属的目标年龄类别，通过视频中人物所归属年龄类别的确定能够保证视频受众的有效识别，进而提高视频的推荐精度。

进一步地，图像获取模块30具体可用于根据所述视频的视频帧率，获得所述视频包括的各视频图像帧及所对应的时间点；将各所述时间点对应的视频图像帧以秒为单位划分至相应的图像帧集合；从各所述图像帧集合中分别选取一帧作为视频图像。

进一步地，系数确定模块31具体可包括：

坐标信息获取单元，用于获得各所述视频图像中包含的人脸图像，并获得各所述人脸图像在相应视频图像中的人脸坐标信息；

加权信息确定单元，用于根据各所述人脸坐标信息确定相应人脸图像中人物的人物加权系数。

进一步地，坐标信息获取单元具体可用于针对每个视频图像，将所述视频图像作为输入数据，输入目标人脸检测模型，输出获得所述视频图像包含的人脸图像，并获得各所述人脸图像在所述视频图像中所外接矩形框的顶点坐标；将各所述顶点坐标作为相应各所述人脸图像的人脸坐标信息。

在上述优化的基础上，该装置还可以包括检测模型确定模块，其中，所述检测模型确定模块可以用于获取至少第一设定数量的包含人脸的样本图像，并获得各所述样本图像中人脸的样本坐标信息；采用各所述样本图像及所包含人脸的样本坐标信息构成第一模型训练集，并根据所述第一模型训练集训练预构建的原始人脸检测模型，获得目标人脸检测模型。

进一步地，加权信息确定单元具体可用于根据各所述人脸图像的人脸坐标信息，确定各所述人脸图像的图像面积；确定全部人脸图像的图像面积之和并记为加权基数；针对每个人脸图像，将所述人脸图像的图像面积与所述加权基数的比值确定为所述人脸图像中人物的人物加权系数。

进一步地，概率确定模块32具体可用于针对每个人脸图像，将所述人脸图像作为输入数据，输入目标年龄预测模型，输出获得所述人脸图像中人物在所预设年龄类别下的归属概率值。

在上述优化的基础上，该装置还可以包括预测模型确定模块，所述预测模型确定模块可以用于获取至少第二设定数量的人脸样本图像，并获得各所述人脸样本图像对应的标准年龄类别；采用各所述人脸样本图像及对应的标准年龄类别构成第二模型训练集，并根据所述第二模型训练集训练预构建的原始年龄预测模型，获得目标年龄预测模型。

进一步地，该装置还优化包括了视频推送模块，视频推送模块可以用于将所述目标年龄类别作为所述视频的年龄标签，并根据所述年龄标签将所述视频推送至确定出的目标用户群。

在上述优化的基础上，类别确定模块33具体可以包括：

第一确定单元用于针对每个年龄类别，确定各所述人脸图像中人物在所述年龄类别下的类别归属度，所述类别归属度为人脸图像在所述年龄类别下的归属概率值与所对应人物加权系数的乘积；

第二确定单元用于根据各所述人脸图像中人物在所述年龄类别下的类别归属度，确定所述年龄类别的类别占比值；

第三确定单元用于比对各所述年龄类别的类别占比值，将最高类别占比值对应的年龄类别确定为所述视频中人物归属的目标年龄类别。

进一步地，所述所预设年龄类别包括：婴儿、儿童、青少年、青年、中老年以及老年。

进一步地，第二确定单元具体可用于确定所有人脸图像中人物在所述年龄类别下的类别归属度之和，获得类别归属度均值，将所述类别归属度均值确定为所述年龄类别的类别占比值。

实施例四

图4给出了本发明实施例四提供的一种计算机设备的硬件结构示意图，具体地，该计算机设备包括：处理器和存储装置。存储装置中存储有至少一条指令，且指令由所述处理器执行，使得所述计算机设备执行如上述方法实施例所述的人物年龄的确定方法。

参照图4，该计算机设备具体可以包括：处理器40、存储装置41、显示屏42、输入装置43、输出装置44以及通信装置45。该计算机设备中处理器40的数量可以是一个或者多个，图4中以一个处理器40为例。该计算机设备中存储装置41的数量可以是一个或者多个，图4中以一个存储装置41为例。该计算机设备的处理器40、存储装置41、显示屏42、输入装置43、输出装置44以及通信装置45可以通过总线或者其他方式连接，图4中以通过总线连接为例。

存储装置41作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例对应的程序指令/模块(例如，上述实施例所提供人物年龄的确定装置中的图像获取模块30、系数确定模块31、概率确定模块32以及类别确定模块33等)。存储装置41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装置、至少一个功能所需的应用程序；存储数据区可存储根据计算机设备的使用所创建的数据等。此外，存储装置41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，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储装置41可进一步包括相对于处理器40远程设置的存储器，这些远程存储器可以通过网络连接至计算机设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

一般而言，显示屏42用于根据处理器40的指示显示数据，还用于接收作用于显示屏42的触摸操作，并将相应的信号发送至处理器40或其他装置。可选的，当显示屏42为红外屏时，其还包括红外触摸框，该红外触摸框设置在显示屏42的四周，其还可以用于接收红外信号，并将该红外信号发送至处理器40或者其他计算机设备。

通信装置45，用于与其他计算机设备建立通信连接，其可以是有线通信装置和/或无线通信装置。

输入装置43可用于接收输入的数字或者字符信息，以及产生与计算机设备的用户设置以及功能控制有关的键信号输入，还可以是用于获取图像的摄像头以及获取视频数据中音频的拾音计算机设备。输出装置44可以包括显示屏等视频计算机设备以及扬声器等音频计算机设备。需要说明的是，输入装置43和输出装置44的具体组成可以根据实际情况设定。

处理器40通过运行存储在存储装置41中的软件程序、指令以及模块，从而执行计算机设备的各种功能应用以及数据处理，即实现上述的人物年龄的确定方法。

具体的，实施例中，处理器40执行存储装置41中存储的一个或多个程序时，具体实现如下操作：从所给定视频中获得至少一帧视频图像，并确定各所述视频图像所包含人脸图像的人物加权系数；获得各所述人脸图像中人物在所预设各年龄类别下对应的归属概率值；根据各所述人脸图像中人物的人物加权系数及在各所述年龄类别下的归属概率值，确定所述视频中人物归属的目标年龄类别。

本发明实施例还提供一种计算机可读存储介质，所述存储介质中的程序由计算机设备的处理器执行时，使得计算机设备能够执行如上述实施例所述的人物年龄的确定方法。示例性的，上述实施例所述的人物年龄的确定方法包括：从所给定视频中获得至少一帧视频图像，并确定各所述视频图像所包含人脸图像的人物加权系数；获得各所述人脸图像中人物在所预设各年龄类别下对应的归属概率值；根据各所述人脸图像中人物的人物加权系数及在各所述年龄类别下的归属概率值，确定所述视频中人物归属的目标年龄类别。

需要说明的是，对于装置、计算机设备、存储介质实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是机器人，个人计算机，服务器，或者网络设备等)执行本发明任意实施例所述的人物年龄的确定方法。

值得注意的是，上述人物年龄的确定装置中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行装置执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (14)

1.一种人物年龄的确定方法，其特征在于，包括：

从所给定视频中获得至少一帧视频图像，并确定各所述视频图像所包含人脸图像的人物加权系数；其中，所述人物加权系数能够体现出所述人脸图像中的人物在所述视频中包含的全部人物中的重要度；

获得各所述人脸图像中人物在所预设各年龄类别下对应的归属概率值；

根据各所述人脸图像中人物的人物加权系数及在各所述年龄类别下的归属概率值，确定所述视频中人物归属的目标年龄类别；

所述根据各所述人脸图像中人物的人物加权系数及在各所述年龄类别下的归属概率值，确定所述视频中人物归属的目标年龄类别，包括：

针对每个年龄类别，确定各所述人脸图像中人物在所述年龄类别下的类别归属度，所述类别归属度为人脸图像在所述年龄类别下的归属概率值与所对应人物加权系数的乘积；

根据各所述人脸图像中人物在所述年龄类别下的类别归属度，确定所述年龄类别的类别占比值；

比对各所述年龄类别的类别占比值，将最高类别占比值对应的年龄类别确定为所述视频中人物归属的目标年龄类别。

2.根据权利要求1所述方法，其特征在于，所述从所给定视频中获得至少一帧视频图像，包括：

根据所述视频的视频帧率，获得所述视频包括的各视频图像帧及所对应的时间点；

将各所述时间点对应的视频图像帧以秒为单位划分至相应的图像帧集合；

从各所述图像帧集合中分别选取一帧作为视频图像。

3.根据权利要求1所述的方法，其特征在于，所述确定各所述视频图像所包含人脸图像的人物加权系数，包括：

获得各所述视频图像中包含的人脸图像，并获得各所述人脸图像在相应视频图像中的人脸坐标信息；

根据各所述人脸坐标信息确定相应人脸图像中人物的人物加权系数。

4.根据权利要求3所述的方法，其特征在于，所述获得各所述视频图像中包含的人脸图像，并获得各所述人脸图像在相应视频图像中的人脸坐标信息，包括：

针对每个视频图像，将所述视频图像作为输入数据，输入目标人脸检测模型，输出获得所述视频图像包含的人脸图像，并获得各所述人脸图像在所述视频图像中所外接矩形框的顶点坐标；

将各所述顶点坐标作为相应各所述人脸图像的人脸坐标信息。

5.根据权利要求4所述的方法，其特征在于，所述目标人脸检测模型的确定步骤包括：

获取至少第一设定数量的包含人脸的样本图像，并获得各所述样本图像中人脸的样本坐标信息；

采用各所述样本图像及所包含人脸的样本坐标信息构成第一模型训练集，并根据所述第一模型训练集训练预构建的原始人脸检测模型，获得目标人脸检测模型。

6.根据权利要求3所述的方法，其特征在于，所述根据各所述人脸坐标信息确定相应人脸图像中人物的人物加权系数，包括：

根据各所述人脸图像的人脸坐标信息，确定各所述人脸图像的图像面积；

确定全部人脸图像的图像面积之和并记为加权基数；

针对每个人脸图像，将所述人脸图像的图像面积与所述加权基数的比值确定为所述人脸图像中人物的人物加权系数。

7.根据权利要求1所述的方法，其特征在于，所述获得各所述人脸图像在所预设年龄类别下对应的归属概率值，包括：

针对每个人脸图像，将所述人脸图像作为输入数据，输入目标年龄预测模型，输出获得所述人脸图像中人物在所预设年龄类别下的归属概率值。

8.根据权利要求7所述的方法，其特征在于，所述目标年龄预测模型的确定步骤包括：

获取至少第二设定数量的人脸样本图像，并获得各所述人脸样本图像对应的标准年龄类别；

采用各所述人脸样本图像及对应的标准年龄类别构成第二模型训练集，并根据所述第二模型训练集训练预构建的原始年龄预测模型，获得目标年龄预测模型。

9.根据权利要求1所述的方法，其特征在于，还包括：

将所述目标年龄类别作为所述视频的年龄标签，并根据所述年龄标签将所述视频推送至确定出的目标用户群。

10.根据权利要求1所述的方法，其特征在于，所述所预设年龄类别包括：婴儿、儿童、青少年、青年、中老年以及老年。

11.根据权利要求1所述的方法，其特征在于，所述根据各所述人脸图像中人物在所述年龄类别下的类别归属度，确定所述年龄类别的类别占比值，包括：

确定所有人脸图像中人物在所述年龄类别下的类别归属度之和，获得类别归属度均值，将所述类别归属度均值确定为所述年龄类别的类别占比值。

12.一种人物年龄的确定装置，包括：

图像获取模块，用于从所给定视频中获得至少一帧视频图像；

系数确定模块，用于确定各所述视频图像所包含人脸图像的人物加权系数；

概率确定模块，用于获得各所述人脸图像中人物在所预设各年龄类别下对应的归属概率值；

类别确定模块，用于根据各所述人脸图像中人物的人物加权系数及在各所述年龄类别下的归属概率值，确定所述视频中人物归属的目标年龄类别；

其中，所述人物加权系数能够体现出所述人脸图像中的人物在所述视频中包含的全部人物中的重要度；

所述类别确定模块具体包括：

第一确定单元，用于针对每个年龄类别，确定各所述人脸图像中人物在所述年龄类别下的类别归属度，所述类别归属度为人脸图像在所述年龄类别下的归属概率值与所对应人物加权系数的乘积；

第二确定单元，用于根据各所述人脸图像中人物在所述年龄类别下的类别归属度，确定所述年龄类别的类别占比值；

第三确定单元，用于比对各所述年龄类别的类别占比值，将最高类别占比值对应的年龄类别确定为所述视频中人物归属的目标年龄类别。

13.一种人物年龄的确定设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

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1-11任一项所述的人物年龄的确定方法。

14.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-11任一项所述的人物年龄的确定方法。