一种卷积神经网络生成方法、年龄识别方法及相关装置制造方法及图纸

本发明专利技术公开了一种用于对图像中的人脸进行年龄识别的卷积神经网络的生成方法、年龄识别方法、相关装置及计算设备，所述卷积神经网络的生成方法包括：对第一卷积神经网络进行训练，第一卷积神经网络中包括依次相连的多个卷积组、多个全连接层和第一分类器；将训练好的第一卷积神经网络中的部分全连接层和第一分类器进行相应的替换，生成第二卷积神经网络并对其进行训练；向训练好的第二卷积神经网络添加新的全连接层和分类器，以生成第三卷积神经网络并进行训练；向训练好的第三卷积神经网络添加新的全连接层和分类器，以生成第四卷积神经网络并进行训练。其中，在对上述各卷积神经网络进行训练前，可对用于训练的人脸图像信息进行预先处理。

Convolution neural network generating method, age identifying method and related device

The invention discloses a method for generating convolution neural network to the age of face image recognition in the age of recognition method, related device and computing devices, including the method of generating the convolutional neural network trained on the first convolutional neural network, the first convolutional neural network which comprises a plurality of groups, a plurality of convolution the connection layer and the first classifier are connected in sequence; the first convolutional neural network is trained in the part of the whole connection layer and the first classifier for the corresponding replacement, generating second convolutional neural network and training on the whole; add a connection layer and a new classifier to second convolutional neural network trained, to generate third convolution neural network and training; adding a connection layer and a new classifier to third convolutional neural network is trained to generate fourth, convolutional neural Network and train. Before training the above convolutional neural networks, the information of face images for training can be pre processed.

【技术实现步骤摘要】
一种卷积神经网络生成方法、年龄识别方法及相关装置
本专利技术涉及图像处理
，特别涉及一种用于对图像中的人脸进行年龄识别的卷积神经网络生成方法、年龄识别方法、相关装置及计算设备。
技术介绍
人脸作为重要的生物特征之一，人脸图像上蕴含了大量信息，如年龄、性别、人种等。随着图像处理技术中对人脸图像研究的进一步深入，特别是在人脸年龄识别方面，以卷积神经网络(CNN：ConvolutionalNeuralNetwork)为基础的人脸年龄识别方法也逐渐发展起来，在众多的现实场景中都具有重要的作用。在2014年的《ComputerScience》上，KarenSimonyan和AndrewZisserman发表了一篇名为“VeryDeepConvolutionalNetworksforLarge-ScaleImageRecognition”的论文，提出了一种层次更深的卷积神经网络模型，即VGG(VisualGeometryGroup)模型，基于该模型进行年龄识别的准确度有了一定提升。然而，对于不同年龄段的人脸图像，其变化的幅度之间差距较大，尤其0～5岁的婴幼儿，变化非常巨大，但25～30岁左右的成年人，则变化很小，这一现象给年龄识别带来了较大的影响。现有的人脸年龄识别方法中，使用年龄分布值代替年龄真值，一定程度上缓解了上述问题，但获取到的结果处于某一年龄区间，并不够准确，一旦在区间的临界值出错，则年龄估计值会落入相邻区间，带来较大的误差。而且由于年龄的数值跨度较大，即使采取上述VGG模型进行年龄识别，也需要根据年龄段的分布采取多个模型来实现，较为复杂，且通用性较低。
技术实现思路
为此，本专利技术提供一种用于对图像中的人脸进行年龄识别的卷积神经网络生成方案，并提出了基于该卷积神经网络的年龄识别方案，以力图解决或者至少缓解上面存在的问题。根据本专利技术的一个方面，提供一种用于对图像中的人脸进行年龄识别的卷积神经网络生成方法，适于在计算设备中执行，该方法包括如下步骤：首先，根据预先获取的人脸图像数据集合，对第一卷积神经网络进行训练以便第一卷积神经网络适用于识别人脸，人脸图像数据集合包含多个人脸图像信息，每个人脸图像信息包括人脸图像和对应图像中人的年龄信息，第一卷积神经网络包括依次相连的多个卷积组、第一全连接层、第二全连接层、第三全连接层和第一分类器；根据预设的年龄阈值对人脸图像数据集合中的每个人脸图像信息进行处理，以便为每个人脸图像信息添加新的年龄阈值属性，年龄阈值属性指示对应的人的年龄是大于预设的年龄阈值还是不大于预设的年龄阈值；将训练好的第一卷积神经网络中的第三全连接层和第一分类器分别替换为第四全连接层和第二分类器，以生成第二卷积神经网络，并根据添加了年龄阈值属性的人脸图像数据集合对第二卷积神经网络进行训练，以便第二卷积神经网络的第二分类器的输出指示人脸所对应人的年龄是高于年龄阈值还是不高于年龄阈值；在训练好的第二卷积神经网络中的第一全连接层之后，添加依次相连的第五全连接层、第六全连接层和第三分类器，以生成第三卷积神经网络，并选择人脸图像数据集合中、年龄不大于所预设的年龄阈值的人脸图像信息对第三卷积神经网络进行训练，以便第三卷积神经网络的第三分类器的输出指示人脸所对应人的年龄为零到所预设年龄阈值中的哪一个；在训练好的第三卷积神经网络中的第一全连接层之后，添加依次相连的第七全连接层、第八全连接层和第四分类器，以生成第四卷积神经网络，并根据人脸图像数据集合对第四卷积神经网络进行训练，以便第四分类器的输出指示人脸所对应人的年龄。可选地，在根据本专利技术的用于对图像中的人脸进行年龄识别的卷积神经网络生成方法中，人脸图像数据集合中每个人脸图像信息的人脸图像均保持水平正面且满足预设尺寸，人脸图像对应人的年龄为0～100之间的整数。可选地，在根据本专利技术的用于对图像中的人脸进行年龄识别的卷积神经网络生成方法中，第一卷积神经网络的各卷积组中均包括至少一个卷积层。可选地，在根据本专利技术的用于对图像中的人脸进行年龄识别的卷积神经网络生成方法中，在在训练好的第二卷积神经网络中的第一全连接层之后，添加依次相连的第五全连接层、第六全连接层和第三分类器，以生成第三卷积神经网络的步骤之前，还包括步骤：对人脸图像数据集合中、年龄不大于预设的年龄阈值的人脸图像信息的年龄进行0/1编码，0/1编码包括以预设的年龄阈值加1之和为编码位数，每一位为数字0和数字1中的任一种，从首位开始，数字1出现的次数减1之差为年龄。可选地，在根据本专利技术的用于对图像中的人脸进行年龄识别的卷积神经网络生成方法中，第六全连接层包括多个并联的子全连接层，子全连接层的个数为预设的年龄阈值加1之和。可选地，在根据本专利技术的用于对图像中的人脸进行年龄识别的卷积神经网络生成方法中，在在训练好的第三卷积神经网络中的第一全连接层之后，添加依次相连的第七全连接层、第八全连接层和第四分类器，以生成第四卷积神经网络的步骤之前，还包括步骤：对人脸图像数据集合中人脸图像信息的年龄进行分布编码，分布编码包括根据高斯分布进行年龄编码。可选地，在根据本专利技术的用于对图像中的人脸进行年龄识别的卷积神经网络生成方法中，预设的年龄阈值为12。根据本专利技术的又一个方面，提供一种年龄识别方法，适于在计算设备中执行，该方法基于用于对图像中的人脸进行年龄识别的卷积神经网络生成方法中、训练好的第四卷积神经网络对图像中的人脸进行年龄识别，包括步骤：将待识别人脸图像输入到训练好的第四卷积神经网络中进行年龄识别；判断训练好的第四卷积神经网络中第二分类器的输出是否大于预设的年龄阈值；若第二分类器的输出不大于预设的年龄阈值，则获取训练好的第四卷积神经网络中第三分类器的输出为人脸所对应人的年龄；若第二分类器的输出大于预设的年龄阈值，则获取训练好的第四卷积神经网络中第四分类器的输出为人脸所对应人的年龄。可选地，在根据本专利技术的年龄识别方法中，还包括对待识别图像进行预处理以获取待识别人脸图像。可选地，在根据本专利技术的年龄识别方法中，对待识别图像进行预处理以获取待识别人脸图像包括：对待识别图像进行人脸检测，获取人脸位置信息；通过人脸位置信息，将待识别图像中的人脸裁剪后转换至预设尺寸；根据人脸关键点信息计算人脸进行平面旋转的变换矩阵；利用变换矩阵将预设尺寸下的人脸图像旋转成水平正面以获取待识别人脸图像。根据本专利技术的又一个方面，提供一种用于对图像中的人脸进行年龄识别的卷积神经网络生成装置，适于驻留在计算设备中，该装置包括第一训练模块、属性添加模块、第一生成模块、第二训练模块、第二生成模块、第三训练模块、第三生成模块和第四训练模块。其中，第一训练模块适于根据预先获取的人脸图像数据集合，对第一卷积神经网络进行训练以便第一卷积神经网络适用于识别人脸，人脸图像数据集合包含多个人脸图像信息，每个人脸图像信息包括人脸图像和对应图像中人的年龄信息，第一卷积神经网络包括依次相连的多个卷积组、第一全连接层、第二全连接层、第三全连接层和第一分类器；属性添加模块适于根据预设的年龄阈值对人脸图像数据集合中的每个人脸图像信息进行处理，以便为每个人脸图像信息添加新的年龄阈值属性，年龄阈值属性指示对应的人的年龄是大于预设的年龄阈值还是不大于预设的年龄阈值；第一生成模块适于将训练好的第一本文档来自技高网...

【技术保护点】
一种用于对图像中的人脸进行年龄识别的卷积神经网络生成方法，适于在计算设备中执行，所述方法包括步骤：根据预先获取的人脸图像数据集合，对第一卷积神经网络进行训练以便所述第一卷积神经网络适用于识别人脸，所述人脸图像数据集合包含多个人脸图像信息，每个人脸图像信息包括人脸图像和对应图像中人的年龄信息，所述第一卷积神经网络包括依次相连的多个卷积组、第一全连接层、第二全连接层、第三全连接层和第一分类器；根据预设的年龄阈值对所述人脸图像数据集合中的每个人脸图像信息进行处理，以便为每个人脸图像信息添加新的年龄阈值属性，所述年龄阈值属性指示对应的人的年龄是大于预设的年龄阈值还是不大于预设的年龄阈值；将训练好的第一卷积神经网络中的第三全连接层和第一分类器分别替换为第四全连接层和第二分类器，以生成第二卷积神经网络，并根据所述添加了年龄阈值属性的人脸图像数据集合对第二卷积神经网络进行训练，以便所述第二卷积神经网络的第二分类器的输出指示人脸所对应人的年龄是高于所述年龄阈值还是不高于所述年龄阈值；在训练好的第二卷积神经网络中的第一全连接层之后，添加依次相连的第五全连接层、第六全连接层和第三分类器，以生成第三卷积神经网络，并选择所述人脸图像数据集合中、年龄不大于所预设的年龄阈值的人脸图像信息对第三卷积神经网络进行训练，以便所述第三卷积神经网络的第三分类器的输出指示人脸所对应人的年龄为零到所预设年龄阈值中的哪一个；在训练好的第三卷积神经网络中的第一全连接层之后，添加依次相连的第七全连接层、第八全连接层和第四分类器，以生成第四卷积神经网络，并根据所述人脸图像数据集合对所述第四卷积神经网络进行训练，以便所述第四分类器的输出指示人脸所对应人的年龄。...

【技术特征摘要】
1.一种用于对图像中的人脸进行年龄识别的卷积神经网络生成方法，适于在计算设备中执行，所述方法包括步骤：根据预先获取的人脸图像数据集合，对第一卷积神经网络进行训练以便所述第一卷积神经网络适用于识别人脸，所述人脸图像数据集合包含多个人脸图像信息，每个人脸图像信息包括人脸图像和对应图像中人的年龄信息，所述第一卷积神经网络包括依次相连的多个卷积组、第一全连接层、第二全连接层、第三全连接层和第一分类器；根据预设的年龄阈值对所述人脸图像数据集合中的每个人脸图像信息进行处理，以便为每个人脸图像信息添加新的年龄阈值属性，所述年龄阈值属性指示对应的人的年龄是大于预设的年龄阈值还是不大于预设的年龄阈值；将训练好的第一卷积神经网络中的第三全连接层和第一分类器分别替换为第四全连接层和第二分类器，以生成第二卷积神经网络，并根据所述添加了年龄阈值属性的人脸图像数据集合对第二卷积神经网络进行训练，以便所述第二卷积神经网络的第二分类器的输出指示人脸所对应人的年龄是高于所述年龄阈值还是不高于所述年龄阈值；在训练好的第二卷积神经网络中的第一全连接层之后，添加依次相连的第五全连接层、第六全连接层和第三分类器，以生成第三卷积神经网络，并选择所述人脸图像数据集合中、年龄不大于所预设的年龄阈值的人脸图像信息对第三卷积神经网络进行训练，以便所述第三卷积神经网络的第三分类器的输出指示人脸所对应人的年龄为零到所预设年龄阈值中的哪一个；在训练好的第三卷积神经网络中的第一全连接层之后，添加依次相连的第七全连接层、第八全连接层和第四分类器，以生成第四卷积神经网络，并根据所述人脸图像数据集合对所述第四卷积神经网络进行训练，以便所述第四分类器的输出指示人脸所对应人的年龄。2.如权利要求1所述的方法，所述人脸图像数据集合中每个人脸图像信息的人脸图像均保持水平正面且满足预设尺寸，所述人脸图像对应人的年龄为0～100之间的整数。3.如权利要求1或2所述的方法，所述第一卷积神经网络的各卷积组中均包括至少一个卷积层。4.如权利要求1-3中任一项所述的方法，在所述在训练好的第二卷积神经网络中的第一全连接层之后，添加依次相连的第五全连接层、第六全连接层和第三分类器，以生成第三卷积神经网络的步骤之前，还包括步骤：对所述人脸图像数据集合中、年龄不大于预设的年龄阈值的人脸图像信息的年龄进行0/1编码，所述0/1编码包括以预设的年龄阈值加1之和为编码位数，每一位为数字0和数字1中的任一种，从首位开始，数字1出现的次数减1之差为所述年龄。5.一种年龄识别方法，适于在计算设备中执行，所述方法基于权利要求1-4中任一项所述的训练好的第四卷积神经网络对图像中的人脸进行年龄识别，包括步骤：将待识别人脸图像输入到训练好的第四卷积神经网络中进行年龄识别；判断所述训练好的第四卷积神经网络中第二分类器的输出是否大于预设的年龄阈值；若所述第二分类器的输出为不大于预设的年龄阈值，则获取所述训练好的第四卷积神经网络中第三分类器的输出为人脸所对应人的年龄；若所述第二分类器的输出为大于预设的年龄阈值，则获取所述训练好的第四卷积神经网络中第四分类器的输出为人脸所对应人的年龄...

【专利技术属性】
技术研发人员：曾志勇，许清泉，张伟，傅松林，
申请(专利权)人：厦门美图之家科技有限公司，
类型：发明
国别省市：福建,35