專利名稱：基于數(shù)字人臉圖像的人類年齡自動估計(jì)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及利用計(jì)算機(jī)對人類年齡進(jìn)行自動估計(jì)的方法，特別涉及一種利用 人臉圖像對人類年齡進(jìn)行估計(jì)的方法。
背景技術(shù)：
目前尚未發(fā)現(xiàn)利用計(jì)算機(jī)通過人臉圖像對人類年齡進(jìn)行自動估計(jì)的技術(shù)。但 存在一些利用數(shù)字人臉圖像對人的身份進(jìn)行識別的技術(shù)，如本發(fā)明申請人擁有的 另一項(xiàng)發(fā)明專利"基于選擇性多本征空間集成的數(shù)字人臉圖像識別方法"(專利 號ZL 2004 1 0041173.4)。數(shù)字人臉圖像識別與本發(fā)明有著一定的聯(lián)系，即都是 利用數(shù)字人臉圖像尋求與圖像中人物有關(guān)的有用信息。但是，二者解決的是完全 不同的問題，數(shù)字人臉圖像識別目標(biāo)是識別人的身份，而本發(fā)明是估計(jì)人的年齡。
年齡是人的重要屬性，決定了人的行為、觀念及應(yīng)遵守的規(guī)則。人類年齡自 動估計(jì)技術(shù)使得智能系統(tǒng)根據(jù)用戶的年齡提供相應(yīng)服務(wù)成為可能。在我國社會人 口老齡化和越來越重視保護(hù)未成年人的大背景下，該項(xiàng)技術(shù)的應(yīng)用顯得尤為重要 與迫切，蘊(yùn)含著極大的經(jīng)濟(jì)和社會效益。當(dāng)前多數(shù)情況下采取的年齡估計(jì)或驗(yàn)證 方式要么依賴于人的主觀估計(jì)如酒吧、網(wǎng)吧等場所拒絕未成年人入內(nèi)，要么依賴 于相關(guān)證件如護(hù)照通關(guān)。這些方式固有的速度慢、花費(fèi)高、不友好、不可靠、易 偽造等缺點(diǎn)可以通過自動年齡估系統(tǒng)的應(yīng)用徹底改觀。并且，原來很多年齡估計(jì) 和驗(yàn)證不易實(shí)施的地方也可以應(yīng)用該項(xiàng)技術(shù)實(shí)現(xiàn)覆蓋，比如可根據(jù)用戶年齡自動 選擇屏蔽某些有害信息的互聯(lián)網(wǎng)瀏覽器，為不同年齡用戶提供特色服務(wù)的自動服 務(wù)終端等。因此基于此項(xiàng)技術(shù)開發(fā)的相關(guān)產(chǎn)品將具有十分廣闊的市場前景。另外， 在保護(hù)未成年人和關(guān)愛老年人等方面，該項(xiàng)技術(shù)的應(yīng)用還具有良好的社會效益。
值得注意的是，本發(fā)明所涉及的人類年齡估計(jì)方法僅僅依賴于人臉圖像，這與考 古學(xué)或法醫(yī)學(xué)中研究的人類年齡估計(jì)方法有著根本不同。后者主要基于人死亡后 骨骼和牙齒的相關(guān)證據(jù)進(jìn)行估計(jì)，這些證據(jù)無法進(jìn)行不侵入人體的采集，所以很
4難應(yīng)用于日常生活中。與此不同，本發(fā)明通過人臉數(shù)字圖像對人的年齡進(jìn)行估計(jì)。 這種方式正如人們在日常生活中估計(jì)他人年齡的方式一樣，方便快捷且不唐突。 因此，這種自動年齡估計(jì)技術(shù)能夠直接應(yīng)用于界面友好的智能系統(tǒng)中，使其具有 與人類似的年齡估計(jì)能力。

發(fā)明內(nèi)容
本發(fā)明的目的是提供一種讓計(jì)算機(jī)以類似于人的方式，即觀察人臉，對人類 年齡作出準(zhǔn)確估計(jì)的自動化方法，該方法的估計(jì)精度可達(dá)到與人類似的水平。
本發(fā)明的技術(shù)方案為一種基于數(shù)字人臉圖像的人類年齡自動估計(jì)方法，步驟
為
第一步，通過數(shù)字圖像輸入設(shè)備獲取用戶面部的數(shù)字灰度圖像即待估計(jì)人臉 圖像；
第二步，待估計(jì)圖像被分別放在年齡成長模式中所有可能的年齡上，提取待 估計(jì)人臉圖像的特征向量并生成一組候選年齡成長模式向量，在每個候選年齡成 長模式向量中，僅一個年齡上有圖像特征，其余部分全部為缺失值；
第三步，判斷成長模式子空間是否訓(xùn)練好，如果否，則進(jìn)入訓(xùn)練成長模式子 空間，如果是，則進(jìn)入下一步；
第四步，根據(jù)訓(xùn)練好的成長模式子空間，將待估計(jì)人臉圖像的所有候選年齡 成長模式向量投影到成長模式子空間中，再從投影向量重構(gòu)出完整的候選年齡成 長模式向量；
第五步，如果待估計(jì)圖像被放在了正確的年齡上，則重構(gòu)出來的年齡成長模 式中對應(yīng)年齡上的人臉圖像與原圖像非常相像，否則重構(gòu)出來的人臉圖像將出現(xiàn) 扭曲現(xiàn)象，通過比較重構(gòu)圖像與原圖像之間的重構(gòu)誤差，也就是重構(gòu)年齡成長模
式向量與原始的年齡成長模式向量之間的重構(gòu)誤差，找到重構(gòu)誤差最小的一個候 選年齡成長模式，即對待估計(jì)人臉圖像來講的最佳年齡成長模式；
第六步，待估計(jì)人臉圖像在這個最佳候選年齡成長模式中的位置r即為對其 年齡的估計(jì)，并將其作為最終的結(jié)果輸出。
相關(guān)定義L年齡成長模式 一種將某個人的不同年齡的人臉圖像從小到大 排列的圖像序列。2.年齡成長模式向量從年齡成長模式中的每一幅人臉圖像抽 取出特征，然后按照年齡從小到大拼接而成的特征向量。3.人臉圖像特征利用高等代數(shù)教科書中的主成分分析技術(shù)，從人臉圖像中抽取出來的特征向量。4. 成長模式子空間以一組年齡成長模式為訓(xùn)練樣本計(jì)算出來的最具代表性的特征 子空間。5.重構(gòu)利用訓(xùn)練好的成長模式子空間重新還原人臉圖像的過程。6.候 選年齡成長模式將待估計(jì)的圖像放在年齡成長模式中不同位置上所生成的一組 年齡成長模式，其中只有一個對待估計(jì)的圖像是最合適的。7.目標(biāo)年齡系統(tǒng)所 能夠估計(jì)的年齡范圍，如0到70歲。
有益效果l.本方法完全自動化，不需人的干預(yù)，且速度快，準(zhǔn)確度高，可 以應(yīng)用于需要年齡估計(jì)的絕大多數(shù)場合。
2. 本方法僅僅依賴人的面部圖像就能對其年齡作出估計(jì)，這與日常生活中人 們估計(jì)別人年齡的方式類似，因此能夠很方便的在日常應(yīng)用中實(shí)施而不會讓人感 覺麻煩或者反感，甚至可以在被估計(jì)者不知道的情況下實(shí)施，從而實(shí)現(xiàn)很多人性 化的應(yīng)用。
3. 本發(fā)明中的年齡成長模式向量是一種適合于人臉年齡估計(jì)問題特點(diǎn)的特 殊數(shù)據(jù)結(jié)構(gòu)，這種數(shù)據(jù)結(jié)構(gòu)中允許出現(xiàn)缺失值，更符合實(shí)際應(yīng)用中年齡成長模式 中幾乎不可避免的出現(xiàn)缺失圖像的現(xiàn)象；在這一數(shù)據(jù)結(jié)構(gòu)中，所有人臉圖像特征 按照時間順序從小到大排列，這反映了年齡成長模式的時序性；每一個年齡成長 模式向量中包含的所有圖像特征均屬于同一個人，這樣能夠充分反映年齡成長的 個性化特點(diǎn)，即每個人變老的方式是不同的。


圖1是基于數(shù)字人臉圖像的人類年齡自動估計(jì)系統(tǒng)工作流程圖。
圖2是年齡成長模式向量的生成過程示例。
圖3是初始化年齡成長模式中缺失圖像的過程示例。
圖4是成長模式子空間的訓(xùn)練過程流程圖。
圖5是對單張待估計(jì)人臉圖像進(jìn)行年齡估計(jì)的過程示例。
具體實(shí)施例方式
下面結(jié)合附圖和最佳實(shí)施例對本發(fā)明進(jìn)行詳細(xì)說明?；跀?shù)字人臉圖像的人類年齡自動估計(jì)系統(tǒng)工作流程圖如圖1所示。系統(tǒng)首 先通過數(shù)字圖像輸入設(shè)備獲取用戶面部的數(shù)字灰度圖像也就是待估計(jì)人臉圖像， 隨后進(jìn)入計(jì)算機(jī)處理過程。該過程包括提取輸入人臉圖像的特征向量并生成年齡 成長模式向量如圖2和圖3所示，然后判斷成長模式子空間是否訓(xùn)練好，如果否， 則進(jìn)入訓(xùn)練成長模式子空間過程，如圖4所示，如果是，則根據(jù)訓(xùn)練好的成長模 式子空間和待估計(jì)人臉圖像的特征向量計(jì)算得到年齡估計(jì)結(jié)果，如圖5所示，最 后將估計(jì)結(jié)果輸出。系統(tǒng)輸出的估計(jì)年齡可視不同的實(shí)際應(yīng)用而觸發(fā)相應(yīng)的操 作。例如，當(dāng)系統(tǒng)應(yīng)用于基于年齡的人機(jī)交互系統(tǒng)時，較大的估計(jì)年齡可能使得 系統(tǒng)以較大的字符顯示操作界面，以照顧老年人的視力，相反，較小的估計(jì)年齡 可能使得系統(tǒng)采用較為活潑和鮮艷的界面，以適應(yīng)年輕人的喜好。再比如，當(dāng)系 統(tǒng)應(yīng)用于屏蔽不良網(wǎng)上信息時，估計(jì)年齡如果屬于未成年范圍，系統(tǒng)將阻止用戶 瀏覽不適合未成年人的信息。
本發(fā)明建立在一種特殊的數(shù)據(jù)結(jié)構(gòu)基礎(chǔ)之上，即年齡成長模式向量，如圖2 所示。所謂年齡成長模式，即一種將某個人的不同年齡的人臉圖像從小到大排列 的圖像序列。圖2所示為某人0-8歲的年齡成長模式。其中虛線框表示對應(yīng)年齡 上無人臉圖像，這種缺失圖像在年齡成長模式中幾乎不可避免，因?yàn)楹茈y從某個 人那里收集到其在所有年齡上的人臉圖像。接下來，年齡成長模式中的每幅圖像 通過高等代數(shù)教科書中的主成分分析技術(shù)提取出特征向量，即將圖像投影到由主 成分分析得到的有m個正交向量基的子空間中，獲得的n維特征向量，這里m 是一個預(yù)先設(shè)定的整數(shù)，例如IOO，或者選擇能夠解釋原數(shù)據(jù)90%方差的11值， 這個值一般都遠(yuǎn)遠(yuǎn)小于像素個數(shù)，但是與像素個數(shù)沒有直接關(guān)系。最后將的所有 圖像的特征向量按照年齡順序拼接成一個大的向量，就稱之為年齡成長模式向 量。該向量中缺失值對應(yīng)年齡成長模式中缺失的人臉圖像，在圖2中就是0、 1、 3、 4、 6、 7，置為m。在圖2中也就是將2、 5、 8歲時的圖像投影得到特征向量 b2、 b5 、 b8按照年齡順序拼接成一個大的向量，也就是年齡成長模式向量。本 發(fā)明后面的描述皆基于年齡成長模式向量。注意在年齡成長模式向量的生成過程 中并沒有手工參與，輸入系統(tǒng)的人臉圖像能夠自動的被處理，提取出相應(yīng)特征并 生成規(guī)范化的特征向量，這使得系統(tǒng)可以在無人情況下自動運(yùn)行。年齡成長模式 向量是一種適合于人臉年齡估計(jì)問題特點(diǎn)的特殊數(shù)據(jù)結(jié)構(gòu)，這表現(xiàn)在l.這種數(shù) 據(jù)結(jié)構(gòu)中允許出現(xiàn)缺失值，這是考慮到在實(shí)際應(yīng)用中年齡成長模式中的缺失圖像
7幾乎不可避免而進(jìn)行的一項(xiàng)設(shè)計(jì)；2.在這一數(shù)據(jù)結(jié)構(gòu)中，所有人臉圖像特征按照 時間順序從小到大排列，這反映了年齡成長模式的時序性；3.每一個年齡成長模 式向量中包含的所有圖像特征均屬于同一個人，這樣能夠充分反映年齡成長的個 性化特點(diǎn)，即每個人變老的方式是不同的。
用以上方法生成的年齡成長模式向量中往往存在大量缺失值，這些缺失值必 須經(jīng)過初始化才能進(jìn)入后續(xù)處理過程，而初始化過程對系統(tǒng)后續(xù)算法的有效性和 迭代收斂效率至關(guān)重要。本發(fā)明中所使用的缺失值初始化方法如圖3所示。圖3 中每一行顯示了一個人的部分年齡成長模式，每一列上為年齡相同的人臉圖像， 虛線框表示缺失圖像。以其中一幅缺失圖像為例，也就是圖中實(shí)線圈出的，沿著 該缺失圖像同樣年齡的方向，即同一列， 一般都能夠在其他人的年齡成長模式中 找到一些人臉圖像，也就是圖中虛線圈出的兩個人臉圖像，然后將這些同樣年齡 但不同人的人臉圖像的特征向量取平均，將均值填充到缺失圖像的位置作為其初 始值。對訓(xùn)練集中的每個年齡成長模式向量中的所有缺失圖像都進(jìn)行以上處理， 完成初始化。經(jīng)過初始化，所有年齡成長模式向量均不再包含缺失值，用于填充 缺失值的特征為同樣年齡上的其他人的特征均值，這樣能夠保證初始填充值與目 標(biāo)值較為接近，為后續(xù)的成長模式子空間訓(xùn)練過程奠定了良好的基礎(chǔ)。
由一組年齡成長模式向量計(jì)算成長模式子空間的過程流程圖如圖4所示。起 始，然后利用圖2中所示方法生成一組年齡成長模式向量，作為訓(xùn)練集。注意該 集合中的年齡成長模式向量一般來講都包含大量缺失值。再利用圖3中所示方法 將訓(xùn)練集合中的所有缺失值初始化。然后進(jìn)入步驟I ，在初始化后的訓(xùn)練集上應(yīng) 用高等代數(shù)教科書中的主成分分析技術(shù)，為年齡成長模式向量生成一個有^個正 交基向量的本征空間即成長模式子空間，這里A:是一個預(yù)先設(shè)定的子空間維度， 為整數(shù)， 一般應(yīng)遠(yuǎn)遠(yuǎn)小于年齡成長模式向量的維度，例如20。步驟II，利用高 等代數(shù)教科書中的向量操作，將訓(xùn)練集中的每個年齡成長模式向量投影到步驟I 得到的成長模式子空間中。步驟III反過來利用步驟II得到的子空間投影重構(gòu)出訓(xùn)
練集中所有的年齡成長模式向量，即將投影向量乘以步驟n中投影矩陣的轉(zhuǎn)置。 步驟iv將步驟m重構(gòu)出來的年齡成長模式向量與原始的年齡成長模式向量相比 較，此處原始的年齡成長模式向量也就是得到相應(yīng)投影向量的訓(xùn)練集中的原年齡 成長模式向量，計(jì)算兩者對應(yīng)原數(shù)據(jù)中已知值的元素之差的平方和，作為已知值
8的重構(gòu)誤差。將訓(xùn)練集中所有年齡成長模式向量的已知值重構(gòu)誤差的均值作為當(dāng) 前成長模式子空間對訓(xùn)練集中已知值的重構(gòu)誤差。步驟V，判斷該重構(gòu)誤差是否
小于某個預(yù)先設(shè)定的閾值g ，例如10—2。如果否，則用步驟III中重構(gòu)出來的向量
中對應(yīng)原數(shù)據(jù)中缺失值的部分替換原數(shù)據(jù)中的缺失值，然后再次回到步驟I ，在
更新過的訓(xùn)練集上應(yīng)用主成分分析。這個過程不斷循環(huán)，直到步驟v判斷出重構(gòu) 誤差小于e ，則退出循環(huán)，將最新的主成分分析計(jì)算得到的子空間作為成長模式
子空間保存起來，結(jié)束。經(jīng)過這一訓(xùn)練過程，可以得到一個描述年齡成長模式基 本特點(diǎn)的子空間。該子空間反映了訓(xùn)練集中包含的所有人的年齡成長模式的共 性，即人類年齡成長的一般規(guī)律，因此可以作為下一步進(jìn)行年齡估計(jì)的基礎(chǔ)和依據(jù)。
給定一張待估計(jì)人臉圖像，待估計(jì)圖像被分別放在年齡成長模式中所有可能 的年齡上，提取待估計(jì)人臉圖像的特征向量并生成一組候選年齡成長模式向量。
例如，假設(shè)目標(biāo)年齡為0到70歲，則這一步驟可生成71個候選年齡成長模式向 量。在每個候選年齡成長模式向量中，僅僅一個年齡上有圖像特征，其余部分全 部為缺失值。如圖5所示，假設(shè)目標(biāo)年齡為O到; -l歲，則可為待估計(jì)圖像生成 戶個候選年齡成長模式向量，其中的缺失值置為m。然后，判斷成長模式子空間 是否訓(xùn)練好，如果否，則進(jìn)入訓(xùn)練成長模式子空間，利用圖4描述方法訓(xùn)練得到 成長模式子空間；如果是，則利用圖5所示過程對其進(jìn)行年齡估計(jì)。首先，根據(jù) 訓(xùn)練好的成長模式子空間，將待估計(jì)人臉圖像的所有候選年齡成長模式向量投影 到成長模式子空間中，再從投影向量重構(gòu)出完整的候選年齡成長模式向量。在圖 5中，得到的/7個候選年齡成長模式向量^……^投影到成長模式子空間后得到 向量刃……A，再從投影向量重構(gòu)出完整的候選年齡向量^……5"此時，如果
待估計(jì)圖像在生成候選年齡成長模式向量的時候被放在了正確的年齡上，則重構(gòu) 出來的年齡成長模式中對應(yīng)年齡上的人臉圖像應(yīng)當(dāng)與原圖像非常相像，否則重構(gòu) 出來的人臉圖像將出現(xiàn)扭曲現(xiàn)象。例如圖5中放大的兩張重構(gòu)圖像，左邊的一張 與待估計(jì)圖像非常相似，而右邊的一張發(fā)生了明顯的扭曲。下一步，通過比較重 構(gòu)圖像特征向量(也就是重構(gòu)出來的年齡成長模式向量中對應(yīng)于原圖像放置位置 的部分)與原圖像特征向量之間的重構(gòu)誤差，找到重構(gòu)誤差最小的一個候選年齡 成長模式，即對待估計(jì)人臉圖像來講的最佳年齡成長模式，而待估計(jì)人臉圖像在這個最佳候選年齡成長模式中的位置r即為對其年齡的估計(jì)，并將其作為最終的 結(jié)果輸出。在圖5中也就是對重構(gòu)出來的圖像特征向量與原圖像特征向量之間的
重構(gòu)誤差……f"(p)，尋找出重構(gòu)誤差最小的一個候選年齡成長模式也就是 最佳年齡成長模式，這個時候待估計(jì)人臉圖像在這個候選年齡成長模式中的位置
r即可作為結(jié)果輸出。在這一過程中，首先為待估計(jì)人臉圖像找到既符合人類年 齡成長一般規(guī)律，即在年齡成長模式子空間中重構(gòu)誤差最小化，又具有個性化特 點(diǎn)，即所有候選年齡成長模式都由待估計(jì)人臉圖像衍生出來的年齡成長模式，然 后，待估計(jì)人臉圖像在該最佳年齡成長模式中的位置就自然指示出了圖像中人的 年齡。
通過以上描述可以看出，本發(fā)明方法僅僅依賴于一張人臉圖像即可對其中人 物的年齡作出判斷。該方法基于一種特殊的數(shù)據(jù)結(jié)構(gòu)——年齡成長模式向量，而 不是單張圖像。 一個年齡成長模式中所有圖像均來自同一個人，并且按照時間順 序排列，在此序列中允許缺失值存在。這樣，使得該方法很好的解決了基于數(shù)字 人臉圖像的人類年齡估計(jì)中三個主要難點(diǎn)，即成長模式的個性化、不完整和時序 化問題。以此為基礎(chǔ)，本發(fā)明設(shè)計(jì)了能夠在有大量缺失值的年齡成長模式向量集 合上訓(xùn)練得到成長模式子空間的方法，以及利用成長模式子空間估計(jì)單張輸入人 臉圖像的年齡的方法。經(jīng)測試，本發(fā)明方法能夠達(dá)到與人類對陌生人的年齡估計(jì) 能力類似的精度。
權(quán)利要求
1. 一種基于數(shù)字人臉圖像的人類年齡自動估計(jì)方法，其特征在于，步驟為第一步，通過數(shù)字圖像輸入設(shè)備獲取用戶面部的數(shù)字灰度圖像即待估計(jì)人臉圖像；第二步，待估計(jì)圖像被分別放在年齡成長模式中所有可能的年齡上，提取待估計(jì)人臉圖像的特征向量并生成一組候選年齡成長模式向量，在每個候選年齡成長模式向量中，僅一個年齡上有圖像特征，其余部分全部為缺失值；第三步，判斷成長模式子空間是否訓(xùn)練好，如果否，則進(jìn)入訓(xùn)練成長模式子空間，如果是，則進(jìn)入下一步；第四步，根據(jù)訓(xùn)練好的成長模式子空間，將待估計(jì)人臉圖像的所有候選年齡成長模式向量投影到成長模式子空間中，再從投影向量重構(gòu)出完整的候選年齡成長模式向量；第五步，如果待估計(jì)圖像被放在了正確的年齡上，則重構(gòu)出來的年齡成長模式中對應(yīng)年齡上的人臉圖像與原圖像非常相像，否則重構(gòu)出來的人臉圖像將出現(xiàn)扭曲現(xiàn)象，通過比較重構(gòu)圖像與原圖像之間的重構(gòu)誤差，找到重構(gòu)誤差最小的一個候選年齡成長模式，即對待估計(jì)人臉圖像來講的最佳年齡成長模式；第六步，待估計(jì)人臉圖像在這個最佳候選年齡成長模式中的位置r即為對其年齡的估計(jì)，并將其作為最終的結(jié)果輸出。
2. 如權(quán)利要求1所述的基于數(shù)字人臉圖像的人類年齡自動估計(jì)方法，其特 征在于，訓(xùn)練成長模式子空間的步驟為步驟1:獲取用于訓(xùn)練的一組具有不同年齡段的人臉圖像集為訓(xùn)練集； 步驟2:從步驟l的訓(xùn)練集中生成一組年齡成長模式；步驟3:抽取年齡成長模式中人臉圖像的特征，生成一組年齡成長模式向量； 步驟4:以步驟3得到的年齡成長模式向量為訓(xùn)練集，計(jì)算成長模式子空間。
3. 如權(quán)利要求2所述的基于數(shù)字人臉圖像的人類年齡自動估計(jì)方法，其特征 在于，步驟3，抽取年齡成長模式中人臉圖像的特征，生成一組年齡成長模式向 量的具體做法為首先得到訓(xùn)練集中的所有的年齡成長模式的年齡成長模式向量將訓(xùn)練集中 的一個年齡成長模式中的圖像投影到由主成分分析得到的有 個正交向量基的子空間中，獲得一個W維特征向量，n是預(yù)先設(shè)定的整數(shù)，用同樣的方法得到 該年齡成長模式中的其余圖像的特征向量，然后將該年齡成長模式中所有圖像的特征向量按照年齡順序拼接成一個大的向量，就得到該年齡成長模式向量，該向 量中缺失值對應(yīng)年齡成長模式中缺失的人臉圖像，然后以同樣的方法得到整個訓(xùn) 練集中的所有年齡成長模式的年齡成長模式向量；然后，對缺失值進(jìn)行初始化每一行上顯示了一個人的年齡成長模式，每一 列上為年齡相同的人臉圖像，其中每一行和每一列上含有若干個缺失的人臉圖 像，以其中一幅缺失圖像為中心，沿著該缺失圖像同樣年齡的方向即同一列，在 其他人的年齡成長模式中找到若干人臉圖像，然后將這些找到的同樣年齡但不同 人的人臉圖像的特征向量取平均，將均值填充到缺失圖像的所在位置作為初始 值，對訓(xùn)練集中的每個年齡成長模式向量中的所有缺失圖像都進(jìn)行同樣的處理， 完成訓(xùn)練集的初始化。
4.如權(quán)利要求2所述的基于數(shù)字人臉圖像的人類年齡自動估計(jì)方法，其特征在于，步驟4，以步驟3得到的年齡成長模式向量為訓(xùn)練集，計(jì)算成長模式子空間的具體做法為步驟I ，在初始化后的訓(xùn)練集上應(yīng)用主成分分析技術(shù)，為年齡成長模式向量 生成一個有A:個正交基向量的本征空間即成長模式子空間，A:是一個子空間維 度，為預(yù)先設(shè)定的整數(shù)；步驟II，利用向量操作，將訓(xùn)練集中的每個年齡成長模式向量投影到步驟I 得到的成長模式子空間中；步驟III，利用步驟II得到的成長模式子空間投影重構(gòu)出訓(xùn)練集中所有的年齡 成長模式向量，即將投影向量乘以步驟II中投影矩陣的轉(zhuǎn)置；步驟IV，將步驟III重構(gòu)出來的年齡成長模式向量與原始的年齡成長模式向量 相比較，計(jì)算兩者對應(yīng)原數(shù)據(jù)中已知值的元素之差的平方和，作為已知值的重構(gòu) 誤差，將訓(xùn)練集中所有年齡成長模式向量的已知值重構(gòu)誤差的均值作為當(dāng)前成長 模式子空間對訓(xùn)練集中已知值的重構(gòu)誤差；步驟v，判斷該重構(gòu)誤差是否小于預(yù)先設(shè)定的閾值s ，如果否，則用步驟m 中重構(gòu)出來的向量中對應(yīng)原數(shù)據(jù)中缺失值的部分替換原數(shù)據(jù)中的缺失值，然后再次回到步驟I，在更新過的訓(xùn)練集上應(yīng)用主成分分析；如果是，則將最新的主成分分析計(jì)算得到的子空間作為成長模式子空間保存 起來；結(jié)束。
全文摘要
本發(fā)明涉及一種基于數(shù)字人臉圖像的人類年齡自動估計(jì)方法，步驟為第一步，獲得待估計(jì)人臉圖像；第二步，待估計(jì)圖像提取待估計(jì)人臉圖像的特征向量生成候選年齡成長模式向量；第三步，判斷成長模式子空間是否訓(xùn)練好，如果否，則進(jìn)入訓(xùn)練成長模式子空間，如果是，則進(jìn)入下一步；第四步，根據(jù)訓(xùn)練好的成長模式子空間，將待估計(jì)人臉圖像的所有候選年齡成長模式向量投影到成長模式子空間中，再從投影向量重構(gòu)出完整的候選年齡成長模式向量；第五步，通過比較重構(gòu)圖像與原圖像之間的重構(gòu)誤差找到重構(gòu)誤差最小即最佳年齡成長模式；第六步，待估計(jì)人臉圖像在這個最佳候選年齡成長模式中的位置r即其年齡。該方法精確度高，可自動完成。
文檔編號G06K9/62GK101533468SQ200910031218
公開日2009年9月16日 申請日期2009年4月27日 優(yōu)先權(quán)日2009年4月27日
發(fā)明者周志華, 新 耿 申請人:東南大學(xué)