年齡估計(jì)方法及設(shè)備的制作方法
【專利摘要】本發(fā)明公開了一種年齡估計(jì)方法及設(shè)備，屬于計(jì)算機(jī)【技術(shù)領(lǐng)域】。所述方法包括：根據(jù)N個(gè)特征向量和所述N個(gè)特征向量對(duì)應(yīng)的年齡值，建立翹曲高斯過程WGP公式，所述N個(gè)特征向量是從多個(gè)人臉圖像中獲取的；確定所述WGP公式的目標(biāo)公式參數(shù)；根據(jù)所述目標(biāo)公式參數(shù)確定待測(cè)試人臉圖像的估計(jì)年齡。本發(fā)明解決了年齡估計(jì)的實(shí)用性較低的問題，實(shí)現(xiàn)了提高方法實(shí)用性的效果，本發(fā)明用于年齡估計(jì)。
【專利說明】年齡估計(jì)方法及設(shè)備

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及計(jì)算機(jī)【技術(shù)領(lǐng)域】，特別涉及一種年齡估計(jì)方法及設(shè)備。

【背景技術(shù)】
[0002] 年齡估計(jì)可以根據(jù)人的臉部圖像估計(jì)人的年齡，并應(yīng)用于需要驗(yàn)證年齡的各種場(chǎng) 合中，例如，自動(dòng)售貨機(jī)通過識(shí)別人臉圖像可以估計(jì)顧客年齡，拒絕向未成年人出售香煙和 含酒精飲料，網(wǎng)吧或酒吧通過識(shí)別人臉圖像可以估計(jì)顧客年齡，限制不到法定年齡的顧客 進(jìn)入，計(jì)算機(jī)或手機(jī)通過識(shí)別人臉圖像可以判斷用戶年齡從而確定是否允許用戶打開特定 的應(yīng)用程序或網(wǎng)頁(yè)。
[0003] 現(xiàn)有技術(shù)中，可以通過基于子空間的年齡估計(jì)方法對(duì)人年齡進(jìn)行估計(jì)，首先獲取 基于同一個(gè)人的各個(gè)年齡對(duì)應(yīng)的大量訓(xùn)練數(shù)據(jù)，得到這個(gè)人的個(gè)人生長(zhǎng)公式，該訓(xùn)練數(shù)據(jù) 包括：人臉圖像，和該人臉圖像對(duì)應(yīng)的特征向量等，然后將采用相同方法獲取的不同人對(duì)應(yīng) 的個(gè)人生長(zhǎng)公式組成一個(gè)子空間，接著該子空間對(duì)待測(cè)試圖像進(jìn)行重建，將重建誤差最小 的個(gè)人生長(zhǎng)公式確定為該待測(cè)試圖像對(duì)應(yīng)的個(gè)人生長(zhǎng)公式，最后將該待測(cè)試圖像與該對(duì)應(yīng) 的個(gè)人生長(zhǎng)公式中的各個(gè)年齡對(duì)應(yīng)的圖像進(jìn)行對(duì)比，與待測(cè)試圖像最接近的圖像對(duì)應(yīng)的年 齡即為估計(jì)的年齡。其中，個(gè)人生長(zhǎng)公式主要是通過提取人臉的特征并建立公式對(duì)人臉進(jìn) 行識(shí)別的。
[0004] 通過基于子空間的年齡估計(jì)方法進(jìn)行年齡估計(jì)時(shí)，需要收集同一個(gè)人的各個(gè)年齡 對(duì)應(yīng)的大量訓(xùn)練數(shù)據(jù)，實(shí)際應(yīng)用中難以獲得，因此年齡估計(jì)的實(shí)用性較低。


【發(fā)明內(nèi)容】

[0005] 為了解決年齡估計(jì)的實(shí)用性較低的問題，本發(fā)明實(shí)施例提供了一種年齡估計(jì)方法 及設(shè)備。所述技術(shù)方案如下：
[0006] 第一方面，提供了一種年齡估計(jì)方法，所述方法包括：
[0007] 根據(jù)N個(gè)特征向量和所述N個(gè)特征向量對(duì)應(yīng)的年齡值，建立翹曲高斯過程WGP公 式，所述N個(gè)特征向量是從多個(gè)人臉圖像中獲取的；
[0008] 確定所述WGP公式的目標(biāo)公式參數(shù)；
[0009] 根據(jù)所述目標(biāo)公式參數(shù)確定待測(cè)試人臉圖像的估計(jì)年齡；
[0010] 所述WGP公式為：

【權(quán)利要求】
1. 一種年齡估計(jì)方法，其特征在于，所述方法包括： 根據(jù)N個(gè)特征向量和所述N個(gè)特征向量對(duì)應(yīng)的年齡值，建立翹曲高斯過程WGP公式，所 述N個(gè)特征向量是從多個(gè)人臉圖像中獲取的； 確定所述WGP公式的目標(biāo)公式參數(shù)； 根據(jù)所述目標(biāo)公式參數(shù)確定待測(cè)試人臉圖像的估計(jì)年齡； 所述WGP公式為：
其中，所述1為目標(biāo)函數(shù)值，^ = …，餐#(凡)，…，所述yn 為所述N個(gè)特征向量中第η個(gè)特征向量對(duì)應(yīng)的年齡值，且1彡η彡N，翹曲函數(shù)80 (yn)=aln(byn+c)+d，a>0,b>0,所述K為核矩陣，所述K的第p行和第q列的元素值
聽述^為所述N個(gè)特征向量中 的第P個(gè)特征向量，所述^為所述N個(gè)特征向量中的第q個(gè)特征向量，（β，Θ)為所述目 標(biāo)公式參數(shù)，所述β為所述N個(gè)特征向量對(duì)應(yīng)的高斯噪聲模型的方差參數(shù)，所述Θ為所述 翹曲函數(shù)中的a，b，c和d四個(gè)參數(shù)的集合，所述In為NXN的單位矩陣，（*)τ表示求括號(hào)內(nèi) 矩陣的轉(zhuǎn)置矩陣，（*)+1表示求括號(hào)內(nèi)矩陣的逆矩陣，所述g/ (yn)表示ge (yn)的導(dǎo)數(shù)。
2. 根據(jù)權(quán)利要求1所述的方法，其特征在于， 所述確定所述WGP公式的目標(biāo)公式參數(shù),包括： 根據(jù)所述WGP公式建立第一正交高斯過程OGP公式； 通過所述第一OGP公式確定所述WGP公式的目標(biāo)公式參數(shù)，以所述目標(biāo)公式參數(shù)為變 量的所述WGP公式的目標(biāo)函數(shù)值最??； 所述第一OGP公式為：
其中,USUt =K,\ ，所述Gfl為所述U的第η列向量,所述U為正交矩陣,所述 3為對(duì)角矩陣，3 = (^8(入1，...，入11，...，入1<)，所述入 1至入1<為所述1(的特征值。
3. 根據(jù)權(quán)利要求1或2所述的方法，其特征在于，所述根據(jù)所述目標(biāo)公式參數(shù)確定待測(cè) 試人臉圖像的估計(jì)年齡，包括： 根據(jù)所述目標(biāo)公式參數(shù)和第一年齡估計(jì)公式確定待測(cè)試人臉圖像的估計(jì)年齡，所述第 一年齡估計(jì)公式為：
其中
所述為所 述N個(gè)特征向量中的第η個(gè)特征向量，所述7為所述待測(cè)試人臉圖像對(duì)應(yīng)的特征向量，
4. 根據(jù)權(quán)利要求1所述的方法，其特征在于， 所述確定所述WGP公式的目標(biāo)公式參數(shù),包括： 根據(jù)所述WGP公式建立第二正交高斯過程OGP公式； 通過所述第二OGP公式確定所述WGP公式的目標(biāo)公式參數(shù)，以所述目標(biāo)公式參數(shù)為變 量的所述WGP公式的目標(biāo)函數(shù)值最小； 所述第二OGP公式為：
其中，aUSUT= αΚ，< ,所述為所述υ的第η列向量，所述α為所述K的 尺度參數(shù)，所述U為正交矩陣，所述S為對(duì)角矩陣，S=diag(A1,...，λη，...，λΝ)，所述A1至λΝ為所述K的特征值。
5. 根據(jù)權(quán)利要求4所述的方法，其特征在于，所述根據(jù)所述目標(biāo)公式參數(shù)確定待測(cè)試 人臉圖像的估計(jì)年齡，包括： 根據(jù)所述目標(biāo)公式參數(shù)和第二年齡估計(jì)公式確定待測(cè)試人臉圖像的估計(jì)年齡，所述第 二年齡估計(jì)公式為：
其中
為所述N個(gè)特征向量中的第η個(gè)特征向量，所述7為所述待測(cè)試人臉圖像對(duì)應(yīng)的特征向量，
6. 根據(jù)權(quán)利要求4或5所述的方法，其特征在于， 所述通過所述第二OGP公式確定所述WGP公式的目標(biāo)公式參數(shù)，包括： 將所述第二OGP公式中β更新為βη，得到所述第三OGP公式； 通過所述第三OGP公式確定所述WGP公式的目標(biāo)公式參數(shù)，以所述目標(biāo)公式參數(shù)為變 量的所述WGP公式的目標(biāo)函數(shù)值最小； 所述第三OGP公式為：
其中，所述βn為所述N個(gè)特征向量中的第η個(gè)特征向量對(duì)應(yīng)的高斯噪聲模型方差參 數(shù)。
7. 根據(jù)權(quán)利要求6所述的方法，其特征在于，所述根據(jù)所述目標(biāo)公式參數(shù)確定待測(cè)試 人臉圖像的估計(jì)年齡，包括： 根據(jù)所述目標(biāo)公式參數(shù)和第三年齡估計(jì)公式確定待測(cè)試人臉圖像的估計(jì)年齡，所述第 三年齡估計(jì)公式為：

所述Bn 為對(duì)角矩陣，Bn =diag(Pρ· · ·，βη，· · ·，βΝ)。
8. 根據(jù)權(quán)利要求6所述的方法，其特征在于，所述通過所述第三OGP公式確定所述WGP 公式的目標(biāo)公式參數(shù)，包括： 確定所述第三OGP公式中的目標(biāo)函數(shù)值最小時(shí)，α和βη的關(guān)系式； 重復(fù)執(zhí)行第三OGP公式的α、Θ和0的迭代更新過程直至所述第三OGP公式中的目 標(biāo)函數(shù)值最小，所述第三OGP公式的α、Θ和$的迭代更新過程包括： 采用共軛梯度法更新所述第二OGP公式的α和Θ; 根據(jù)所述α、所述α和βη的關(guān)系式確定βη ; 根據(jù)聚類算法對(duì)1^至βΝ進(jìn)行聚類處理得到N個(gè)參數(shù)值，所述N個(gè)參數(shù)值中至少存在 一組相同的參數(shù)值； 根據(jù)所述N個(gè)參數(shù)值確定更新后的0 ^所述更新后的p為由所述N個(gè)參數(shù)值依次組 成的N維向量； 其中，所述α和βη的關(guān)系式為：

9. 根據(jù)權(quán)利要求8所述的方法，其特征在于，所述采用共軛梯度法更新所述第二OGP公 式的α和Θ，包括： 根據(jù)所述第二OGP公式中的目標(biāo)函數(shù)和偏導(dǎo)公式分別對(duì)所述α和Θ求偏導(dǎo)，獲取所 述α的偏導(dǎo)數(shù)和所述Θ的偏導(dǎo)數(shù)，所述偏導(dǎo)公式為：
用所述α的偏導(dǎo)數(shù)更新所述第二OGP公式的α; 用所述Θ的偏導(dǎo)數(shù)更新所述第二OGP公式的Θ。
10. 根據(jù)權(quán)利要求8或9所述的方法，其特征在于，所述根據(jù)聚類算法對(duì)P1至^^進(jìn) 行聚類處理得到N個(gè)參數(shù)值，包括： 根據(jù)所述聚類算法將βi至βΝ劃分為X組參數(shù)值，X<N; 建立所述βi至βΝ與所述X組參數(shù)值中參數(shù)值的對(duì)應(yīng)關(guān)系； 獲取所述X組參數(shù)值中每組參數(shù)值的平均值； 用所述每組參數(shù)值的平均值更新所述X組參數(shù)值對(duì)應(yīng)組的所有參數(shù)值； 根據(jù)所述βi至βΝ與所述X組參數(shù)值中參數(shù)值的對(duì)應(yīng)關(guān)系、更新后的所述X組參數(shù) 值，確定所述P1至1^與更新后的所述X組參數(shù)值中參數(shù)值的對(duì)應(yīng)關(guān)系； 根據(jù)所述βi至βΝ與更新后的所述X組參數(shù)值中參數(shù)值的對(duì)應(yīng)關(guān)系，按照所述βi至βN的順序依次獲取更新后的所述X組參數(shù)值中的參數(shù)值作為所述N個(gè)參數(shù)值。
11. 根據(jù)權(quán)利要求1、2或4所述的方法，其特征在于， 所述確定所述WGP公式的目標(biāo)公式參數(shù),包括： 通過共軛梯度算法確定所述WGP公式的目標(biāo)公式參數(shù)，以所述目標(biāo)公式參數(shù)為變量的 所述WGP公式的目標(biāo)函數(shù)值最小。
12. 根據(jù)權(quán)利要求1至11任意一項(xiàng)權(quán)利要求所述的方法，其特征在于， 在所述根據(jù)所述特征向量建立翹曲高斯過程WGP公式之前，所述方法還包括： 采用預(yù)設(shè)處理方法對(duì)多個(gè)人臉圖像進(jìn)行預(yù)處理； 在經(jīng)過預(yù)處理的人臉圖像中，通過預(yù)設(shè)方法獲取所述N個(gè)特征向量； 在所述根據(jù)所述目標(biāo)公式參數(shù)確定待測(cè)試人臉圖像的估計(jì)年齡之前，所述方法還包 括： 采用所述預(yù)設(shè)處理方法對(duì)待測(cè)試人臉圖像進(jìn)行預(yù)處理； 在經(jīng)過預(yù)處理的待測(cè)試人臉圖像中，通過所述預(yù)設(shè)方法獲取所述待測(cè)試人臉圖像對(duì)應(yīng) 的特征向量。
13. 根據(jù)權(quán)利要求12所述的方法，其特征在于，所述經(jīng)過預(yù)處理的人臉圖像包括N個(gè)人 臉圖像，所述N個(gè)人臉圖像包括：第一人臉圖像，所述N個(gè)特征向量包括第一特征向量， 所述在經(jīng)過預(yù)處理的人臉圖像中，通過預(yù)設(shè)方法獲取所述N個(gè)特征向量，包括： 采用密集的尺度不變特征轉(zhuǎn)換特征作為描述子，在所述第一人臉圖像提取第一子特征 向量； 采用多尺度局部二值模式特征作為描述子，在所述第一人臉圖像中提取第二子特征向 量； 將所述第一子特征向量與所述第二子特征向量連接形成所述第一特征向量，或者，將 所述第一子特征向量與所述第二子特征向量連接形成的特征向量進(jìn)行降維處理得到所述 第一特征向量。
14. 一種年齡估計(jì)設(shè)備，其特征在于，所述年齡估計(jì)設(shè)備包括： 第一建立單元，用于根據(jù)N個(gè)特征向量和所述N個(gè)特征向量對(duì)應(yīng)的年齡值，建立翹曲高 斯過程WGP公式，所述N個(gè)特征向量是從多個(gè)人臉圖像中獲取的； 第一確定單元，用于確定所述WGP公式的目標(biāo)公式參數(shù)； 第二確定單元，用于根據(jù)所述目標(biāo)公式參數(shù)確定待測(cè)試人臉圖像的估計(jì)年齡； 所述WGP公式為：
其中，所述1為目標(biāo)函數(shù)值
所述yn 為所述N個(gè)特征向量中第η個(gè)特征向量對(duì)應(yīng)的年齡值，且1彡η彡N，翹曲函數(shù)80 (yn)=aln(byn+c)+d，a>0,b>0,所述K為核矩陣，所述K的第p行和第q列的元素值
沂述Xp為所述N個(gè)特征向量中 的第P個(gè)特征向量，所述為所述N個(gè)特征向量中的第q個(gè)特征向量，（β，Θ)為所述目 標(biāo)公式參數(shù)，所述β為所述N個(gè)特征向量對(duì)應(yīng)的高斯噪聲模型的方差參數(shù)，所述Θ為所述 翹曲函數(shù)中的a，b，c和d四個(gè)參數(shù)的集合，所述In為NXN的單位矩陣，（*)τ表示求括號(hào)內(nèi) 矩陣的轉(zhuǎn)置矩陣，（*)+1表示求括號(hào)內(nèi)矩陣的逆矩陣，所述g/ (yn)表示ge (yn)的導(dǎo)數(shù)。
15. 根據(jù)權(quán)利要求14所述的設(shè)備，其特征在于， 所述第一確定單元，包括： 第一建立模塊，用于根據(jù)所述WGP公式建立第一正交高斯過程OGP公式； 第一確定模塊，用于通過所述第一OGP公式確定所述WGP公式的目標(biāo)公式參數(shù)，以所述 目標(biāo)公式參數(shù)為變量的所述WGP公式的目標(biāo)函數(shù)值最小； 所述第一OGP公式為：
其中，USUt =K，Ab = ，所述'為所述U的第η列向量，所述U為正交矩陣，所 述S為對(duì)角矩陣，S=CliagU1,...，λη，...，λΝ)，所述A1至λΝ為所述K的特征值。
16. 根據(jù)權(quán)利要求14或15所述的設(shè)備，其特征在于，所述第二確定單元，包括： 第二確定模塊，用于根據(jù)所述目標(biāo)公式參數(shù)和第一年齡估計(jì)公式確定待測(cè)試人臉圖像 的估計(jì)年齡，所述第一年齡估計(jì)公式為：
其中，
所述為所 述N個(gè)特征向量中的第η個(gè)特征向量，所述7為所述待測(cè)試人臉圖像對(duì)應(yīng)的特征向量，
17. 根據(jù)權(quán)利要求14所述的設(shè)備，其特征在于， 所述第一確定單元，包括： 第二建立模塊，用于根據(jù)所述WGP公式建立第二正交高斯過程OGP公式； 第三確定模塊，用于通過所述第二OGP公式確定所述WGP公式的目標(biāo)公式參數(shù)，以所述 目標(biāo)公式參數(shù)為變量的所述WGP公式的目標(biāo)函數(shù)值最??； 所沭第二OGP公式為：
其中，aUSUT= αΚ，；^ ，所述為所述υ的第η列向量，所述α為所述K的 尺度參數(shù)，所述U為正交矩陣，所述S為對(duì)角矩陣，S=diag(A1,...，λη，...，λΝ)，所述A1至λΝ為所述K的特征值。
18. 根據(jù)權(quán)利要求17所述的設(shè)備，其特征在于，所述第二確定單元，包括： 第四確定模塊，用于根據(jù)所述目標(biāo)公式參數(shù)和第二年齡估計(jì)公式確定待測(cè)試人臉圖像 的估計(jì)年齡，所述第二年齡估計(jì)公式為：
其中，
所述 為所述N個(gè)特征向量中的第η個(gè)特征向量，所述i為所述待測(cè)試人臉圖像對(duì)應(yīng)的特征向量，
19. 根據(jù)權(quán)利要求17或18所述的設(shè)備，其特征在于， 所述第三確定模塊，包括： 第一更新子模塊，用于將所述第二OGP公式中β更新為βη，得到所述第三OGP公式； 第一確定子模塊，用于通過所述第三OGP公式確定所述WGP公式的目標(biāo)公式參數(shù)，以所 述目標(biāo)公式參數(shù)為變量的所述WGP公式的目標(biāo)函數(shù)值最??； 所述第三OGP公式為：
其中，所述βn為所述N個(gè)特征向量中的第η個(gè)特征向量對(duì)應(yīng)的高斯噪聲模型方差參 數(shù)。
20. 根據(jù)權(quán)利要求19所述的設(shè)備，其特征在于，所述第二確定單元，包括： 第五確定模塊，用于根據(jù)所述目標(biāo)公式參數(shù)和第三年齡估計(jì)公式確定待測(cè)試人臉圖像 的估計(jì)年齡，所述第三年齡估計(jì)公式為：

^ 所述Bn 為對(duì)角矩陣，Bn =diag(@P· · ·，βη，· · ·，βΝ)。
21. 根據(jù)權(quán)利要求19所述的設(shè)備，其特征在于，所述第一確定子模塊，包括： 確定子單元，用于確定所述第三OGP公式中的目標(biāo)函數(shù)值最小時(shí)，α和βη的關(guān)系式； 處理子單元，用于重復(fù)執(zhí)行第三OGP公式的α、Θ和3的迭代更新過程直至所述第三 OGP公式中的目標(biāo)函數(shù)值最小，所述第三OGP公式的α、Θ和^的迭代更新過程包括： 采用共軛梯度法更新所述第二OGP公式的α和Θ; 根據(jù)所述α、所述α和βη的關(guān)系式確定βη ; 根據(jù)聚類算法對(duì)1^至βΝ進(jìn)行聚類處理得到N個(gè)參數(shù)值，所述N個(gè)參數(shù)值中至少存在 一組相同的參數(shù)值； 根據(jù)所述N個(gè)參數(shù)值確定更新后的gI所述更新后的g為由所述N個(gè)參數(shù)值依次組 成的N維向量； 其中，所述α和βη的關(guān)系式為

22. 根據(jù)權(quán)利要求21所述的設(shè)備，其特征在于，所述處理子單元具體用于： 根據(jù)所述第二OGP公式中的目標(biāo)函數(shù)和偏導(dǎo)公式分別對(duì)所述α和Θ求偏導(dǎo)，獲取所 述α的偏導(dǎo)數(shù)和所述Θ的偏導(dǎo)數(shù)，所述偏導(dǎo)公式為：

用所述α的偏導(dǎo)數(shù)更新所述第二OGP公式的α; 用所述Θ的偏導(dǎo)數(shù)更新所述第二OGP公式的Θ。
23. 根據(jù)權(quán)利要求21或22所述的設(shè)備，其特征在于，所述處理子單元具體用于： 根據(jù)所述聚類算法將βi至βΝ劃分為X組參數(shù)值，X<N; 建立所述βi至βΝ與所述X組參數(shù)值中參數(shù)值的對(duì)應(yīng)關(guān)系； 獲取所述X組參數(shù)值中每組參數(shù)值的平均值； 用所述每組參數(shù)值的平均值更新所述X組參數(shù)值對(duì)應(yīng)組的所有參數(shù)值； 根據(jù)所述βi至βΝ與所述X組參數(shù)值中參數(shù)值的對(duì)應(yīng)關(guān)系、更新后的所述X組參數(shù) 值，確定所述P1至1^與更新后的所述X組參數(shù)值中參數(shù)值的對(duì)應(yīng)關(guān)系； 根據(jù)所述βi至βΝ與更新后的所述X組參數(shù)值中參數(shù)值的對(duì)應(yīng)關(guān)系，按照所述βi至βN的順序依次獲取更新后的所述X組參數(shù)值中的參數(shù)值作為所述N個(gè)參數(shù)值。
24. 根據(jù)權(quán)利要求14、15或17所述的設(shè)備，其特征在于， 所述第一確定單元，包括： 第六確定模塊，用于通過共軛梯度算法確定所述WGP公式的目標(biāo)公式參數(shù)，以所述目 標(biāo)公式參數(shù)為變量的所述WGP公式的目標(biāo)函數(shù)值最小。
25. 根據(jù)權(quán)利要求14至24任意一項(xiàng)權(quán)利要求所述的設(shè)備，其特征在于， 所述年齡估計(jì)設(shè)備還包括： 第一預(yù)處理單元，用于采用預(yù)設(shè)處理方法對(duì)多個(gè)人臉圖像進(jìn)行預(yù)處理； 第一獲取單元，用于在經(jīng)過預(yù)處理的人臉圖像中，通過預(yù)設(shè)方法獲取所述N個(gè)特征向 量； 第二預(yù)處理單元，用于采用所述預(yù)設(shè)處理方法對(duì)待測(cè)試人臉圖像進(jìn)行預(yù)處理； 第二獲取單元，用于在經(jīng)過預(yù)處理的待測(cè)試人臉圖像中，通過所述預(yù)設(shè)方法獲取所述 待測(cè)試人臉圖像對(duì)應(yīng)的特征向量。
26. 根據(jù)權(quán)利要求25所述的設(shè)備，其特征在于，所述經(jīng)過預(yù)處理的人臉圖像包括N個(gè)人 臉圖像，所述N個(gè)人臉圖像包括：第一人臉圖像，所述N個(gè)特征向量包括第一特征向量， 所述第一獲取單元，包括： 第一提取模塊，用于采用密集的尺度不變特征轉(zhuǎn)換特征作為描述子，在所述第一人臉 圖像提取第一子特征向量； 第二提取模塊，用于采用多尺度局部二值模式特征作為描述子，在所述第一人臉圖像 中提取第二子特征向量； 連接模塊，用于將所述第一子特征向量與所述第二子特征向量連接形成所述第一特征 向量，或者，將所述第一子特征向量與所述第二子特征向量連接形成的特征向量進(jìn)行降維 處理得到所述第一特征向量。
【文檔編號(hào)】G06K9/62GK104463190SQ201410604469
【公開日】2015年3月25日 申請(qǐng)日期:2014年10月30日 優(yōu)先權(quán)日:2014年10月30日
【發(fā)明者】朱凱, 李志鋒, 梁炎, 劉健莊, 湯曉鷗 申請(qǐng)人:華為技術(shù)有限公司