技術(shù)特征：

1.一種亞裔人臉的年齡特征模型的生成方法，所述方法包括：

步驟S1)提取訓(xùn)練集中每張人臉圖片的紋差特征圖，從而得到每張人臉圖片的原始特征向量F(z_i)；

步驟S2)確定原始特征向量F(z_i)的降維維度，基于主成分分析法對第i張訓(xùn)練圖片的原始特征向量F(z_i)進行降維，得到降維后的特征向量F_D(z_i)；

步驟S3)基于支持向量機回歸算法對降維后的特征向量F_D(z_i)進行訓(xùn)練生成年齡特征模型。

2.根據(jù)權(quán)利要求1所述的亞裔人臉的年齡特征模型的生成方法，其特征在于，所述步驟S1)具體包括：

步驟S1-1)對人臉圖片進行預(yù)處理，得到60×60像素大小的原始人臉圖像；

步驟S1-2)基于局部二值模式算子對步驟S1-1)得到的原始人臉圖像進行編碼計算，得到局部二值模式編碼圖像；

步驟S1-3)分別對原始人臉圖像和局部二值模式編碼圖像進行Gabor小波變換，得到兩組Gabor響應(yīng)圖像簇；

步驟S1-4)對兩組Gabor響應(yīng)圖像簇中圖像作圖像差分運算，得到差分圖像簇{DOT(z_i)}；

步驟S1-5)對差分圖像簇中的圖像進行尺度縮減操作，得到圖像數(shù)量減半的新的差分圖像簇{DOT′(z_i)}；

步驟S1-6)對新的差分圖像簇{DOT′(z_i)}中的圖像進行最大池化操作，得到紋差特征圖FM(z_i)；

步驟S1-7)將步驟S1-6)得到的紋差特征圖FM(z_i)由二維圖結(jié)構(gòu)的形式轉(zhuǎn)化為向量的形式，再對向量進行歸一化，得到每一張訓(xùn)練圖片的原始特征向量F(z_i)。

3.根據(jù)權(quán)利要求2所述的亞裔人臉的年齡特征模型的生成方法，其特征在于，所述步驟S1-1)具體包括：

步驟S1-1-1)對人臉圖片進行圖像灰度化處理：

遍歷面部圖像，對每一個像素點進行處理，得到每個像素的RGB值，通過運算分別提取出紅、藍、綠的值，根據(jù)人眼對紅藍綠三種顏色的敏感程度不同，最佳灰度轉(zhuǎn)換公式為：

Grey＝(9798R+19235G+3735B)/32768

其中Grey代表轉(zhuǎn)換后的灰度值，R、G、B分別代表圖像中每一個像素點的紅色分量、綠色分量和藍色分量；

步驟S1-1-2)采用雙線性插值法將灰度化圖像大小調(diào)整至60×60；

步驟S1-1-3)對調(diào)整大小后的圖像進行增強：

利用直方圖的統(tǒng)計數(shù)據(jù)進行圖像直方圖的修改，通過調(diào)整圖像各灰度級別像素出現(xiàn)概率相等來改變圖像中各灰度級別的像素值，從而實現(xiàn)圖像增強；

步驟S1-1-4)對增強后的圖像提取圖像像素矩陣，得到原始人臉圖像。

4.根據(jù)權(quán)利要求3所述的亞裔人臉的年齡特征模型的生成方法，其特征在于，所述步驟S1-3)具體包括：

步驟S1-3-1)對步驟S1-1)得到的原始人臉圖像進行Gabor小波變換：

取p個不同的方向和q個不同尺度的Gabor濾波器對原始人臉圖像進行處理，得到一組p×q張Gabor響應(yīng)圖像簇{Gabor-I(z_i)}；其中z_i(i＝1…L)表示訓(xùn)練集中第i張圖片；

步驟S1-3-2)對步驟S1-2)中得到的LBP編碼圖像進行Gabor小波變換：取p個不同的方向和q個不同尺度的Gabor濾波器對LBP編碼圖像進行處理，得到一組p×q張Gabor響應(yīng)圖像簇{Gabor-L(z_i)}。

5.根據(jù)權(quán)利要求4所述的亞裔人臉的年齡特征模型的生成方法，其特征在于，所述步驟S1-4)的具體實現(xiàn)過程為：

對兩組Gabor響應(yīng)圖像簇中圖像作圖像差分運算，得到差分圖像簇：

{DOT(z_i)}＝|{Gabor-I(z_i)}-{Gabor-L(z_i)}|

其中，{DOT(z_i)}表示訓(xùn)練集中第i張圖片z_i的差分圖像簇；{Gabor-I(z_i)}中任意一張圖像Gabor-I(z_i)_k，由原始人臉圖像經(jīng)過尺度為m×m(m為整數(shù))、方向為D的Gabor濾波器處理得到，在{Gabor-L(z_i)}中存在對應(yīng)圖像Gabor-L(z_i)_k，該圖像由LBP編碼圖像經(jīng)過同樣的尺度為m×m、方向為D的Gabor濾波器處理得到；

則對應(yīng)的差分圖像DOT(z_i)_k由下式得到：

DOT(z_i)_k＝|Gabor-I(z_i)_kΔGabor-L(z_i)_k|

其中“Δ”表示兩張圖像對應(yīng)像素一一相減，“||”表示取絕對值；

這樣，對兩組圖像中的每兩張對應(yīng)的圖像做差分運算，即可得到差分圖像簇 {DOT(z_i)}；{DOT(z_i)}中包含p×q張圖像。

6.根據(jù)權(quán)利要求5所述的亞裔人臉的年齡特征模型的生成方法，其特征在于，所述步驟S1-5)具體包括：

步驟S1-5-1)將差分圖像簇{DOT(z_i)}中p×q張圖像按照每相鄰兩個尺度的濾波器對應(yīng)的2q張圖像劃分為一個帶，總共得到p/2個帶；

步驟S1-5-2)在每個帶中，將圖片劃分為q組，每組兩張圖片，這兩張圖片對應(yīng)相同的方向，尺度不同，假設(shè)為和對其進行如下操作：

${\mathrm{DOT}}^{\′}{\left(z_i\right)}_k=Max(DOT{\left(z_i\right)}_{m1}^D,DOT{\left(z_i\right)}_{m2}^D)$

其中，DOT′(z_i)_k表示新的差分圖像簇中的第k張圖像，“Max()”函數(shù)表示在兩張圖像中，相同位置對應(yīng)的兩個像素點中取最大值作為新的像素值，構(gòu)成一張新的圖像。

7.根據(jù)權(quán)利要求6所述的亞裔人臉的年齡特征模型的生成方法，其特征在于，所述步驟S1-6)具體包括：

步驟S1-6-1)對新的差分圖像簇{DOT′(z_i)}中的圖像，構(gòu)成像素矩陣M；

原始人臉圖像大小為x×y像素大小，{DOT′(z_i)}中共有(p/2×q)張圖片，那么按一定順序排列，{DOT′(z_i)}所有圖像構(gòu)成一個大小為(xp/2×yq)的像素矩陣M；

步驟S1-6-2)構(gòu)建訓(xùn)練圖片的紋差特征圖FM(z_i)對應(yīng)的矩陣S；

將矩陣M劃分為不重疊的2×2大小的小塊，每個小塊中的4個元素取最大值構(gòu)成一個新的矩陣S，該矩陣S即為訓(xùn)練圖片的紋差特征圖FM(z_i)。

8.根據(jù)權(quán)利要求7所述的亞裔人臉的年齡特征模型的生成方法，其特征在于，所述步驟S2)具體包括：

步驟S2-1)將原始特征向量F(z_i)的維度d劃分為n等分，確定新維度d'的取值范圍；

原始特征向量F(z_i)的維度為d，將d的取值劃分為n等份，取值集合如下：

其中，表示整數(shù)取整運算；

設(shè)降維后的得到特征為F_D(z_i)，則其維度d'分別取這n個值：

步驟S2-2)d'依次取集合中的每個值，計算訓(xùn)練集所有圖片對應(yīng)的年齡估計平均絕對誤差集合{MAE_m}；

對訓(xùn)練集中的L張圖片，計算當d'取集合中的每個值時，訓(xùn)練集所有圖片對應(yīng)的年齡估計平均絕對誤差如下：

${\mathrm{MAE}}_k=\frac{1}{L}\underset{j=1}{\overset{L}{\Σ}}\left|l_j-{\hat{l}}_j\right|$

其中，j表示訓(xùn)練集中第j張圖片，k表示d'取集合中第k個值，即l_j表示訓(xùn)練集中第j張圖片對應(yīng)的真實年齡，表示訓(xùn)練集中第j張圖片的年齡估計值；最終可以得到不同MAE值集合{MAE_m}其中m∈1,2,...,n；

步驟S2-3)取集合{MAE_m}中最小值MAE_min，以MAE_min對應(yīng)的d'作為最終的降維維度；

步驟S2-4)基于步驟S2-3)得到的d'，利用主成分分析法對每張訓(xùn)練圖片的原始特征向量F(z_i)進行降維，得到降維后的特征向量F_D(z_i)。

9.根據(jù)權(quán)利要求8所述的亞裔人臉的年齡特征模型的生成方法，其特征在于，所述步驟S3)具體包括：

步驟S3-1)基于支持向量機回歸算法構(gòu)建最優(yōu)化問題；

假設(shè)訓(xùn)練集樣本為{x⁽ⁱ⁾,y⁽ⁱ⁾}(i＝1,2,...,m),x⁽ⁱ⁾表示每張訓(xùn)練圖片降維后的特征向量F_D(z_i)，y⁽ⁱ⁾表示該訓(xùn)練圖片對應(yīng)的真實年齡，總共有L個樣本；假設(shè)樣本維數(shù)為D，則支持向量機回歸的目標即是求解預(yù)測函數(shù)f(x)，使f(x⁽ⁱ⁾)與y⁽ⁱ⁾之間的差值不大于ε，ε是一個極小的數(shù)，控制著實際標簽值與預(yù)測估計值之間的最大誤差；最優(yōu)化問題為：

f(x)＝w·x+b

$\begin{array}{cc}s.t.& \∀x^{\left(i\right)},|f\left(x^{\left(i\right)}\right)-y^{\left(i\right)}|\≤\mathrm{\ϵ}\end{array}$

步驟S3-2)利用拉格朗日乘子法對最優(yōu)化求解問題進行轉(zhuǎn)化，轉(zhuǎn)換為對其對偶問題進行求解，得到預(yù)測函數(shù)f(x)的表達式；

步驟S3-3)所述年齡特征模型為預(yù)測函數(shù)f(x)。

10.一種亞裔人臉的年齡估計方法，基于權(quán)利要求1-9之一所述的亞裔人臉的年齡特征模型實現(xiàn)，所述方法包括：

步驟T1)提取待估計年齡的亞裔人臉圖片的紋差特征圖，從而得到人臉圖片的原始特征向量F(z)；

步驟T2)確定原始特征向量F(z)的降維維度，基于主成分分析法對原始特征向量F(z)進行降維，得到降維后的特征向量F_D(z)；

步驟T3)將步驟T2)得到的特征向量F_D(z)輸入到步驟S3)生成的年齡特征模型中的預(yù)測函數(shù)f(x)，計算出待估計年齡的亞裔人臉的預(yù)測年齡。