基于人脸图像的年龄估计方法研究

发布时间：2018-03-28 11:06

本文选题：年龄估计　切入点：典型相关分析　出处：《西北大学》2016年硕士论文

【摘要】：作为人的一种生物属性,人脸蕴含了很多重要的个体信息,比如性别、年龄、种族等。近几年来,关于人脸图像的年龄估计问题也越来越受到研究者的重视,成为计算机视觉的新兴课题之一。本文围绕人脸图像展开年龄估计方法的研究,重点是年龄特征的提取和年龄估计算法的研究。通过人脸图像的预处理、年龄特征提取和分类估计等步骤,完成了完整的年龄估计任务,具体工作包括下面几个方面：(1)面向年龄估计的人脸图像预处理研究针对人脸年龄数据库中图像来源不一,在头部姿态、光照等方面存在不统一等问题,在进行年龄估计工作之前,需要对输入图像做预处理。本文为了使年龄估计的效果更好,采用人脸定位的方法锁定感兴趣的人脸区域,使用图像增强的方法将人脸细节部位突显出来,并将所有样本归一化到统一尺寸。(2)面向年龄估计的人脸图像特征提取针对人脸年龄信息的表达问题,考虑到将人脸的形状特征和纹理特征融合更能描述人脸的年龄信息,本文利用典型相关分析思想,提出了一种在特征层进行融合的人脸年龄估计方法。即先利用主动表观模型及局部二值模式抽取同一人脸样本的两组特征向量(形状特征和纹理特征),构建出表示两组特征向量之间相关性的判别准则函数,再根据此函数求得两组典型投影向量集,最后通过给定的特征融合策略抽取组合的典型相关判别特征(CCDF),作为描述人脸年龄的特征,对于人脸年龄的变化,从形状和纹理两方面提供了相互有益的补充。(3)基于超限学习机的年龄估计方法研究针对年龄估计模型的建立,传统方法存在参数无法解决、模型训练时间长等问题,而超限学习机方法能够很好的避免这些困难。本文首次采用超限学习机的方法来建立年龄估计模型,利用其学习速度快,泛化性能好,参数可以直接确定的优点,结合层次化思想,建立年龄估计的二类的分类器,先估计出样本的大致年龄段,再利用ELM回归分别在各自类别中做回归,实现结合人脸图像形状、纹理等特征的泛化能力较强的分类器,进行年龄的判断估计,得到具体估计值。实验结果证明了本文提出的年龄特征提取方法和年龄估计方法,最终所取得的平均绝对误差在5岁之内,年龄估计的结果更准确。
[Abstract]:In this paper , the age estimation problem of face image is studied by means of pre - processing , age feature extraction and classification estimation of face image . ( 3 ) The method of age estimation based on the age estimation model is based on the age estimation model . The traditional method has the advantages of not being able to solve the age estimation model , the long model training time and so on .

【学位授予单位】：西北大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41

【参考文献】