基于深度卷积网络的人脸年龄预测应用研究

发布时间：2020-06-13 06:37

【摘要】：随着智能应用的迅速出现,对于从面部图像自动提取生物信息的需求也在不断增长。那么,将年龄预测算法应用到有关年龄信息的各种人机交互系统中,能在极大程度上满足现实生活中的应用需求。由于深度学习能直接从大数据中自动学习特征的表示,本文主要研究基于深度卷积神经网络的人脸年龄预测。为了进行人脸的年龄预测,首先需要实时的从图像中检测到人脸,然后基于检测到的人脸图像进行年龄预测。本文的主要研究内容如下:针对人脸图像的检测问题,设计并实现了一个基于级联卷积神经网络的人脸检测框架用于实时的人脸检测。该框架首先采用图像金字塔对待检测的人脸图像进行预处理,以便抽取不同尺度的人脸候选窗口。然后,级联的卷积神经网络以候选的人脸窗口为输入,通过逐级精细筛选及非极大值抑制剔除掉不含人脸的窗口或包含重叠信息的窗口。最后,输出包含人脸的窗口以及人脸的5个面部特征点。设计的级联卷积神经网络能够精准捕获人脸窗口和关键点位置,并且够做到实时的人脸检测。实验结果表明,设计的人脸检测方法在检测准确度和速度方面均快于Viola-Jones与Haar人脸检测方法。针对检测到的人脸图像,设计并实现了一个基于深度卷积神经网络的人脸年龄预测算法。该算法采用基于组卷积的ResNeXt网络架构,可以在不增加参数复杂度的前提下提高准确率,同时还减少超参数的数量。对给定的待预测人脸检测图像,设计的人脸年龄预测算法,首先通过深度卷积神经网络提取特征,并输出属于101(0~100岁)个年龄的概率值,最后基于加权平均输出预测的年龄值。实验结果表明,设计的人脸年龄预测算法能够有效的进行年龄预测。
【图文】：

Sigmoid函数（2）Tanh的函数表达式：

Tanh函数
【学位授予单位】：河南大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP391.41;TP18

【参考文献】

相关期刊论文 前2条

1 柴瑞敏;曹振基;;基于改进的稀疏深度信念网络的人脸识别方法[J];计算机应用研究;2015年07期

2 周先春;孙文荣;张纯伟;;基于自适应对数变换和PCA算法的人脸识别研究[J];电子技术应用;2014年06期

，

本文编号：2710800