人臉圖像可以直觀地反映出許多與人相關(guān)的個性化特征,不僅包括性別、年齡、種族、膚色等這些生物學(xué)特征,還傳遞出豐富多樣的神態(tài)和情緒。在這些個性化特征中,年齡是一種極具實用價值的生物學(xué)信息。給定一張真實的人臉圖像,在提取出與年齡相關(guān)的人臉特征的基礎(chǔ)上,建立年齡估計模型,從而自動地輸出人臉圖像的預(yù)測年齡,這種基于計算機視覺的學(xué)習(xí)過程稱為人臉年齡估計。針對人臉圖像訓(xùn)練數(shù)據(jù)不充足和不完整的問題,基于標(biāo)記分布學(xué)習(xí)的人臉年齡估計為每張人臉圖像生成覆蓋真實年齡及其附近年齡的標(biāo)記分布,再采用標(biāo)記分布模型對人臉年齡進行估計。年齡標(biāo)記分布對當(dāng)前人臉圖像的學(xué)習(xí)貢獻度稱為描述度,離真實年齡越近的鄰居年齡則具有更高的描述度。傳統(tǒng)的標(biāo)記分布學(xué)習(xí)假設(shè)人臉老化速度在不同的年齡階段是相同的,并采用標(biāo)準(zhǔn)差統(tǒng)一的離散高斯分布為每張人臉圖像生成標(biāo)記分布。但是實際上,人臉的老化速度是隨年齡改變而不同的,例如,人臉外觀在幼年時期和老年時期的變化趨勢比在中年時期更明顯。因此,將所有年齡的標(biāo)記分布設(shè)定為統(tǒng)一的標(biāo)準(zhǔn)差是不合理的。針對傳統(tǒng)基于標(biāo)記分布學(xué)習(xí)的多重多元回歸模型不能夠生成和人臉老化趨勢一致的標(biāo)記分布的問題,本文提出自適應(yīng)多重多元回... 

【文章來源】：南昌大學(xué)江西省 211工程院校

【文章頁數(shù)】：58 頁

【學(xué)位級別】：碩士

【部分圖文】：

人臉年齡估計算法的流程圖

圖 2.2 人臉的特征點分布圖立統(tǒng)計形狀模型 在建模前需要對輸入的人臉圖像做一個預(yù)處理，即手動標(biāo)記特征的關(guān)鍵點。這些關(guān)鍵點所包含的信息必須能夠精準(zhǔn)描述和五官所在點。如圖 2.2，左邊是已經(jīng)手動標(biāo)記特征點的人臉體的特征點分布圖。手動標(biāo)注 n 個特征點， 表示每個特征點在二維平面上的則表示 n 個特征點的組合。通過人臉特征用主成分分析（Principal Component Analysis，PCA）構(gòu)建的化： 2.2 中， 是平均人臉形狀， 是特征向量矩陣， 是形狀模型通過調(diào)節(jié)參數(shù) ，就可以輸出不同的人臉形狀。立統(tǒng)計紋理模型

圖 2.3 人臉的 Delaunay 三角劃分人臉圖像的紋理特征向量并進行歸一化處理之后，，公式表達如下：據(jù)合適的權(quán)重，將統(tǒng)計形狀特征模型和統(tǒng)計紋理模， 是調(diào)節(jié)權(quán)重。由于形狀特征和紋理特征之間量 b，這時所得到的外觀模型可以同時反映人臉面部。M 匹配計算實的人臉圖像輸入到 AAM 模型中，可以通過主動搜特征。詳細地步驟為：先根據(jù)AAA建模合成一張初始節(jié)相關(guān)參數(shù)，使其與真實圖像越來越重疊，直至收

【參考文獻】：
期刊論文
[1]基于偏最小二乘的人臉年齡估計[J]. 曾雪強,趙丙娟,向潤,李嵐.  南昌大學(xué)學(xué)報(工科版). 2017(04)



本文編號：3091009