【摘要】：隨著智能應用的迅速出現(xiàn),對于從面部圖像自動提取生物信息的需求也在不斷增長。那么,將年齡預測算法應用到有關年齡信息的各種人機交互系統(tǒng)中,能在極大程度上滿足現(xiàn)實生活中的應用需求。由于深度學習能直接從大數(shù)據(jù)中自動學習特征的表示,本文主要研究基于深度卷積神經(jīng)網(wǎng)絡的人臉年齡預測。為了進行人臉的年齡預測,首先需要實時的從圖像中檢測到人臉,然后基于檢測到的人臉圖像進行年齡預測。本文的主要研究內(nèi)容如下:針對人臉圖像的檢測問題,設計并實現(xiàn)了一個基于級聯(lián)卷積神經(jīng)網(wǎng)絡的人臉檢測框架用于實時的人臉檢測。該框架首先采用圖像金字塔對待檢測的人臉圖像進行預處理,以便抽取不同尺度的人臉候選窗口。然后,級聯(lián)的卷積神經(jīng)網(wǎng)絡以候選的人臉窗口為輸入,通過逐級精細篩選及非極大值抑制剔除掉不含人臉的窗口或包含重疊信息的窗口。最后,輸出包含人臉的窗口以及人臉的5個面部特征點。設計的級聯(lián)卷積神經(jīng)網(wǎng)絡能夠精準捕獲人臉窗口和關鍵點位置,并且夠做到實時的人臉檢測。實驗結果表明,設計的人臉檢測方法在檢測準確度和速度方面均快于Viola-Jones與Haar人臉檢測方法。針對檢測到的人臉圖像,設計并實現(xiàn)了一個基于深度卷積神經(jīng)網(wǎng)絡的人臉年齡預測算法。該算法采用基于組卷積的ResNeXt網(wǎng)絡架構,可以在不增加參數(shù)復雜度的前提下提高準確率,同時還減少超參數(shù)的數(shù)量。對給定的待預測人臉檢測圖像,設計的人臉年齡預測算法,首先通過深度卷積神經(jīng)網(wǎng)絡提取特征,并輸出屬于101(0~100歲)個年齡的概率值,最后基于加權平均輸出預測的年齡值。實驗結果表明,設計的人臉年齡預測算法能夠有效的進行年齡預測。
【圖文】：

Sigmoid函數(shù)（2）Tanh的函數(shù)表達式：

Tanh函數(shù)
【學位授予單位】：河南大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP391.41;TP18

【參考文獻】

相關期刊論文 前2條

1 柴瑞敏;曹振基;;基于改進的稀疏深度信念網(wǎng)絡的人臉識別方法[J];計算機應用研究;2015年07期

2 周先春;孫文榮;張純偉;;基于自適應對數(shù)變換和PCA算法的人臉識別研究[J];電子技術應用;2014年06期

，

本文編號：2710800