计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2015年
6期
32-36
,共5页
年龄估计%特征融合%软双层模型
年齡估計%特徵融閤%軟雙層模型
년령고계%특정융합%연쌍층모형
Age estimation%Feature fusion%Soft two-level model
年龄是人固有的生物特征,随着年龄的变化,人脸特征也不断变化.近年来基于人脸图像的年龄估计方法的研究不断深入.基于人脸图像的年龄估计主要有两个阶段:特征提取和估计方法.针对以上两个阶段,分别提出相应的方法.在特征提取方面,为了更好地描述年龄变化,特别是针对未成年人,引入了方向梯度直方图(Histogram ofOriented Gradient,HOG)特征,并将其与局部二元模式(Local Binary Pattern,LBP)特征进行融合;在估计方法方面,提出了软双层估计模型,其采用由粗到细的策略.首先,在第一层将人脸分成“未成年人”与“成年人”两类;然后,在第二层通过在两类的边界设置重叠区域,分别对其建立年龄估计模型,以对第一层的错误分类进行补救.通过实验发现,融合的特征具有更强的年龄判别性,同时,软双层模型也进一步提高了年龄估计的准确度.
年齡是人固有的生物特徵,隨著年齡的變化,人臉特徵也不斷變化.近年來基于人臉圖像的年齡估計方法的研究不斷深入.基于人臉圖像的年齡估計主要有兩箇階段:特徵提取和估計方法.針對以上兩箇階段,分彆提齣相應的方法.在特徵提取方麵,為瞭更好地描述年齡變化,特彆是針對未成年人,引入瞭方嚮梯度直方圖(Histogram ofOriented Gradient,HOG)特徵,併將其與跼部二元模式(Local Binary Pattern,LBP)特徵進行融閤;在估計方法方麵,提齣瞭軟雙層估計模型,其採用由粗到細的策略.首先,在第一層將人臉分成“未成年人”與“成年人”兩類;然後,在第二層通過在兩類的邊界設置重疊區域,分彆對其建立年齡估計模型,以對第一層的錯誤分類進行補救.通過實驗髮現,融閤的特徵具有更彊的年齡判彆性,同時,軟雙層模型也進一步提高瞭年齡估計的準確度.
년령시인고유적생물특정,수착년령적변화,인검특정야불단변화.근년래기우인검도상적년령고계방법적연구불단심입.기우인검도상적년령고계주요유량개계단:특정제취화고계방법.침대이상량개계단,분별제출상응적방법.재특정제취방면,위료경호지묘술년령변화,특별시침대미성년인,인입료방향제도직방도(Histogram ofOriented Gradient,HOG)특정,병장기여국부이원모식(Local Binary Pattern,LBP)특정진행융합;재고계방법방면,제출료연쌍층고계모형,기채용유조도세적책략.수선,재제일층장인검분성“미성년인”여“성년인”량류;연후,재제이층통과재량류적변계설치중첩구역,분별대기건립년령고계모형,이대제일층적착오분류진행보구.통과실험발현,융합적특정구유경강적년령판별성,동시,연쌍층모형야진일보제고료년령고계적준학도.