基于面部识别的人类年龄识别方法及系统

技术特征：
1.一种基于面部识别的人类年龄识别方法，其特征在于，包括以下步骤：s1、采集人脸图像，提取人脸轮廓皱纹数据；s2、采用人脸轮廓皱纹数据训练年龄识别模型；s3、采用训练后的年龄识别模型对待识别的人脸轮廓皱纹数据进行识别，得到人类年龄。2.根据权利要求1所述的基于面部识别的人类年龄识别方法，其特征在于，所述s1包括以下分步骤：s11、对人脸图像进行灰度变换，得到灰度图；s12、对灰度图进行滤波，得到滤波图；s13、对滤波图进行灰度值增强处理，得到增强灰度值；s14、选取一像素点；s15、计算像素点的增强灰度值与邻近的像素点的增强灰度值的差值；s16、判断是否存在差值大于边界阈值的像素点，若是，则记该像素点为边界点，并跳转至步骤s17，若否，则标记为非边界点，并跳转至步骤s18；s17、从边界点邻域内选取下一像素点，并跳转至步骤s15，直到边界点邻域内的像素点遍历完；s18、从非边界点的邻域外找到下一像素点，并跳转至步骤s15，直到非边界点的邻域外的像素点遍历完；s19、提取所有边界点，得到人脸轮廓皱纹数据。3.根据权利要求2所述的基于面部识别的人类年龄识别方法，其特征在于，所述s12中包括以下分步骤：s121、从灰度图上取一像素点；s122、判断该像素点与其邻近8个像素点是否均不同，若是，则采用其邻近8个像素点的灰度均值对该像素点的灰度进行赋值，并跳转至步骤s125，若否，跳转至步骤s123；s123、根据邻近8个像素点的灰度均值和该像素点的灰度值，得到绝对差值；s124、判断绝对差值是否大于灰度阈值，若是，则采用其邻近8个像素点的灰度均值对该像素点的灰度进行赋值，并跳转至步骤s125，若否，则直接跳转至步骤s125；s125、判断灰度图上是否存在未被选取过的像素点，若是，从灰度图上取未被选取过的像素点，并跳转至步骤s122，若否，则结束分步骤。4.根据权利要求2所述的基于面部识别的人类年龄识别方法，其特征在于，所述s13中增强处理的公式为：其中，为增强灰度值，为滤波图中最小灰度值，为滤波图中最大灰度值，为白色灰度值，为黑色灰度值，为待增强灰度值。5.根据权利要求1所述的基于面部识别的人类年龄识别方法，其特征在于，所述s2中年龄识别模型包括：数据连接单元、皱纹分区单元、像素点统计单元、人脸轮廓权重单元、抬头纹权重单元、眼纹权重单元、法令纹权重单元、眉间纹权重单元、特征融合单元和年龄预测
单元；所述数据连接单元的输入端作为年龄识别模型的输入端，其输出端与皱纹分区单元的输入端连接；所述像素点统计单元的输入端与皱纹分区单元的输出端连接，其输出端分别与人脸轮廓权重单元的输入端、抬头纹权重单元的输入端、眼纹权重单元的输入端、法令纹权重单元的输入端和眉间纹权重单元的输入端连接；所述特征融合单元的输入端分别与人脸轮廓权重单元的输出端、抬头纹权重单元的输出端、眼纹权重单元的输出端、法令纹权重单元的输出端和眉间纹权重单元的输出端连接，其输出端与年龄预测单元的输入端连接；所述年龄预测单元的输出端作为年龄识别模型的输出端。6.根据权利要求5所述的基于面部识别的人类年龄识别方法，其特征在于，所述s2包括以下分步骤：s21、将位置上连续的人脸轮廓皱纹数据进行连接，得到人脸轮廓和多条皱纹纹路；s22、根据皱纹纹路的位置，得到皱纹纹路的分布区域；s23、统计人脸轮廓和每条皱纹纹路所具有的像素点，得到人脸轮廓的像素点数和每个分布区域的皱纹像素点数；s24、对人脸轮廓的像素点数和每个分布区域的皱纹像素点数赋予权重；s25、将赋予权重后的像素点数进行特征融合，得到融合特征；s26、根据融合特征，预测人类年龄；s27、根据预测的人类年龄，构建损失函数；s28、根据损失函数，对权重进行更新，并跳转至步骤s24，直到损失函数的损失值小于损失阈值，年龄识别模型训练完成。7.根据权利要求6所述的基于面部识别的人类年龄识别方法，其特征在于，所述s22包括以下分步骤：s221、从人脸轮廓中找到所有闭合轮廓；s222、计算闭合轮廓的面积；s223、排除低于下限面积阈值的闭合轮廓和高于上限面积阈值的闭合轮廓，得到待定轮廓；s224、将所有待定轮廓的面积两两相减，找到面积差值小于面积差阈值，且不相邻的两待定轮廓，作为眼睛轮廓；s225、根据眼睛轮廓，得到坐标原点的位置，建立人脸坐标系；s226、根据人脸坐标系，基于皱纹纹路的位置，得到皱纹纹路的分布区域。8.根据权利要求6所述的基于面部识别的人类年龄识别方法，其特征在于，所述s28中对权重进行更新的公式为：对权重进行更新的公式为：或
其中，为第次迭代的权重，为第次迭代的权重，为第次迭代的学习率，为第次迭代的损失函数，为第次迭代的学习率，为第次迭代的损失函数。9.一种根据权利要求1~8任一项所述的基于面部识别的人类年龄识别方法的系统，其特征在于，包括：人脸轮廓皱纹数据采集提取子系统、年龄识别模型训练子系统和年龄预测子系统；所述人脸轮廓皱纹数据采集提取子系统用于采集人脸图像，提取人脸轮廓皱纹数据；所述年龄识别模型训练子系统用于采用人脸轮廓皱纹数据训练年龄识别模型；所述年龄预测子系统用于采用训练后的年龄识别模型对待识别的人脸轮廓皱纹数据进行识别，得到人类年龄。

技术总结
本发明公开了一种基于面部识别的人类年龄识别方法及系统，属于图像处理技术领域，包括以下步骤：S1、采集人脸图像，提取人脸轮廓皱纹数据；S2、采用人脸轮廓皱纹数据训练年龄识别模型；S3、采用训练后的年龄识别模型对待识别的人脸轮廓皱纹数据进行识别，得到人类年龄；本发明解决了现有采用卷积神经网络的人脸图像的年龄识别方法存在模型复杂，而基于SVM分类的人脸图像的年龄识别方法仅能给出年龄的区间范围的问题。的区间范围的问题。的区间范围的问题。


技术研发人员：陈莉明
受保护的技术使用者：乐山师范学院
技术研发日：2022.10.21
技术公布日：2022/11/18