基于深度卷积网络的人脸年龄分析算法与实现

曹檑　莫雅婷　黄晨　魏子涵

摘 要：作为一种新兴的生物特征识别技术，基于人脸图像的年龄估计技术在目前已经成为计算机视觉、人机交互等领域的一个重要研究课题。2006年以来，深度卷积网络在图像识别、语音识别和自然语言处理等领域广泛使用，取得了很好的效果。本文基于深度卷积网络的人脸年龄分析算法，构建一个多层卷积神经网络，通过卷积神经网络获取深度卷积激活特征，作为人脸年龄估计的特征，并利用支持向量机（SVM）的方法训练年龄估计模型，得到年龄估计结果，在人脸识别权威数据集Morph上获得了91.3%的正确率，同时也对比在了不同条件下对实验结果的影响。

关键词：深度学习；卷积神经网络；年龄估计

中图分类号：TP301 文献标识码：A

Abstract：As an emerging biometric technology，the age estimation based on facial images has become an important research topic in the field of computer vision，human computer interaction，etc.Since 2006，Deep Convolutional Neural Network has been widely used and obtained good effects in the field of image recognition，speech recognition，natural language processing，etc..In age estimation algorithm based on Deep Convolutional Neural Network，the paper constructs a multilayered convolutional neural network.Taking the deep convolutional activation features as the facial distinctions of age estimation， the paper applies Support Vector Machine（SVM） to train the age estimation model and acquire estimation results.The algorithm has obtained 91.3% accuracy in Morph，the authoritative facial recognition dataset.Meanwhile，the experiment results in different conditions have been compared.

Keywords：deep learning；convolutional neural network；age estimation

1 引言（Introduction）

人脸年龄分析算法是利用计算机技术根据人脸图像随年龄变化的规律进行建模，从而使机器能够根据人脸图像计算出人的大致年龄或所属的年龄范围。在很多领域，年龄信息作为人体的一种重要生物特征有着巨大的应用潜力[1-3]。基于人脸图像的年龄估计技术作为一种新兴的生物特征识别技术，目前已经成为计算机视觉、人机交互等领域的一个重要研究课题，近几年关注年龄估计的研究越来越多。

深度卷积网络作为一种有效的方法，将局部连接、权值共享和空间下采样结合起来，可以简化人脸特征提取流程，但是由于各种干扰条件，可能使得实验结果不是很理想，本文实验重点是探究侧脸，图像分辨率等因素对于实验结果的干扰情况。……