CN105279499A - 年龄识别方法及装置 - Google Patents

Abstract

本公开提供了年龄识别方法及装置，其中，所述方法包括：获取目标人脸图像；确定所述目标人脸图像中的目标人脸的预估年龄值；确定人脸年龄校正参数在所述目标人脸图像中的目标校正参数值；根据所述预估年龄值和所述目标校正参数值，确定所述目标人脸的目标年龄值。本公开在人脸年龄识别过程中考虑到了人脸年龄校正参数对年龄识别的影响，提高了人脸年龄识别的准确性。

Description

年龄识别方法及装置

技术领域

本公开涉及人脸识别领域，尤其涉及年龄识别方法及装置。

背景技术

随着人脸识别技术的发展，对人脸属性的识别需求也越来越高，尤其是人脸的年龄识别。

相关技术中，已经可以对图片中所包括的人脸进行年龄识别。但是，年龄识别的结果不够准确。

发明内容

有鉴于此，本公开提供了年龄识别方法及装置，解决相关技术中人脸年龄识别的结果不够准确的问题。

根据本公开实施例的第一方面，提供一种年龄识别方法，所述方法包括：

获取目标人脸图像；

确定所述目标人脸图像中的目标人脸的预估年龄值；

确定人脸年龄校正参数在所述目标人脸图像中的目标校正参数值；

根据所述预估年龄值和所述目标校正参数值，确定所述目标人脸的目标年龄值。

可选地，所述人脸年龄校正参数包括以下参数中的至少一项：

光照参数、人脸表情参数和人脸姿态参数。

可选地，所述确定人脸年龄校正参数在所述目标人脸图像中的目标校正参数值，包括：

对所述目标人脸图像进行光照检测，获得所述光照参数的目标光照参数值；和/或

对所述目标人脸图像进行人脸表情识别，获得所述人脸表情参数的目标人脸表情参数值；和/或

对所述目标人脸图像进行人脸姿态检测，获得所述人脸姿态参数的目标人脸姿态参数值。

可选地，所述根据所述预估年龄值和所述目标校正参数值，确定所述目标人脸的目标年龄值，包括：

根据预先确定的所述人脸年龄校正参数的校正参数值和校正年龄值之间的对应关系，计算与所述目标校正参数值对应的目标校正年龄值；

将所述预估年龄值和所述目标校正年龄值之和确定为所述目标人脸的目标年龄值。

可选地，所述人脸年龄校正参数的校正参数值和校正年龄值之间的对应关系通过如下方式确定：

获取多个对应不同年龄值的人脸图像作为训练数据；

基于所述人脸年龄校正参数对所述训练数据进行统计测试，确定所述人脸年龄校正参数的校正参数值和校正年龄值之间的对应关系。

可选地，所述确定所述目标人脸图像中的目标人脸的预估年龄值，包括：

将所述目标人脸图像输入预先建立的人脸年龄模型，获取所述目标人脸的预估年龄值。

根据本公开实施例的第二方面，提供一种年龄识别装置，所述装置包括：

获取模块，被配置为获取目标人脸图像；

第一确定模块，被配置为确定所述目标人脸图像中的目标人脸的预估年龄值；

第二确定模块，被配置为确定人脸年龄校正参数在所述目标人脸图像中的目标校正参数值；

第三确定模块，被配置为根据所述预估年龄值和所述目标校正参数值，确定所述目标人脸的目标年龄值。

可选地，所述人脸年龄校正参数包括以下参数中的至少一项：

光照参数、人脸表情参数和人脸姿态参数。

可选地，所述第二确定模块包括：

第一获取子模块，被配置为对所述目标人脸图像进行光照检测，获得所述光照参数的目标光照参数值；和/或

第二获取子模块，被配置为对所述目标人脸图像进行人脸表情识别，获得所述人脸表情参数的目标人脸表情参数值；和/或

第三获取子模块，被配置为对所述目标人脸图像进行人脸姿态检测，获得所述人脸姿态参数的目标人脸姿态参数值。

可选地，所述第三确定模块包括：

计算子模块，被配置为根据预先确定的所述人脸年龄校正参数的校正参数值和校正年龄值之间的对应关系，计算与所述目标校正参数值对应的目标校正年龄值；

确定子模块，被配置为将所述预估年龄值和所述目标校正年龄值之和确定为所述目标人脸的目标年龄值。

可选地，所述计算子模块包括：

获取单元，被配置为获取多个对应不同年龄值的人脸图像作为训练数据；

确定单元，被配置为基于所述人脸年龄校正参数对所述训练数据进行统计测试，确定所述人脸年龄校正参数的校正参数值和校正年龄值之间的对应关系。

可选地，所述第一确定模块包括：

第四获取子模块，被配置为将所述目标人脸图像输入预先建立的人脸年龄模型，获取所述目标人脸的预估年龄值。

根据本公开实施例的第三方面，提供一种年龄识别装置，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

获取目标人脸图像；

确定所述目标人脸图像中的目标人脸的预估年龄值；

确定人脸年龄校正参数在所述目标人脸图像中的目标校正参数值；

根据所述预估年龄值和所述目标校正参数值，确定所述目标人脸的目标年龄值。

本公开的实施例提供的技术方案可以包括以下有益效果：

本公开实施例中，可以先确定目标人脸图像中目标人脸的预估年龄值，同时获取人脸年龄校正参数在所述目标人脸图像中的目标校正参数值，进而根据所述预估年龄值和所述目标校正参数值，确定所述目标人脸的目标年龄值。由于在上述人脸年龄识别过程中考虑到了人脸年龄校正参数对年龄识别的影响，因此提高了人脸年龄识别的准确性。

本公开实施例中，人脸年龄校正参数包括光照参数、人脸表情参数和人脸姿态参数中的至少一项。在确定目标人脸的目标年龄值时，先计算与所述目标校正参数值对应的目标校正年龄值，进而将预估年龄值和所述目标校正年龄值之和确定为所述目标年龄值。也就是说在进行人脸年龄识别时，可以根据外界环境对年龄的影响对预估年龄值进行校正，提高了人脸年龄识别的准确性。

本公开实施例中，可以获取多个对应不同年龄值的人脸图像作为训练数据，对所述训练数据进行统计测试，来确定校正参数值和校正年龄值的对应关系，所述校正年龄值后续会对人脸的预估年龄值进行校正，同样提供了人脸年龄识别的准确性。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。

图1是本公开根据一示例性实施例示出的一种年龄识别方法流程图；

图2是本公开根据一示例性实施例示出的另一种年龄识别方法流程图；

图3是本公开根据一示例性实施例示出的另一种年龄识别方法流程图；

图4是本公开根据一示例性实施例示出的另一种年龄识别方法流程图；

图5是本公开根据一示例性实施例示出的另一种年龄识别方法流程图；

图6是本公开根据一示例性实施例示出的一种年龄识别装置框图；

图7是本公开根据一示例性实施例示出的另一种年龄识别装置框图；

图8是本公开根据一示例性实施例示出的另一种年龄识别装置框图；

图9是本公开根据一示例性实施例示出的另一种年龄识别装置框图；

图10是本公开根据一示例性实施例示出的另一种年龄识别装置框图；

图11是本公开根据一示例性实施例示出的一种用于年龄识别装置的一结构示意图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

在本公开使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本公开。在本公开和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本公开可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本公开范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。

如图1所示，图1是根据一示例性实施例示出的一种年龄识别方法，包括以下步骤：

在步骤103中，获取目标人脸图像。

在执行本步骤之前，需要先建立人脸年龄模型，本公开实施例中，可选地，可以基于卷积神经网络(ConvolutionalNeuralNetwork，CNN)建立所述人脸年龄模型，即在执行步骤103之前，所述方法如图2所示，图2是根据图1所示的实施例示出的另一种年龄识别方法，还可以包括：

在步骤101中，建立人脸年龄模型。

本步骤中，需要尽可能多的采集人脸图像作为训练数据，且为了提高建立的人脸年龄模型的准确性，可以让采集的人脸图像对应尽可能多的不同的年龄值。

进一步地，可以基于获取到的所述训练数据，按照相关技术进行深度学习，以建立适用于本公开实施例的人脸年龄模型，例如建立基于CNN的人脸年龄模型。

相关技术中由于未考虑外界环境对人脸年龄识别的影响，因此造成年龄识别的结果不够准确。那么在本公开实施例中，可以用人脸年龄校正参数来代表外界环境对人脸年龄识别造成影响的参数，在后续进行年龄识别时，根据人脸年龄校正参数对人脸年龄识别的影响，从而对年龄识别的预估年龄值进行校正。

因此，在完成上述步骤101之后，可选地，所述方法如图3所示，图3是根据图2所示的实施例示出的另一种年龄识别方法，还可以包括：

在步骤102中，基于所述人脸年龄校正参数对所述训练数据进行统计测试，确定所述人脸年龄校正参数的校正参数值和校正年龄值之间的对应关系。

可选地，所述人脸年龄校正参数包括光照参数、人脸表情参数和人脸姿态参数中的至少一项。

以光照参数为例，相对于同一目标人脸如果外界光照较强，即所述目标人脸图像中的光线强度值大，则进行年龄识别得出的年龄值会比实际年龄值小。反之，如果外界光照较弱，即所述目标人脸图像中的光线强度值小，则进行年龄识别得出的年龄值会比实际年龄值大。

相对于人脸表情参数而言，人脸表情可以为愤怒、悲伤、高兴等。例如，相对于同一目标人脸如果所述目标人脸的人脸表情为高兴，则进行年龄识别得出的年龄值会比实际年龄值小。如果所述目标人脸的人脸表情为悲伤，则进行年龄识别得出的年龄值会比实际年龄值大。

人脸姿态同样会对年龄识别的结果造成影响。例如，相对于同一目标人脸如果对所述目标人脸进行人脸姿态估计，得到的俯仰角度值不同时，进行年龄识别得出的年龄值会比实际年龄值大或小。

当然，所述人脸年龄校正参数除了以上参数外，还可以包括其他会影响年龄识别结果的参数。本公开实施例就是要确定不同的人脸年龄校正参数的校正参数值对人脸年龄的校正值，从而提高年龄估计的准确性。

本公开实施例中，在建立了所述人脸年龄模型后，可以对作为训练数据的所有所述人脸图像基于所述人脸年龄校正参数进行统计测试，得到所述人脸年龄校正参数对人脸年龄识别的影响程度，可选地，可以用校正年龄值来描述所述影响程度。

假设所述人脸年龄校正参数中只包括光照参数，则可以对作为训练数据的所有所述人脸图像均基于所述光照参数进行统计测试，按照相关技术对所述人脸图像进行光照检测，测试出不同的光照参数值，并根据测试出的所述光照参数值确定对所述人脸图像进行年龄识别的校正年龄值。根据已经建立的人脸年龄模型已经可以确定所有所述人脸图像各自的预估年龄值，在采集训练数据之前已经确定了所有所述人脸图像各自的实际年龄值，将每个所述人脸图像的所述实际年龄值减去所述预估年龄值，就得到了所述光照参数对所述人脸图像的校正年龄值。

例如光照参数值为a₁时，人脸图像A经过人脸年龄CNN模型确定的预估年龄值是b₁，采集训练数据时已经确定的所述人脸图像A的实际年龄值是b₂，则光照参数值为a₁时，进行年龄识别会造成的校正年龄值为(b₂-b₁)。

进一步地，本公开实施例还可以分别基于不同的人脸表情参数值或人脸姿态参数值分别确定对应的校正年龄值。

本公开实施例中，根据上述过程进行统计测试，最终可以得出多个不同人脸年龄校正参数值和校正年龄值之间的估计函数，如下：

h(x)＝θ₀+θ₁x₁+θ₂x₂+…+θ_nx_n。

其中，h(x)是校正年龄值，x₁、x₂、…x_n分别是不同人脸年龄校正参数的校正参数值，θ₁、θ₂…θ_n是与所述人脸年龄校正参数对应的系数，θ₀是所有所述人脸年龄校正参数对所述校正年龄值的偏移量。

例如，x₁可以代表人脸年龄校正参数中的光照参数的光照参数值，x₂可以代表人脸年龄校正参数中的人脸表情参数的人脸表情参数值，x₃可以代表人脸年龄校正参数中的人脸姿态参数的人脸姿态参数值，x_n可以代表人脸年龄校正参数中的第n个参数相应的参数值。θ₁、θ₂…θ_n分别对应光照参数、人脸表情参数、人脸姿态参数和第n个参数，且θ₀、θ₁、θ₂…θ_n一旦确定后，相对于同一人脸年龄CNN模型数值不会发生改变。

可选地，校正年龄值的范围可以在[-100，100]之间。

通过上述过程建立了所述人脸年龄模型，以及确定了所述估计函数后，基于同一人脸年龄模型进行年龄识别时，不再需要重复执行上述的步骤101和102。

在需要进行年龄识别时，执行步骤103，获取目标人脸图像。

在上述步骤103中，所述目标人脸图像可以截取自单独的图片，也可以截取自视频中的某一帧图片。可以按照相关技术，对图片先进行人脸识别，例如对视频中的每一帧图片均进行人脸识别，如果识别到某一图片中包括人脸，则截取该图片中包括人脸的图像作为所述目标人脸图像。

在步骤104中，确定所述目标人脸图像中的目标人脸的预估年龄值。

可选地，步骤104可以包括：

在步骤104-1中，将所述目标人脸图像输入步骤101中预先建立的所述人脸年龄模型，获取所述目标人脸的预估年龄值。

其中，所述预估年龄值的范围可以在[0，100]之间。

在步骤105中，确定人脸年龄校正参数在所述目标人脸图像中的目标校正参数值。

本步骤中，可选地，所述人脸年龄校正参数包括光照参数、人脸表情参数和人脸姿态参数中的至少一项。

下面分别针对不同的人脸年龄校正参数，确定其在所述目标人脸图像中的目标校正参数值。

确定光照参数的目标光照参数值的过程如下：本公开实施例中，可以对所述目标人脸图像按照相关技术进行光照检测，从而获得所述光照参数的目标光照参数值，例如所述目标人脸图像中的光线强度值等。

确定人脸表情参数的目标人脸表情参数值的过程如下：

可以对所述目标人脸图像按照相关技术进行人脸表情识别，获得所述人脸表情参数的目标人脸表情参数值。

确定人脸姿态参数的目标人脸姿态参数值的过程如下：

可以对所述目标人脸图像按照相关技术进行人脸姿态检测，获得所述人脸姿态参数的目标人脸姿态参数值，例如目标人脸的旋转角度值、俯仰角度值等。

在步骤106中，根据所述预估年龄值和所述目标校正参数值，确定所述目标人脸的目标年龄值。

可选地，步骤106如图4所示，图4是根据图3所示的实施例示出的另一种年龄识别方法，可以包括：

在步骤106-1中，根据预先确定的所述人脸年龄校正参数的校正参数值和校正年龄值之间的对应关系，计算与所述目标校正参数值对应的目标校正年龄值。

本公开实施例中，在上述步骤102中，已经确定了所有所述人脸年龄校正参数值和所述校正年龄值之间的对应关系，即上述的估计函数，通过上述步骤105又进一步确定了所述目标校正参数值，因此，可以将所述目标校正参数值代入所述估计函数中，计算得到所述目标校正年龄值。其中，所述目标校正年龄值的范围同样在[-100，100]之间。

在步骤106-2中，将所述预估年龄值和所述目标校正年龄值之和确定为所述目标人脸的目标年龄值。

本步骤中，可以直接计算所述预估年龄值和所述目标校正年龄值之和，最终将计算的结果确定为所述目标人脸的目标年龄值。

上述实施例中，先确定目标人脸图像中目标人脸的预估年龄值，同时获取人脸年龄校正参数在所述目标人脸图像中的目标校正参数值，进而根据所述预估年龄值和所述目标校正参数值，确定所述目标人脸的目标年龄值。由于在上述人脸年龄识别过程中考虑到了人脸年龄校正参数对年龄识别的影响，因此提高了人脸年龄识别的准确性。在确定所述预估年龄值之前，先建立了人脸年龄模型，后续根据建立的人脸年龄模型来确定所述预估年龄值，提高了人脸年龄识别的准确性。另外，在进行人脸年龄识别时，可以用校正年龄值来描述外界环境对年龄识别的影响，进而对预估年龄值进行校正，同样提高了人脸年龄识别的准确性。

如图5所示，图5是根据一示例性实施例示出的另一种年龄识别方法，包括以下步骤：

在步骤201中，获取多个对应不同年龄值的人脸图像作为训练数据。

本步骤中，需要尽可能多的采集人脸图像作为训练数据，且为了提高建立的人脸年龄模型的准确性，可以让采集的人脸图像对应尽可能多的不同年龄值。

在步骤202中，基于所述训练数据进行深度学习，建立人脸年龄模型。

本步骤中，可以基于获取到的所述训练数据，按照相关技术进行深度学习，以建立适用于本公开实施例的人脸年龄模型。可选地，可以基于CNN建立所述人脸年龄模型。

在步骤203中，基于人脸年龄校正参数对所述训练数据进行统计测试，确定所述人脸年龄校正参数的校正参数值和校正年龄值之间的对应关系。

本公开实施例中，最终确定了多个不同人脸年龄校正参数值和校正年龄值之间的估计函数。可选地，所述人脸年龄校正参数包括光照参数、人脸表情参数和人脸姿态参数中的至少一项。本公开实施例中，所述人脸校正参数中包括上述三个参数。

上述的步骤201至步骤203需要在完成后，每次相对于同一人脸年龄模型，对目标人脸图像进行年龄识别时，不再需要重复执行。

在步骤204中，获取目标人脸图像。

本步骤中，可以按照相关技术，对图片进行人脸识别，如果识别到某一图片中包括人脸，则截取该图片中包括人脸的图像作为所述目标人脸图像。

在步骤205中，将所述目标人脸图像输入通过步骤202建立的所述人脸年龄模型，获取所述目标人脸的预估年龄值。

可选地，所述预估年龄值的范围可以在[0，100]之间。

在步骤206中，确定人脸年龄校正参数在所述目标人脸图像中的目标校正参数值。

可选地，本公开实施例中，所述人脸年龄校正参数包括光照参数、人脸表情参数和人脸姿态参数。可以按照上述实施例介绍的方法分别获取对应的目标光照参数值、目标人脸表情参数值和目标人脸姿态参数值。

在步骤207中，根据所述对应关系，计算与所述目标校正参数值对应的目标校正年龄值。

本步骤中，将步骤206确定的各个所述目标校正参数值代入根据步骤203确定的所述估计函数中，计算得到所述目标校正年龄值。所述目标校正年龄值的范围同样在[-100，100]之间。

在步骤208中，将所述预估年龄值和所述目标校正年龄值之和确定为所述目标人脸的目标年龄值。

本步骤中，可以直接计算所述预估年龄值和所述目标校正年龄值之和，最终将计算的结果作为所述目标人脸的目标年龄值。

对上述过程进一步举例说明如下。

在建立了人脸年龄模型后，得到如下的估计函数：

h(x)＝2.7-2x₁+1.6x₂-0.6x₃。

其中，h(x)是校正年龄值，x₁、x₂、x₃分别是人脸年龄校正参数中的光照参数、人脸表情参数、人脸姿态参数的数值。

如果有需要进行年龄识别的目标人脸图像，则将所述目标人脸图像直接输入所述人脸年龄模型，可以得到所述人脸年龄模型对所述目标人脸图像中的目标人脸的预估年龄值，例如预估年龄值是25.1。

进一步地，需要分别确定不同的人脸年龄校正参数在所述目标人脸图像中的目标校正参数值。例如，最终确定的目标光照参数值、目标人脸表情参数值和目标人脸姿态参数值分别是5、3、1。

则将上述的目标校正参数值代入上述的估计函数，得到目标校正年龄值h(x)＝2.7-2*5+1.6*3-0.6*1＝-3.1。最终计算所述预估年龄值和所述目标校正年龄值之和，得到所述目标人脸的目标年龄值为22。

上述实施例中，先将目标人脸图像输入预先建立的人脸年龄模型，从而确定所述目标人脸图像中目标人脸的预估年龄值。进一步地，确定人脸校正参数在所述目标人脸图像中的目标校正参数值，其中人脸年龄校正参数包括了光照参数、人脸表情参数和人脸姿态参数，将所述目标校正参数值代入之前确定的估计函数，从而得到目标校正年龄值，计算所述预估年龄值和所述目标校正年龄值之和，得到目标年龄值。上述过程在进行人脸年龄识别时，根据外界环境对年龄的影响对预估年龄值进行了校正，因此提高了人脸年龄识别的准确性。

与前述方法实施例相对应，本公开还提供了装置的实施例。

如图6所示，图6是本公开根据一示例性实施例示出的一种年龄识别装置框图，包括：获取模块310、第一确定模块320、第二确定模块330和第三确定模块340。

其中，所述获取模块310，被配置为获取目标人脸图像；

所述第一确定模块320，被配置为确定所述目标人脸图像中的目标人脸的预估年龄值；

所述第二确定模块330，被配置为确定人脸年龄校正参数在所述目标人脸图像中的目标校正参数值；

所述第三确定模块340，被配置为根据所述预估年龄值和所述目标校正参数值，确定所述目标人脸的目标年龄值。

上述实施例中，可以先确定目标人脸图像中目标人脸的预估年龄值，同时获取人脸年龄校正参数在所述目标人脸图像中的目标校正参数值，进而根据所述预估年龄值和所述目标校正参数值，确定所述目标人脸的目标年龄值。由于在上述人脸年龄识别过程中考虑到了人脸年龄校正参数对年龄识别的影响，因此提高了人脸年龄识别的准确性。

可选地，所述人脸年龄校正参数包括以下参数中的至少一项：

光照参数、人脸表情参数和人脸姿态参数。

如图7所示，图7是本公开根据一示例性实施例示出的另一种年龄识别装置框图，该实施例在前述图6所示实施例的基础上，所述第二确定模块330包括：第一获取子模块331、第二获取子模块332和第三获取子模块333中的至少一个。

其中，所述第一获取子模块331，被配置为对所述目标人脸图像进行光照检测，获得所述光照参数的目标光照参数值；

所述第二获取子模块332，被配置为对所述目标人脸图像进行人脸表情识别，获得所述人脸表情参数的目标人脸表情参数值；

所述第三获取子模块333，被配置为对所述目标人脸图像进行人脸姿态检测，获得所述人脸姿态参数的目标人脸姿态参数值。

如图8所示，图8是本公开根据一示例性实施例示出的另一种年龄识别装置框图，该实施例在前述图6所示实施例的基础上，所述第三确定模块340包括：计算子模块341和确定子模块342。

其中，所述计算子模块341，被配置为根据预先确定的所述人脸年龄校正参数的校正参数值和校正年龄值之间的对应关系，计算与所述目标校正参数值对应的目标校正年龄值；

所述确定子模块342，被配置为将所述预估年龄值和所述目标校正年龄值之和确定为所述目标人脸的目标年龄值。

上述实施例中，人脸年龄校正参数包括光照参数、人脸表情参数和人脸姿态参数中的至少一项，也就是说在进行人脸年龄识别时，根据外界环境对年龄的影响对预估年龄值进行了校正，从而提高了人脸年龄识别的准确性。

如图9所示，图9是本公开根据一示例性实施例示出的另一种年龄识别装置框图，该实施例在前述图8所示实施例的基础上，所述计算子模块341包括：获取单元3411和确定单元3412。

其中，所述获取单元3411，被配置为获取多个对应不同年龄值的人脸图像作为训练数据；

所述确定单元3412，被配置为基于所述人脸年龄校正参数对所述训练数据进行统计测试，确定所述人脸年龄校正参数的校正参数值和校正年龄值之间的对应关系。

上述实施例中，将多个对应不同年龄值的人脸图像作为训练数据，对所述训练数据基于所述人脸年龄校正参数进行统计测试，从而确定人脸年龄校正参数的校正参数值和校正年龄值之间的对应关系，提高了人脸年龄识别的准确性。

如图10所示，图10是本公开根据一示例性实施例示出的另一种年龄识别装置框图，该实施例在前述图6所示实施例的基础上，所述第一确定模块320包括：第四获取子模块321。

其中，所述第四获取子模块321，被配置为将所述目标人脸图像输入预先建立的人脸年龄模型，获取所述目标人脸的预估年龄值。

上述实施例中，可以对获取的所述训练数据进行深度学习，来建立人脸年龄模型，以便后续根据建立的人脸年龄模型来确定预估年龄值，同样提供了年龄估计的准确性。

相应的，本公开还提供一种年龄识别装置，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

获取目标人脸图像；

确定所述目标人脸图像中的目标人脸的预估年龄值；

确定人脸年龄校正参数在所述目标人脸图像中的目标校正参数值；

根据所述预估年龄值和所述目标校正参数值，确定所述目标人脸的目标年龄值。

如图11所示，图11是本公开根据一示例性实施例示出的一种年龄识别装置1100的结构示意图。例如，装置1100可以是终端，该终端可以具体为移动电话，计算机，数字广播终端，消息收发终端，智能插座，智能血压计，游戏控制台，平板终端，医疗终端，健身终端，个人数字助理、智能手环、智能手表等。

参照图11，装置1100可以包括以下一个或多个组件：处理组件1102，存储器1104，电源组件1106，多媒体组件1108，音频组件1110，输入/输出(I/O)的接口1112，传感器组件1114，以及通信组件1116。

处理组件1102通常控制装置1100的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件1102可以包括一个或多个处理器1120来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件1102可以包括一个或多个模块，便于处理组件1102和其他组件之间的交互。例如，处理组件1102可以包括多媒体模块，以方便多媒体组件1108和处理组件1102之间的交互。

存储器1104被配置为存储各种类型的数据以支持在装置1100的操作。这些数据的示例包括用于在装置1100上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器1104可以由任何类型的易失性或非易失性存储终端或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电源组件1106为装置1100的各种组件提供电力。电源组件1106可以包括电源管理系统，一个或多个电源，及其他与为装置1100生成、管理和分配电力相关联的组件。

多媒体组件1108包括在所述装置1100和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件1108包括一个前置摄像头和/或后置摄像头。当装置1100处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件1110被配置为输出和/或输入音频信号。例如，音频组件1110包括一个麦克风(MIC)，当装置1100处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器1104或经由通信组件1116发送。在一些实施例中，音频组件1110还包括一个扬声器，用于输出音频信号。

I/O接口1112为处理组件1102和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件1114包括一个或多个传感器，用于为装置1100提供各个方面的状态评估。例如，传感器组件1114可以检测到装置1100的打开/关闭状态，组件的相对定位，例如所述组件为装置1100的显示器和小键盘，传感器组件1114还可以检测装置1100或装置1100一个组件的位置改变，用户与装置1100接触的存在或不存在，装置1100方位或加速/减速和装置1100的温度变化。传感器组件1114可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件1114还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件1114还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器，微波传感器或温度传感器。

通信组件1116被配置为便于装置1100和其他终端之间有线或无线方式的通信。装置1100可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件1116经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件1116还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，装置1100可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理终端(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器1104，上述指令可由装置1100的处理器1120执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储终端等。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。

以上所述仅为本公开的较佳实施例而已，并不用以限制本公开，凡在本公开的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本公开保护的范围之内。

Claims (13)

1.一种年龄识别方法，其特征在于，所述方法包括：

获取目标人脸图像；

确定所述目标人脸图像中的目标人脸的预估年龄值；

确定人脸年龄校正参数在所述目标人脸图像中的目标校正参数值；

根据所述预估年龄值和所述目标校正参数值，确定所述目标人脸的目标年龄值。

2.如权利要求1所述的方法，其特征在于，所述人脸年龄校正参数包括以下参数中的至少一项：

光照参数、人脸表情参数和人脸姿态参数。

3.如权利要求2所述的方法，其特征在于，所述确定人脸年龄校正参数在所述目标人脸图像中的目标校正参数值，包括：

对所述目标人脸图像进行光照检测，获得所述光照参数的目标光照参数值；和/或

对所述目标人脸图像进行人脸表情识别，获得所述人脸表情参数的目标人脸表情参数值；和/或

对所述目标人脸图像进行人脸姿态检测，获得所述人脸姿态参数的目标人脸姿态参数值。

4.如权利要求1所述的方法，其特征在于，所述根据所述预估年龄值和所述目标校正参数值，确定所述目标人脸的目标年龄值，包括：

根据预先确定的所述人脸年龄校正参数的校正参数值和校正年龄值之间的对应关系，计算与所述目标校正参数值对应的目标校正年龄值；

将所述预估年龄值和所述目标校正年龄值之和确定为所述目标人脸的目标年龄值。

5.如权利要求4所述的方法，其特征在于，所述人脸年龄校正参数的校正参数值和校正年龄值之间的对应关系通过如下方式确定：

获取多个对应不同年龄值的人脸图像作为训练数据；

基于所述人脸年龄校正参数对所述训练数据进行统计测试，确定所述人脸年龄校正参数的校正参数值和校正年龄值之间的对应关系。

6.如权利要求1所述的方法，其特征在于，所述确定所述目标人脸图像中的目标人脸的预估年龄值，包括：

将所述目标人脸图像输入预先建立的人脸年龄模型，获取所述目标人脸的预估年龄值。

7.一种年龄识别装置，其特征在于，所述装置包括：

获取模块，被配置为获取目标人脸图像；

第一确定模块，被配置为确定所述目标人脸图像中的目标人脸的预估年龄值；

第二确定模块，被配置为确定人脸年龄校正参数在所述目标人脸图像中的目标校正参数值；

第三确定模块，被配置为根据所述预估年龄值和所述目标校正参数值，确定所述目标人脸的目标年龄值。

8.如权利要求7所述的装置，其特征在于，所述人脸年龄校正参数包括以下参数中的至少一项：

光照参数、人脸表情参数和人脸姿态参数。

9.如权利要求8所述的装置，其特征在于，所述第二确定模块包括：

第一获取子模块，被配置为对所述目标人脸图像进行光照检测，获得所述光照参数的目标光照参数值；和/或

第二获取子模块，被配置为对所述目标人脸图像进行人脸表情识别，获得所述人脸表情参数的目标人脸表情参数值；和/或

第三获取子模块，被配置为对所述目标人脸图像进行人脸姿态检测，获得所述人脸姿态参数的目标人脸姿态参数值。

10.如权利要求7所述的装置，其特征在于，所述第三确定模块包括：

计算子模块，被配置为根据预先确定的所述人脸年龄校正参数的校正参数值和校正年龄值之间的对应关系，计算与所述目标校正参数值对应的目标校正年龄值；

确定子模块，被配置为将所述预估年龄值和所述目标校正年龄值之和确定为所述目标人脸的目标年龄值。

11.如权利要求10所述的装置，其特征在于，所述计算子模块包括：

获取单元，被配置为获取多个对应不同年龄值的人脸图像作为训练数据；

确定单元，被配置为基于所述人脸年龄校正参数对所述训练数据进行统计测试，确定所述人脸年龄校正参数的校正参数值和校正年龄值之间的对应关系。

12.如权利要求7所述的装置，其特征在于，所述第一确定模块包括：

第四获取子模块，被配置为将所述目标人脸图像输入预先建立的人脸年龄模型，获取所述目标人脸的预估年龄值。

13.一种年龄识别装置，其特征在于，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

获取目标人脸图像；

确定所述目标人脸图像中的目标人脸的预估年龄值；

确定人脸年龄校正参数在所述目标人脸图像中的目标校正参数值；

根据所述预估年龄值和所述目标校正参数值，确定所述目标人脸的目标年龄值。