CN109376604B

CN109376604B - 一种基于人体姿态的年龄识别方法和装置

Info

Publication number: CN109376604B
Application number: CN201811116859.3A
Authority: CN
Inventors: 郭宇; 董远; 白洪亮; 熊风烨
Original assignee: Suzhou Feisou Technology Co ltd
Current assignee: SUZHOU FEISOU TECHNOLOGY Co.,Ltd.
Priority date: 2018-09-25
Filing date: 2018-09-25
Publication date: 2021-01-05
Anticipated expiration: 2038-09-25
Also published as: CN109376604A

Abstract

本发明实施例提供一种基于人体姿态的年龄识别方法和装置，该方法包括：基于人体图像的关键点分布获取所述人体图像的姿态类型；将所述人体图像及关键点输入到相应姿态类型对应的已训练的年龄识别模型，得到所述人体图像对应的年龄识别值通过人体姿态特征对人体图像进行年龄识别，针对不同姿态训练使用不同的卷积神经网络参数，对于较复杂的人体的姿态仍可以得到较可靠的结果，相比于人脸年龄识别应用范围更广，更加通用。

Description

一种基于人体姿态的年龄识别方法和装置

技术领域

本发明实施例涉及计算机视觉识别技术领域，更具体地，涉及一种基于人体姿态的年龄识别方法和装置。

背景技术

现代的社会，是一个高度信息化的社会，人们对信息安全与公共安全的关注度也越来越高，如何能够安全、有效、快捷的进行自身的身份识别已然成为重要的研究方向之一。尤其是一些安全性敏感或人流密集的场所，例如银行，机场，商场、公园等。传统的身份识别方法安全性过低，已不能满足现今安全需求。近年来，一种更安全、更方便、更准确的身份识别方法一生物特征识别技术进入人们的视野，并引起越来越多研究者的关注与重视，成为身份识别领域新的研究热点。

在身份识别领域，年龄识别也逐渐成为身份认证的重要一方面，当前的人类年龄识别算法几乎均基于对人脸图像的识别。人脸识别方法一般是一张或一系列含有未确定身份的人脸图像，以及人脸数据库中的若干已知身份的人脸图像，输出一系列相似度表明待识别的人脸的身份。类似的人脸识别方法主要是进行特征提取，特征匹配，相似度计算等步骤，然后将相似度与阈值相比较，进行人脸身份的判定。目前通行的方法主要有经验值法和自定义平均距离法，经验值法是通过对多个标准人脸库进行验证，取得能够保证识别准确率大于某一阈值的方法。自定义平均距离法在“平均脸”为特征的识别算法中，将阈值定义为所有训练人脸到“平均脸”的距离平均值。

虽然人脸识别的年龄判断方法不失为一种判断人类年龄的可行办法，但是在实际应用场景中，很多图像的人脸并不清晰，并且对于侧面、背影和弯曲的图像，人脸检测很难检测到人脸，使得基于人脸的年龄识别有一定的局限性。因此，找到一种不依赖于检测人脸就能够获取人类年龄的方式方法，就成为业界亟待解决的问题。

发明内容

本发明实施例提供一种克服上述问题或者至少部分地解决上述问题的一种基于人体姿态的年龄识别方法和装置。

第一方面，本发明实施例提供一种基于人体姿态的年龄识别方法，包括：

基于人体图像的关键点分布获取所述人体图像的姿态类型；

将所述人体图像及关键点输入到相应姿态类型对应的已训练的年龄识别模型，得到所述人体图像对应的年龄识别值。

第二方面，本发明实施例提供一种基于人体姿态的年龄识别装置，包括：

提取模块，用于基于人体图像的关键点分布获取所述人体图像的姿态类型；

识别模块，用于将所述人体图像及关键点输入到相应姿态类型对应的已训练的年龄识别模型，得到所述人体图像对应的年龄识别值。

第三方面，本发明实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所提供的方法的步骤。

第四方面，本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所提供的方法的步骤。

本发明实施例提出了一种基于人体姿态的年龄识别方法和装置，通过人体姿态特征对人体图像进行年龄识别，针对不同姿态训练使用不同的卷积神经网络参数，对于较复杂的人体的姿态仍可以得到较可靠的结果，相比于人脸年龄识别应用范围更广，更加通用。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为根据本发明实施例的基于人体姿态的年龄识别方法示意图；

图2为根据本发明实施例的基于人体姿态的年龄识别方法具体流程示意图；

图3为根据本发明实施例的基于人体姿态的年龄识别装置示意图；

图4为根据本发明实施例的电子设备的实体结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

现有技术中主要是通过人脸检测来识别年龄，通过预存大量的脸部样本，与对应的年龄设定值，通过摄像头对用户脸部的扫描，提取特征值，与样本进行对比，相关性高的，即显示对应的年龄值，以达到识别年龄的目的。

但是，现有的通过人脸检测来识别年龄的方案，对相机的要求比较高，需要镜头有很高的分辨率，采集的数据也就越多，否则会影响识别的准确性，对应用户想要有更好的体验，就必须选择价格更高的产品，使用者也必须将摄像头对准脸部，才能进行扫描识别，而摄像头无法做到全方位的使用。

由于实际应用场景中，很多图像的人脸并不清晰，人脸检测很难检测到人脸，使得基于人脸的年龄识别有一定的局限性，因此本发明各实施例针通过人体姿态特征对人体图像进行年龄识别，针对不同姿态训练使用不同的卷积神经网络参数，对于较复杂的人体的姿态仍可以得到较可靠的结果，相比于人脸年龄识别应用范围更广，更加通用。以下将通过多个实施例进行展开说明和介绍。

图1为本发明实施例提供的一种基于人体姿态的年龄识别方法，包括：

S1、基于人体图像的关键点分布获取所述人体图像的姿态类型；

S2、将所述人体图像及关键点输入到相应姿态类型对应的已训练的年龄识别模型，得到所述人体图像对应的年龄识别值。

在本实施例中，针对现有技术中，在实际应用场景中，图像角度或清晰度差导致人脸不清晰，无法进行年龄识别的问题，基于图像中必然存在的特征，即人体姿态，提取人体图像中的关键点，对人体图像中表征人体姿态特征的关键点进行提取和识别，获得人体姿态特征的类型，由于不同姿态特征表征年龄的关键点不同，因此，本实施例中进一步的根据不同类型下人体的姿态特征，通过已训练的年龄识别模型进行识别，获得年龄识别值，对于较复杂的人体的姿态仍可以得到较可靠的结果，如对人体的侧面图像、背影图像和弯曲图像的识别度也非常高，相比于人脸年龄识别应用范围更广，更加通用。

在上述各实施例的基础上，所述姿态特征包括半身直立特征、全身直立特征和姿态弯曲特征。

在本实施例中，根据各个角度、各个部分的人体图像都离不开半身照、全身照和弯曲照这三类这一特性，将姿态特征也分为半身直立特征、全身直立特征和姿态弯曲特征，通过不同姿态特征下选择可表征年龄的关键点，通过人体图像和对应的关键点进行神经网络训练，学习得到不同姿态特征下的卷积神经网络参数，得到对应姿态特征下的年龄识别模型，以对年龄进行识别，对于较复杂的人体的姿态仍可以得到较可靠的结果。

在上述各实施例的基础上，如图2所示，获取人体图像的关键点及姿态类型具体包括：

S11、基于关键点检测方法，提取所述人体图像中的关键点；

S12、基于所述关键点的分部规则判断所述人体图像中的姿态类型。

在图像处理中，关键点本质上是一种特征。它是对一个固定区域或者空间物理关系的抽象描述，描述的是一定邻域范围内的组合或上下文关系。它不仅仅是一个点信息，或代表一个位置，更代表着上下文与周围邻域的组合关系。

具体的，在本实施例中，通过事先定义、选取不同姿态特征下人体图像中各个部分上可表示年龄的关键点，每个关键点在不同姿态特征下的人体图像当中，代表了一类的特征，且具有一定的通用性；在人体姿态检测当中，这个关键点不仅代表一个关节，还代表着这个关节和其他关节之间的关系，比如这个关节能跟其他哪些关节联系得比较紧密，可通过关键点找出人的行为特征；在识别时，提取所述人体图像中的关键点，将各个关键点在人体图像当中的位置与关系给找出来，并基于关键点之间的关系，通过预先设定的逻辑关系匹配，判断该图像属于半身照、全身照和弯曲照三类中的一类，得到人体图像对应的姿态类型。

在上述各实施例的基础上，如图2所示，步骤S2具体包括：

S21、对所述人体图像进行图像对齐；

S22、基于已训练的年龄识别模型，得到所述人体图像对应的年龄识别值。

在本实施例中，通过对述人体图像进行图像对齐，在人体图像中检测到一组关键点，并与另一张图像(标准姿态图像)中的关键点相匹配，然后根据这些匹配的关键点计算出一个转换规则，从而将人体图像映射到另一个图像上，即实现图像对齐，以实现识别前人体图像的标准化调整，增加识别精度。

在上述各实施例的基础上，S21具体包括：

以所述人体图像为训练样本，通过空间变换网络学习所述人体图像的仿射变换参数，并基于训练后的空间变换网络对所述人体图像进行图像对齐。

CNN(Convolutional Neural Network，卷积神经网络)分类时，需要考虑输入样本的局部性、平移不变性、缩小不变性，旋转不变性等，以提高分类的准确度。这些不变性的本质就是图像处理的经典方法，即图像的裁剪、平移、缩放、旋转，而这些方法实际上就是对图像进行空间坐标变换，在本实施例中选择的空间变换就是仿射变换。

在本实施例中，通过空间变换网络在训练的过程中自动选择感兴趣的区域特征，实现对各种形变的数据进行空间变换；在本实施例中，通过分别对半身照、全身照和弯曲照进行训练，是学习图像的仿射变换参数，得到用于调整半身照的第一空间变换网络，用于调整全身照的第二空间变换网络，用于调整弯曲照的第三空间变换网络看，分别通过对应的变换网络对半身照(半身直立)、全身照(全身直立)和弯曲照(姿态弯曲)进行对齐，半身照、全身照和弯曲照，从而提供提供姿态特征更清楚的人体图像。

在上述各实施例的基础上，将所述人体图像及关键点输入到相应姿态类型对应的已训练的年龄识别模型前，即步骤S22前还包括：

分别以不同姿态类型的人体图像、人体图像的关键点、人体图像对应的真实年龄为样本，进行神经网络训练，得到不同姿态类型对应的年龄识别模型。

在本实施例中，通过以半身照、半身照关键点、真实年龄为样本，通过神经网络训练，得到用于识别半身照人体图像对应年龄的第一年龄识别模型；

通过以全身照、全身照关键点、真实年龄为样本，通过神经网络训练，得到用于识别全身照人体图像对应年龄的第二年龄识别模型；

通过以弯曲照、弯曲照关键点、真实年龄为样本，通过神经网络训练，得到用于识别弯曲照人体图像对应年龄的第三年龄识别模型。

在上述各实施例的基础上，进行神经网络训练具体包括：

以人体图像、人体图像的关键点为输入，以真实年龄为回归值，以欧几里得损失函数作为卷积神经网络的目标函数，通过随机梯度下降法进行训练。

具体的，在本实施例中，将三类对齐后的人体图像分别输入进入三个不同的卷积神经网络进行训练，得到的网络参数作为预测模型保存。训练过程中，将年龄作为一个回归值，使用欧几里得损失函数，基于随机梯度下降法对模型的参数进行学习。最终将三个空间变换网络和卷积神经网络的参数均保存，作为最终的模型参数用于预测。

如图3所示，基于上述各实施例中的基于人体姿态的年龄识别方法，还提出了一种基于人体姿态的年龄识别装置，包括提取模块30和识别模块40，其中：

提取模块30基于人体图像的关键点分布获取所述人体图像的姿态类型，通过事先定义、选取不同姿态特征下人体图像中各个部分上可表示年龄的关键点，每个关键点在不同姿态特征下的人体图像当中，代表了一类的特征，且具有一定的通用性；在人体姿态检测当中，这个关键点不仅代表一个关节，还代表着这个关节和其他关节之间的关系，比如这个关节能跟其他哪些关节联系得比较紧密，可通过关键点找出人的行为特征；在识别时，提取所述人体图像中的关键点，将各个关键点在人体图像当中的位置与关系给找出来，并基于关键点之间的关系，通过预先设定的逻辑关系匹配，判断该图像属于半身照、全身照和弯曲照三类中的一类，得到人体图像对应的姿态类型。

识别模块40将所述人体图像及关键点输入到相应姿态类型对应的已训练的神经网络模型中，得到所述人体图像对应的年龄识别值。通过各姿态类型对应人体图像的已训练的年龄识别模型，进行空间网络变换和年龄识别。

图4为本发明实施例提供的电子设备的实体结构示意图，如图4所示，该电子设备可以包括：处理器(processor)810、通信接口(Communications Interface)820、存储器(memory)830和通信总线840，其中，处理器810，通信接口820，存储器830通过通信总线840完成相互间的通信。处理器810可以调用存储在存储器830上并可在处理器810上运行的计算机程序，以执行上述各实施例提供的基于人体姿态的年龄识别方法，例如包括：

基于人体图像的关键点分布获取所述人体图像的姿态类型；

此外，上述的存储器830中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的基于人体姿态的年龄识别方法，例如包括：

基于人体图像的关键点分布获取所述人体图像的姿态类型；

本发明实施例还提供本实施例公开一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行如上述的基于人体姿态的年龄识别方法，例如包括：

基于人体图像的关键点分布获取所述人体图像的姿态类型；

综上所述，本发明实施例提出了一种基于人体姿态的年龄识别方法和装置，通过人体姿态特征对人体图像进行年龄识别，针对不同姿态训练使用不同的卷积神经网络参数，对于较复杂的人体的姿态仍可以得到较可靠的结果，相比于人脸年龄识别应用范围更广，更加通用。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims

1.一种基于人体姿态的年龄识别方法，其特征在于，包括：

基于人体图像的关键点分布获取所述人体图像的姿态类型；

将所述人体图像及关键点输入到相应姿态类型对应的已训练的年龄识别模型，得到所述人体图像对应的年龄识别值；

基于人体图像的关键点分布获取所述人体图像的姿态类型具体包括：

基于关键点检测方法，提取所述人体图像中的关键点；基于所述关键点的分布规则判断所述人体图像中的姿态类型；

将所述人体图像及关键点输入到相应姿态类型对应的已训练的年龄识别模型前，还包括：

对于不同姿态类型的人体图像，基于对应人体图像的关键点进行图像对齐，并以对应人体图像的真实年龄作为样本，进行神经网络训练，得到不同姿态类型对应的年龄识别模型。

2.根据权利要求1所述的基于人体姿态的年龄识别方法，其特征在于，所述姿态特征包括半身直立特征、全身直立特征和姿态弯曲特征。

3.根据权利要求1所述的基于人体姿态的年龄识别方法，其特征在于，获取人体图像的关键点及姿态类型后，还包括：

对所述人体图像进行对应姿态类型的图像对齐。

4.根据权利要求3所述的基于人体姿态的年龄识别方法，其特征在于，对所述人体图像进行图像对齐具体包括：

5.根据权利要求1所述的基于人体姿态的年龄识别方法，其特征在于，进行神经网络训练具体包括：

6.一种基于人体姿态的年龄识别装置，其特征在于，包括：

识别模块，用于将所述人体图像及关键点输入到相应姿态类型对应的已训练的年龄识别模型，得到所述人体图像对应的年龄识别值；

7.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至5任一项所述的方法的步骤。

8.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的方法的步骤。