CN110008926A - 用于识别年龄的方法和装置 - Google Patents

Abstract

本公开的实施例公开了用于识别年龄的方法和装置。该方法的一具体实施方式包括：获取目标人脸图像；将目标人脸图像输入预先训练的年龄识别模型，获得第一结果和第二结果，其中，第一结果用于表征目标人脸图像所对应的人物的年龄，第二结果包括预设数量个概率，预设数量个概率对应预设数量个连续的预设年龄，对于预设数量个概率中的概率，该概率用于表征目标人脸图像所对应的人物的年龄与该概率对应的预设年龄的大小关系满足预设条件的可能性；基于第二结果中的预设数量个概率，生成目标年龄置信度所对应的年龄置信区间。该实施方式有助于利用年龄置信区间确定第一结果的准确度，进而，有助于针对性地输出准确度高的第一结果，减小流量消耗。

Description

用于识别年龄的方法和装置

技术领域

本公开的实施例涉及计算机技术领域，尤其涉及用于识别年龄的方法和装置。

背景技术

人脸识别是基于人的脸部特征信息识别人的属性的一种生物识别技术。人脸识别主要包括四个步骤，分别为：人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别。

随着人脸识别技术的发展，现有技术已经可以对人脸图像进行识别，确定人脸图像所对应的人物的年龄。

发明内容

本公开的实施例提出了用于识别年龄的方法和装置。

第一方面，本公开的实施例提供了一种用于识别年龄的方法，该方法包括：获取目标人脸图像；将目标人脸图像输入预先训练的年龄识别模型，获得第一结果和第二结果，其中，第一结果用于表征目标人脸图像所对应的人物的年龄，第二结果包括预设数量个概率，预设数量个概率对应预设数量个连续的预设年龄，对于预设数量个概率中的概率，该概率用于表征目标人脸图像所对应的人物的年龄与该概率对应的预设年龄的大小关系满足预设条件的可能性；基于第二结果中的预设数量个概率，生成目标年龄置信度所对应的年龄置信区间。

在一些实施例中，年龄识别模型包括第一识别模型和第二识别模型，第一识别模型包括特征提取层和结果生成层，第二识别模型与第一识别模型中的特征提取层连接；以及将目标人脸图像输入预先训练的年龄识别模型，获得第一结果和第二结果，包括：将目标人脸图像输入第一识别模型的特征提取层，获得图像特征；将图像特征分别输入第一识别模型的结果生成层和第二识别模型，获得第一结果和第二结果。

在一些实施例中，年龄识别模型通过以下方式训练得到：获取训练样本集和初始年龄识别模型，其中，初始年龄识别模型包括初始第二识别模型和预先训练的第一识别模型，初始第二识别模型与第一识别模型中的特征提取层连接，训练样本包括样本人脸图像和针对样本人脸图像预先标注的样本第二结果；从训练样本集中选取训练样本，及执行以下训练步骤：将所选取的训练样本中的样本人脸图像输入第一识别模型的特征提取层，获得图像特征；将所获得的图像特征作为初始第二识别模型的输入，将所选取的训练样本中的样本第二结果作为初始第二识别模型的期望输出，利用机器学习方法，对初始第二识别模型进行训练；将训练完成的初始第二识别模型和第一识别模型所组成的初始年龄识别模型确定为年龄识别模型。

在一些实施例中，预设条件包括以下之一：目标人脸图像所对应的人物的年龄大于概率对应的预设年龄；目标人脸图像所对应的人物的年龄小于概率对应的预设年龄。

在一些实施例中，基于第二结果中的预设数量个概率，生成目标年龄置信度所对应的年龄置信区间，包括：从第二结果包括的预设数量个概率中确定与目标年龄置信度相匹配的概率，以及与目标年龄置信度的和与数值1相匹配的概率；将所确定的两个概率分别对应的预设年龄作为目标年龄置信度所对应的年龄置信区间的端点，生成年龄置信区间。

在一些实施例中，该方法还包括：确定年龄置信区间的长度是否小于等于预设长度阈值；响应于确定年龄置信区间的长度小于等于预设长度阈值，对第一结果和目标人脸图像进行融合，生成包括第一结果的结果人脸图像；将结果人脸图像发送给目标显示设备，以及控制目标显示设备对结果人脸图像进行显示。

在一些实施例中，该方法还包括：响应于确定年龄置信区间的长度大于预设长度阈值，输出用于表征年龄识别失败的提示信息。

第二方面，本公开的实施例提供了一种用于识别年龄的装置，该装置包括：获取单元，被配置成获取目标人脸图像；输入单元，被配置成将目标人脸图像输入预先训练的年龄识别模型，获得第一结果和第二结果，其中，第一结果用于表征目标人脸图像所对应的人物的年龄，第二结果包括预设数量个概率，预设数量个概率对应预设数量个连续的预设年龄，对于预设数量个概率中的概率，该概率用于表征目标人脸图像所对应的人物的年龄与该概率对应的预设年龄的大小关系满足预设条件的可能性；生成单元，被配置成基于第二结果中的预设数量个概率，生成目标年龄置信度所对应的年龄置信区间。

在一些实施例中，年龄识别模型包括第一识别模型和第二识别模型，第一识别模型包括特征提取层和结果生成层，第二识别模型与第一识别模型中的特征提取层连接；以及输入单元包括：第一输入模块，被配置成将目标人脸图像输入第一识别模型的特征提取层，获得图像特征；第二输入模块，被配置成将图像特征分别输入第一识别模型的结果生成层和第二识别模型，获得第一结果和第二结果。

在一些实施例中，年龄识别模型通过以下方式训练得到：获取训练样本集和初始年龄识别模型，其中，初始年龄识别模型包括初始第二识别模型和预先训练的第一识别模型，初始第二识别模型与第一识别模型中的特征提取层连接，训练样本包括样本人脸图像和针对样本人脸图像预先标注的样本第二结果；从训练样本集中选取训练样本，及执行以下训练步骤：将所选取的训练样本中的样本人脸图像输入第一识别模型的特征提取层，获得图像特征；将所获得的图像特征作为初始第二识别模型的输入，将所选取的训练样本中的样本第二结果作为初始第二识别模型的期望输出，利用机器学习方法，对初始第二识别模型进行训练；将训练完成的初始第二识别模型和第一识别模型所组成的初始年龄识别模型确定为年龄识别模型。

在一些实施例中，预设条件包括以下之一：目标人脸图像所对应的人物的年龄大于概率对应的预设年龄；目标人脸图像所对应的人物的年龄小于概率对应的预设年龄。

在一些实施例中，生成单元包括：确定模块，被配置成从第二结果包括的预设数量个概率中确定与目标年龄置信度相匹配的概率，以及与目标年龄置信度的和与数值1相匹配的概率；生成模块，被配置成将所确定的两个概率分别对应的预设年龄作为目标年龄置信度所对应的年龄置信区间的端点，生成年龄置信区间。

在一些实施例中，该装置还包括：确定单元，被配置成确定年龄置信区间的长度是否小于等于预设长度阈值；融合单元，被配置成响应于确定年龄置信区间的长度小于等于预设长度阈值，对第一结果和目标人脸图像进行融合，生成包括第一结果的结果人脸图像；发送单元，被配置成将结果人脸图像发送给目标显示设备，以及控制目标显示设备对结果人脸图像进行显示。

在一些实施例中，该装置还包括：输出单元，被配置成响应于确定年龄置信区间的长度大于预设长度阈值，输出用于表征年龄识别失败的提示信息。

第三方面，本公开的实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述用于识别年龄的方法中任一实施例的方法。

第四方面，本公开的实施例提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现上述用于识别年龄的方法中任一实施例的方法。

本公开的实施例提供的用于识别年龄的方法和装置，通过获取目标人脸图像，而后将目标人脸图像输入预先训练的年龄识别模型，获得第一结果和第二结果，其中，第一结果用于表征目标人脸图像所对应的人物的年龄，第二结果包括预设数量个概率，预设数量个概率对应预设数量个连续的预设年龄，对于预设数量个概率中的概率，该概率用于表征目标人脸图像所对应的人物的年龄与该概率对应的预设年龄的大小关系满足预设条件的可能性，最后基于第二结果中的预设数量个概率，生成目标年龄置信度所对应的年龄置信区间，从而可以在利用模型识别人脸图像所对应的人物的年龄的同时，预测人脸图像所对应的年龄置信区间，有助于利用所获得的年龄置信区间确定识别出的年龄的准确度，进而，有助于针对性地输出准确度高的年龄识别结果，减小流量消耗。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显：

图1是本公开的一个实施例可以应用于其中的示例性系统架构图；

图2是根据本公开的用于识别年龄的方法的一个实施例的流程图；

图3是根据本公开的实施例的用于识别年龄的方法的一个应用场景的示意图；

图4是根据本公开的用于识别年龄的方法的又一个实施例的流程图；

图5是根据本公开的用于识别年龄的装置的一个实施例的结构示意图；

图6是适于用来实现本公开的实施例的电子设备的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。

图1示出了可以应用本公开的用于识别年龄的方法或用于识别年龄的装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如美图软件、社交平台软件、网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端等。

终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture Experts Group Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103发送的目标人脸图像进行识别的图像识别服务器。图像识别服务器可以对接收到的目标人脸图像等数据进行分析等处理，并获得处理结果(例如第一结果和年龄置信区间)。

需要说明的是，本公开的实施例所提供的用于识别年龄的方法可以由终端设备101、102、103执行，也可以由服务器105执行，相应地，用于识别年龄的装置可以设置于终端设备101、102、103中，也可以设置于服务器105中。

需要说明的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。在生成第一结果和年龄置信区间的过程中所使用的数据不需要从远程获取的情况下，上述系统架构可以不包括网络，而只包括终端设备或服务器。

继续参考图2，示出了根据本公开的用于识别年龄的方法的一个实施例的流程200。该用于识别年龄的方法，包括以下步骤：

步骤201，获取目标人脸图像。

在本实施例中，用于识别年龄的方法的执行主体(例如图1所示的服务器)可以通过有线连接方式或者无线连接方式从远程或本地获取目标人脸图像。其中，目标人脸图像为待确定其所对应的人物的年龄的人脸图像。

特别的，目标人脸图像可以为从目标人脸视频中提取出的视频帧。目标人脸视频可以为对目标人脸进行拍摄获得的视频。

步骤202，将目标人脸图像输入预先训练的年龄识别模型，获得第一结果和第二结果。

在本实施例中，基于步骤201中得到的目标人脸图像，上述执行主体可以将目标人脸图像输入预先训练的年龄识别模型，获得第一结果和第二结果。其中，第一结果用于表征目标人脸图像所对应的人物的年龄，可以包括但不限于以下至少一项：文字、数字、符号、图像。例如，第一结果可以为数字“30”，表征目标人脸图像所对应的人物的年龄为30岁。第二结果包括预设数量个概率。预设数量可以为技术人员预先确定的数量。预设数量个概率对应预设数量个连续的预设年龄。例如，预设数量为10，则预设数量个连续的预设年龄可以为10岁、11岁、12岁、13岁、14岁、15岁、16岁、17岁、18岁、19岁。对于预设数量个概率中的概率，该概率用于表征目标人脸图像所对应的人物的年龄与该概率对应的预设年龄的大小关系满足预设条件的可能性。预设条件为技术人员预先确定的条件。

在本实施例的一些可选的实现方式中，预设条件可以包括以下之一：目标人脸图像所对应的人物的年龄大于概率对应的预设年龄；目标人脸图像所对应的人物的年龄小于概率对应的预设年龄。

在本实施例中，年龄识别模型可以用于表征人脸图像与人脸图像所对应的第一结果和第二结果的对应关系。具体的，作为示例，年龄识别模型可以是技术人员预先基于对大量的人脸图像和人脸图像所对应的第一结果和第二结果的统计而预先制定的、存储有多个人脸图像与对应的第一结果和第二结果的对应关系表；也可以为基于预设的训练样本，利用机器学习方法对初始模型(例如神经网络)进行训练后得到的模型。

步骤203，基于第二结果中的预设数量个概率，生成目标年龄置信度所对应的年龄置信区间。

在本实施例中，基于步骤202中得到的第二结果中的预设数量个概率，上述执行主体可以生成目标年龄置信度所对应的年龄置信区间。其中，目标年龄置信度可以为预先确定的年龄置信度，也可以为基于第二结果中的概率确定出的年龄置信度(例如可以将第二结果中最大的概率确定为目标年龄置信度)。年龄置信度为上述年龄识别模型识别出的第一结果的置信水平。

实践中，置信水平是指总体参数值落在样本统计值某一区内的概率。而置信区间是指在某一置信水平下，样本统计值与总体参数值间误差范围。进而，在本实施例中，目标年龄置信度所对应的年龄置信区间则是指在目标年龄置信度下，通过年龄识别模型识别出的第一结果与目标人脸图像所对应的实际第一结果间的误差范围。可以理解，在目标年龄置信度相同的情况下，通过年龄识别模型确定出的、目标人脸图像所对应的年龄置信区间的长度越短(即误差范围越小)，可以说明年龄识别模型识别出的第一结果越准确。

在本实施例中，上述执行主体可以采用各种方法生成年龄置信区间。

在本实施例的一些可选的实现方式中，上述执行主体可以基于第二结果中的预设数量个概率，采用如下方法生成目标年龄置信度所对应的年龄置信区间：首先，上述执行主体可以从第二结果包括的预设数量个概率中确定与目标年龄置信度相匹配的概率，以及与目标年龄置信度的和与数值1相匹配的概率。然后，上述执行主体可以将所确定的两个概率分别对应的预设年龄作为目标年龄置信度所对应的年龄置信区间的端点，生成年龄置信区间。需要说明的是，与目标年龄置信度相匹配的概率可以为与目标年龄置信度相等的概率，或者可以为与目标年龄置信度最相近的概率。相对应的，与目标年龄置信度的和与数值1相匹配的概率可以为与目标年龄置信度的和为1的概率，或者可以为与目标年龄置信度的和与1最相近的概率。

作为示例，年龄识别模型识别出的第一结果为“25”。目标年龄置信度为预设年龄置信度“80％”。预设年龄包括20岁-29岁十个年龄。第二结果中的概率用于表征目标人脸图像所对应的人物的年龄大于概率所对应的预设年龄的可能性。则第二结果中的、“20岁”所对应的概率可以为90％；“21岁”所对应的概率可以为80％；“22岁”所对应的概率可以为70％；“23岁”所对应的概率可以为60％；“24岁”所对应的概率可以为50％；“25岁”所对应的概率可以为50％；“26岁”所对应的概率可以为40％；“27岁”所对应的概率可以为30％；“28岁”所对应的概率可以为20％；“29岁”所对应的概率可以为10％。由第二结果可以得出，大于“21岁”的可能性是80％，且由于大于“28岁”的可能性为“20％”，则小于“28岁”的可能性则为80％，故可以确定目标年龄置信度“80％”所对应的年龄置信区间为(21,28)。

在本实施例的一些可选的实现方式中，生成年龄置信区间后，上述执行主体可以确定年龄置信区间的长度是否小于等于预设长度阈值，进而响应于确定年龄置信区间的长度小于等于预设长度阈值，对第一结果和目标人脸图像进行融合，生成包括第一结果的结果人脸图像，将结果人脸图像发送给目标显示设备，以及控制目标显示设备对结果人脸图像进行显示。其中，目标显示设备可以为与上述执行主体通信连接的、用于显示上述执行主体发送的图像的设备。作为示例，目标显示设备可以为用户使用的终端设备。

在本实现方式中，对第一结果和目标人脸图像进行融合指的是将第一结果以像素点的形式添加到目标人脸图像中，进而生成包括第一结果的结果人脸图像。实践中，上述执行主体可以向目标显示设备发送控制信号，进而控制目标显示设备对结果人脸图像进行显示。

可以理解，由于年龄置信区间的长度可以用于表征年龄识别模型识别出的第一结果的准确度，且长度越短，第一结果越准确，所以在这里，当年龄置信区间的长度小于等于预设长度阈值时，可以表征年龄识别模型识别出的第一结果符合预设要求，进而，可以将包括第一结果的结果人脸图像发送给目标显示设备，以及控制目标显示设备对结果人脸图像进行显示，以此，可以控制目标显示设备显示准确度符合预设要求的第一结果，进而，可以提高目标显示设备显示的第一结果的准确性，相较于现有技术中的、对识别出的结果均进行输出及显示的方案，本实现方式还可以减小流量和显示资源的消耗。

在本实施例的一些可选的实现方式中，上述执行主体可以响应于确定年龄置信区间的长度大于预设长度阈值，输出预设的、用于表征年龄识别失败的提示信息。其中，提示信息可以包括但不限于以下至少一项：文字、数字、符号、图像、音频、视频。

继续参见图3，图3是根据本实施例的用于识别年龄的方法的应用场景的一个示意图。在图3的应用场景中，服务器301首先获取目标人脸图像302。然后，服务器301将目标人脸图像302输入预先训练的年龄识别模型303，获得第一结果304(例如“36”)和第二结果305(例如“10％；20％；40％；60％；80％；90％”)，其中，第一结果304用于表征目标人脸图像302所对应的人物的年龄，第二结果305包括六个(即预设数量个)概率，六个概率分别对应以下六个预设年龄“34岁；35岁；36岁；37岁；38岁；39岁”，对于六个概率中的概率，该概率用于表征目标人脸图像302所对应的人物的年龄与该概率对应的预设年龄的大小关系满足预设条件的可能性，例如该概率可以用于表征目标人脸图像302所对应的人物的年龄小于该概率对应的预设年龄的可能性。最后，服务器301可以基于第二结果305中的六个概率，生成目标年龄置信度(例如“80％”)所对应的年龄置信区间306(例如“(35,38)”)。

本公开的上述实施例提供的方法可以在利用模型识别人脸图像所对应的人物的年龄的同时，预测人脸图像所对应的年龄置信区间，有助于利用所获得的年龄置信区间确定识别出的年龄的准确度，进而，有助于针对性地输出准确度高的年龄识别结果，减小流量消耗。

进一步参考图4，其示出了用于识别年龄的方法的又一个实施例的流程400。该用于识别年龄的方法的流程400，包括以下步骤：

步骤401，获取目标人脸图像。

在本实施例中，用于识别年龄的方法的执行主体(例如图1所示的服务器)可以通过有线连接方式或者无线连接方式从远程或本地获取目标人脸图像。其中，目标人脸图像为待确定其所对应的人物的年龄的人脸图像。

步骤402，将目标人脸图像输入预先训练的年龄识别模型的第一识别模型的特征提取层，获得图像特征。

在本实施例中，预先训练的年龄识别模型包括第一识别模型和第二识别模型。第一识别模型包括特征提取层和结果生成层。第二识别模型与第一识别模型中的特征提取层连接。以及，基于步骤401中得到的目标人脸图像，上述执行主体可以将目标人脸图像输入年龄识别模型中的第一识别模型的特征提取层，获得图像特征。其中，图像特征可以为图像的各种特征，例如颜色特征、灰度特征等。

在这里，特征提取层可以包括用于提取图像特征的结构(例如卷积层)，当然也可以包括其他结构(例如池化层)，此处不做限制。

步骤403，将图像特征分别输入第一识别模型的结果生成层和第二识别模型，获得第一结果和第二结果。

在本实施例中，基于步骤402中得到的图像特征，上述执行主体可以将图像特征分别输入与特征提取层连接的、结果生成层和第二识别模型，获得第一结果和第二结果。

具体的，结果生成层用于基于图像特征生成第一结果。第一结果用于表征目标人脸图像所对应的人物的年龄，可以包括但不限于以下至少一项：文字、数字、符号、图像。第二识别模型用于基于图像特征生成第二结果。第二结果包括预设数量个概率。预设数量可以为技术人员预先确定的数量。预设数量个概率对应预设数量个连续的预设年龄。对于预设数量个概率中的概率，该概率用于表征目标人脸图像所对应的人物的年龄与该概率对应的预设年龄的大小关系满足预设条件的可能性。预设条件为技术人员预先确定的条件。

在本实施例中，结果生成层可以包括用于生成第一结果的结构(例如分类器、全连接层)，还可以包括其他结构(例如输出层)；同理，第二识别模型可以包括用于生成第二结果的结构(例如分类器、全连接层)，还可以包括其他结构(例如输出层)。

在本实施例中，年龄识别模型可以为基于预设的训练样本，利用机器学习方法对初始模型(例如神经网络)进行训练后得到的模型。

在本实施例的一些可选的实现方式中，年龄识别模型可以由上述执行主体或其他电子设备通过以下方式训练得到：

首先，上述执行主体或其他电子设备可以获取训练样本集和初始年龄识别模型。

其中，初始年龄识别模型包括初始第二识别模型和预先训练的第一识别模型。初始第二识别模型与第一识别模型中的特征提取层连接，训练样本包括样本人脸图像和针对样本人脸图像预先标注的样本第二结果。样本第二结果包括预设数量个样本概率。预设数量个样本概率对应预设数量个连续的预设年龄。对于预设数量个样本概率中的样本概率，该样本概率用于表征样本人脸图像所对应的人物的年龄与该样本概率对应的预设年龄的大小关系满足预设条件的可能性。

在这里，第一识别模型可以用于表征人脸图像与人脸图像所对应的第一结果的对应关系。具体的，作为示例，第一识别模型可以是技术人员预先基于对大量的人脸图像和人脸图像所对应的第一结果的统计而预先制定的、存储有多个人脸图像与对应的第一结果的对应关系表；也可以为基于预设的训练样本，利用机器学习方法对初始模型(例如神经网络)进行训练后得到的模型。

可以理解，由于初始年龄识别模型中的第一识别模型为已经训练完成的模型，因此，对初始年龄识别模型的训练实质上是对初始年龄识别模型中的初始第二识别模型的训练。因此，这里所获得的训练样本集中的训练样本仅包括用于训练初始第二识别模型的样本人脸图像和样本第二结果。

然后，从训练样本集中选取训练样本，及执行以下训练步骤：将所选取的训练样本中的样本人脸图像输入第一识别模型的特征提取层，获得图像特征；将所获得的图像特征作为初始第二识别模型的输入，将所选取的训练样本中的样本第二结果作为初始第二识别模型的期望输出，利用机器学习方法，对初始第二识别模型进行训练。

具体的，上述执行主体或其他电子设备可以首先将图像特征输入初始第二识别模型，获得实际第二结果。然后，上述执行主体或其他电子设备可以采用梯度下降法和反向传播法，基于实际第二结果和样本第二结果，调整初始第二识别模型的参数，将每次调整参数后得到的第二识别模型作为下次训练的初始第二识别模型，并在满足预设的训练结束条件的情况下，结束训练，从而获得训练完成的初始第二识别模型。上述预设的训练结束条件可以包括但不限于以下至少一项：训练时间超过预设时长；训练次数超过预设次数；利用预设的损失函数(例如交叉熵损失函数)计算得到的实际第二结果相对于样本第二结果损失值小于预设损失值阈值。

最后，将训练完成的初始第二识别模型和第一识别模型所组成的初始年龄识别模型确定为年龄识别模型。

步骤404，基于第二结果中的预设数量个概率，生成目标年龄置信度所对应的年龄置信区间。

在本实施例中，基于步骤403中得到的第二结果中的预设数量个概率，上述执行主体可以生成目标年龄置信度所对应的年龄置信区间。

上述步骤401和步骤404分别与前述实施例中的步骤201、步骤203一致，上文针对步骤201、步骤203的描述也适用于步骤401和步骤404，此处不再赘述。

从图4中可以看出，与图2对应的实施例相比，本实施例中的用于识别年龄的方法的流程400突出了利用预先训练的年龄识别模型中的第一识别模型的特征提取层，提取目标人脸图像的图像特征，进而将图像特征分别输入第一识别模型的结果生成层和第二识别模型，获得第一结果和第二结果的步骤。由此，本实施例描述的方案可以使年龄识别模型中的第二识别模型与第一识别模型共享特征，进而有助于使得识别出的第一结果所表征的年龄落在第二结果所对应的年龄置信区间内，从而有助于利用所获得的年龄置信区间更为有效地确定识别出的年龄的准确度。

进一步参考图5，作为对上述各图所示方法的实现，本公开提供了一种用于识别年龄的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图5所示，本实施例的用于识别年龄的装置500包括：获取单元501、输入单元502和生成单元503。其中，获取单元501被配置成获取目标人脸图像；输入单元502被配置成将目标人脸图像输入预先训练的年龄识别模型，获得第一结果和第二结果，其中，第一结果用于表征目标人脸图像所对应的人物的年龄，第二结果包括预设数量个概率，预设数量个概率对应预设数量个连续的预设年龄，对于预设数量个概率中的概率，该概率用于表征目标人脸图像所对应的人物的年龄与该概率对应的预设年龄的大小关系满足预设条件的可能性；生成单元503被配置成基于第二结果中的预设数量个概率，生成目标年龄置信度所对应的年龄置信区间。

在本实施例中，用于识别年龄的装置500的获取单元501可以通过有线连接方式或者无线连接方式从远程或本地获取目标人脸图像。其中，目标人脸图像为待确定其所对应的人物的年龄的人脸图像。

在本实施例中，基于获取单元501得到的目标人脸图像，输入单元502可以将目标人脸图像输入预先训练的年龄识别模型，获得第一结果和第二结果。其中，第一结果用于表征目标人脸图像所对应的人物的年龄，可以包括但不限于以下至少一项：文字、数字、符号、图像。第二结果包括预设数量个概率。预设数量可以为技术人员预先确定的数量。预设数量个概率对应预设数量个连续的预设年龄。对于预设数量个概率中的概率，该概率用于表征目标人脸图像所对应的人物的年龄与该概率对应的预设年龄的大小关系满足预设条件的可能性。预设条件为技术人员预先确定的条件。

在本实施例中，年龄识别模型可以用于表征人脸图像与人脸图像所对应的第一结果和第二结果的对应关系。

在本实施例中，基于输入单元502得到的第二结果中的预设数量个概率，生成单元503可以生成目标年龄置信度所对应的年龄置信区间。其中，目标年龄置信度可以为预先确定的年龄置信度，也可以为基于第二结果中的概率确定出的年龄置信度。年龄置信度为上述年龄识别模型识别出的第一结果的置信水平。目标年龄置信度所对应的年龄置信区间则是指在目标年龄置信度下，通过年龄识别模型识别出的第一结果与目标人脸图像所对应的实际第一结果间的误差范围。

在本实施例的一些可选的实现方式中，年龄识别模型包括第一识别模型和第二识别模型，第一识别模型包括特征提取层和结果生成层，第二识别模型与第一识别模型中的特征提取层连接；以及输入单元502可以包括：第一输入模块(图中未示出)，被配置成将目标人脸图像输入第一识别模型的特征提取层，获得图像特征；第二输入模块(图中未示出)，被配置成将图像特征分别输入第一识别模型的结果生成层和第二识别模型，获得第一结果和第二结果。

在本实施例的一些可选的实现方式中，年龄识别模型可以通过以下方式训练得到：获取训练样本集和初始年龄识别模型，其中，初始年龄识别模型包括初始第二识别模型和预先训练的第一识别模型，初始第二识别模型与第一识别模型中的特征提取层连接，训练样本包括样本人脸图像和针对样本人脸图像预先标注的样本第二结果；从训练样本集中选取训练样本，及执行以下训练步骤：将所选取的训练样本中的样本人脸图像输入第一识别模型的特征提取层，获得图像特征；将所获得的图像特征作为初始第二识别模型的输入，将所选取的训练样本中的样本第二结果作为初始第二识别模型的期望输出，利用机器学习方法，对初始第二识别模型进行训练；将训练完成的初始第二识别模型和第一识别模型所组成的初始年龄识别模型确定为年龄识别模型。

在本实施例的一些可选的实现方式中，预设条件包括以下之一：目标人脸图像所对应的人物的年龄大于概率对应的预设年龄；目标人脸图像所对应的人物的年龄小于概率对应的预设年龄。

在本实施例的一些可选的实现方式中，生成单元503可以包括：确定模块(图中未示出)，被配置成从第二结果包括的预设数量个概率中确定与目标年龄置信度相匹配的概率，以及与目标年龄置信度的和与数值1相匹配的概率；生成模块(图中未示出)，被配置成将所确定的两个概率分别对应的预设年龄作为目标年龄置信度所对应的年龄置信区间的端点，生成年龄置信区间。

在本实施例的一些可选的实现方式中，装置500还可以包括：确定单元(图中未示出)，被配置成确定年龄置信区间的长度是否小于等于预设长度阈值；融合单元(图中未示出)，被配置成响应于确定年龄置信区间的长度小于等于预设长度阈值，对第一结果和目标人脸图像进行融合，生成包括第一结果的结果人脸图像；发送单元(图中未示出)，被配置成将结果人脸图像发送给目标显示设备，以及控制目标显示设备对结果人脸图像进行显示。

在本实施例的一些可选的实现方式中，装置500还可以包括：输出单元(图中未示出)，被配置成响应于确定年龄置信区间的长度大于预设长度阈值，输出用于表征年龄识别失败的提示信息。

可以理解的是，该装置500中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置500及其中包含的单元，在此不再赘述。

本公开的上述实施例提供的装置500可以在利用模型识别人脸图像所对应的人物的年龄的同时，预测人脸图像所对应的年龄置信区间，有助于利用所获得的年龄置信区间确定识别出的年龄的准确度，进而，有助于针对性地输出准确度高的年龄识别结果，减小流量消耗。

下面参考图6，其示出了适于用来实现本公开实施例的电子设备(例如图1中的终端设备或服务器)600的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图6示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图6所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM 602被安装。在该计算机程序被处理装置601执行时，执行本公开实施例的方法中限定的上述功能。

需要说明的是，本公开所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取目标人脸图像；将目标人脸图像输入预先训练的年龄识别模型，获得第一结果和第二结果，其中，第一结果用于表征目标人脸图像所对应的人物的年龄，第二结果包括预设数量个概率，预设数量个概率对应预设数量个连续的预设年龄，对于预设数量个概率中的概率，该概率用于表征目标人脸图像所对应的人物的年龄与该概率对应的预设年龄的大小关系满足预设条件的可能性；基于第二结果中的预设数量个概率，生成目标年龄置信度所对应的年龄置信区间。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取目标人脸图像的单元”。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (16)

1.一种用于识别年龄的方法，包括：

获取目标人脸图像；

将所述目标人脸图像输入预先训练的年龄识别模型，获得第一结果和第二结果，其中，第一结果用于表征目标人脸图像所对应的人物的年龄，第二结果包括预设数量个概率，预设数量个概率对应预设数量个连续的预设年龄，对于预设数量个概率中的概率，该概率用于表征目标人脸图像所对应的人物的年龄与该概率对应的预设年龄的大小关系满足预设条件的可能性；基于所述第二结果中的预设数量个概率，生成目标年龄置信度所对应的年龄置信区间。

2.根据权利要求1所述的方法，其中，所述年龄识别模型包括第一识别模型和第二识别模型，第一识别模型包括特征提取层和结果生成层，第二识别模型与第一识别模型中的特征提取层连接；以及

所述将所述目标人脸图像输入预先训练的年龄识别模型，获得第一结果和第二结果，包括：

将所述目标人脸图像输入所述第一识别模型的特征提取层，获得图像特征；

将所述图像特征分别输入所述第一识别模型的结果生成层和所述第二识别模型，获得第一结果和第二结果。

3.根据权利要求2所述的方法，其中，所述年龄识别模型通过以下方式训练得到：

获取训练样本集和初始年龄识别模型，其中，初始年龄识别模型包括初始第二识别模型和预先训练的第一识别模型，初始第二识别模型与所述第一识别模型中的特征提取层连接，训练样本包括样本人脸图像和针对样本人脸图像预先标注的样本第二结果；

从所述训练样本集中选取训练样本，及执行以下训练步骤：将所选取的训练样本中的样本人脸图像输入第一识别模型的特征提取层，获得图像特征；将所获得的图像特征作为初始第二识别模型的输入，将所选取的训练样本中的样本第二结果作为初始第二识别模型的期望输出，利用机器学习方法，对初始第二识别模型进行训练；

将训练完成的初始第二识别模型和所述第一识别模型所组成的初始年龄识别模型确定为年龄识别模型。

4.根据权利要求1所述的方法，其中，所述预设条件包括以下之一：

目标人脸图像所对应的人物的年龄大于概率对应的预设年龄；目标人脸图像所对应的人物的年龄小于概率对应的预设年龄。

5.根据权利要求1所述的方法，其中，所述基于所述第二结果中的预设数量个概率，生成目标年龄置信度所对应的年龄置信区间，包括：

从所述第二结果包括的预设数量个概率中确定与所述目标年龄置信度相匹配的概率，以及与所述目标年龄置信度的和与数值1相匹配的概率；

将所确定的两个概率分别对应的预设年龄作为所述目标年龄置信度所对应的年龄置信区间的端点，生成年龄置信区间。

6.根据权利要求1-5之一所述的方法，其中，所述方法还包括：

确定所述年龄置信区间的长度是否小于等于预设长度阈值；

响应于确定所述年龄置信区间的长度小于等于预设长度阈值，对所述第一结果和所述目标人脸图像进行融合，生成包括所述第一结果的结果人脸图像；

将所述结果人脸图像发送给目标显示设备，以及控制所述目标显示设备对所述结果人脸图像进行显示。

7.根据权利要求6所述的方法，其中，所述方法还包括：

响应于确定所述年龄置信区间的长度大于所述预设长度阈值，输出用于表征年龄识别失败的提示信息。

8.一种用于识别年龄的装置，包括：

获取单元，被配置成获取目标人脸图像；

输入单元，被配置成将所述目标人脸图像输入预先训练的年龄识别模型，获得第一结果和第二结果，其中，第一结果用于表征目标人脸图像所对应的人物的年龄，第二结果包括预设数量个概率，预设数量个概率对应预设数量个连续的预设年龄，对于预设数量个概率中的概率，该概率用于表征目标人脸图像所对应的人物的年龄与该概率对应的预设年龄的大小关系满足预设条件的可能性；

生成单元，被配置成基于所述第二结果中的预设数量个概率，生成目标年龄置信度所对应的年龄置信区间。

9.根据权利要求8所述的装置，其中，所述年龄识别模型包括第一识别模型和第二识别模型，第一识别模型包括特征提取层和结果生成层，第二识别模型与第一识别模型中的特征提取层连接；以及

所述输入单元包括：

第一输入模块，被配置成将所述目标人脸图像输入所述第一识别模型的特征提取层，获得图像特征；

第二输入模块，被配置成将所述图像特征分别输入所述第一识别模型的结果生成层和所述第二识别模型，获得第一结果和第二结果。

10.根据权利要求9所述的装置，其中，所述年龄识别模型通过以下方式训练得到：

获取训练样本集和初始年龄识别模型，其中，初始年龄识别模型包括初始第二识别模型和预先训练的第一识别模型，初始第二识别模型与所述第一识别模型中的特征提取层连接，训练样本包括样本人脸图像和针对样本人脸图像预先标注的样本第二结果；

从所述训练样本集中选取训练样本，及执行以下训练步骤：将所选取的训练样本中的样本人脸图像输入第一识别模型的特征提取层，获得图像特征；将所获得的图像特征作为初始第二识别模型的输入，将所选取的训练样本中的样本第二结果作为初始第二识别模型的期望输出，利用机器学习方法，对初始第二识别模型进行训练；

将训练完成的初始第二识别模型和所述第一识别模型所组成的初始年龄识别模型确定为年龄识别模型。

11.根据权利要求8所述的装置，其中，所述预设条件包括以下之一：

目标人脸图像所对应的人物的年龄大于概率对应的预设年龄；目标人脸图像所对应的人物的年龄小于概率对应的预设年龄。

12.根据权利要求8所述的装置，其中，所述生成单元包括：

确定模块，被配置成从所述第二结果包括的预设数量个概率中确定与所述目标年龄置信度相匹配的概率，以及与所述目标年龄置信度的和与数值1相匹配的概率；

生成模块，被配置成将所确定的两个概率分别对应的预设年龄作为所述目标年龄置信度所对应的年龄置信区间的端点，生成年龄置信区间。

13.根据权利要求8-12之一所述的装置，其中，所述装置还包括：

确定单元，被配置成确定所述年龄置信区间的长度是否小于等于预设长度阈值；

融合单元，被配置成响应于确定所述年龄置信区间的长度小于等于预设长度阈值，对所述第一结果和所述目标人脸图像进行融合，生成包括所述第一结果的结果人脸图像；

发送单元，被配置成将所述结果人脸图像发送给目标显示设备，以及控制所述目标显示设备对所述结果人脸图像进行显示。

14.根据权利要求13所述的装置，其中，所述装置还包括：

输出单元，被配置成响应于确定所述年龄置信区间的长度大于所述预设长度阈值，输出用于表征年龄识别失败的提示信息。

15.一种电子设备，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。

16.一种计算机可读介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如权利要求1-7中任一所述的方法。