CN112990056A - 年龄识别方法及装置、电子设备和存储介质 - Google Patents
年龄识别方法及装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN112990056A CN112990056A CN202110335364.5A CN202110335364A CN112990056A CN 112990056 A CN112990056 A CN 112990056A CN 202110335364 A CN202110335364 A CN 202110335364A CN 112990056 A CN112990056 A CN 112990056A
- Authority
- CN
- China
- Prior art keywords
- age
- identification
- target image
- target object
- target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 76
- 230000015654 memory Effects 0.000 claims description 32
- 238000013528 artificial neural network Methods 0.000 claims description 31
- 238000004590 computer program Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 description 24
- 238000010586 diagram Methods 0.000 description 19
- 230000008569 process Effects 0.000 description 15
- 230000006870 function Effects 0.000 description 14
- 238000004891 communication Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 7
- 238000012935 Averaging Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000005291 magnetic effect Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000036544 posture Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- KLDZYURQCUYZBL-UHFFFAOYSA-N 2-[3-[(2-hydroxyphenyl)methylideneamino]propyliminomethyl]phenol Chemical compound OC1=CC=CC=C1C=NCCCN=CC1=CC=CC=C1O KLDZYURQCUYZBL-UHFFFAOYSA-N 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 201000001098 delayed sleep phase syndrome Diseases 0.000 description 1
- 208000033921 delayed sleep phase type circadian rhythm sleep disease Diseases 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 210000003414 extremity Anatomy 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000004630 mental health Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/178—Human faces, e.g. facial parts, sketches or expressions estimating age from face image; using age information for improving recognition
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本公开涉及一种年龄识别方法及装置、电子设备和存储介质。所述方法包括:对第一目标图像中的目标对象进行初始年龄识别,得到所述第一目标图像中目标对象的第一识别年龄;获取所述第一目标图像中目标对象的身高信息;根据所述第一识别年龄与所述身高信息之间的匹配情况,结合所述第一目标图像,确定所述第一目标图像中目标对象的第二识别年龄。本公开实施例可以提高对儿童或青少年等特定对象的年龄的识别准确度,实现年龄的高精度识别。
Description
技术领域
本公开涉及计算机视觉领域,尤其涉及一种年龄识别方法及装置、电子设备和存储介质。
背景技术
随着人脸识别技术的快速发展,对于年龄识别的应用范围越来越广。相关技术中,对于年龄识别的误差在5岁以内的准确率可以达到80%以上。
但是针对一些需要精确识别年龄的场景,比如针对儿童等特定对象的保护场景等,上述准确率是远远不够的。如何进一步对儿童等特定对象的年龄进行精确地判断,成为目前一个亟待解决的问题。
发明内容
本公开提出了一种年龄识别方案。
根据本公开的一方面,提供了一种年龄识别方法,包括:
对第一目标图像中的目标对象进行初始年龄识别,得到所述第一目标图像中目标对象的第一识别年龄;获取所述第一目标图像中目标对象的身高信息;根据所述第一识别年龄与所述身高信息之间的匹配情况,结合所述第一目标图像,确定所述第一目标图像中目标对象的第二识别年龄。
在一种可能的实现方式中,所述对第一目标图像中的目标对象进行初始年龄识别,得到所述第一目标图像中目标对象的第一识别年龄,包括:将所述第一目标图像输入年龄识别神经网络,得到所述年龄识别神经网络输出的第一识别年龄。
在一种可能的实现方式中,所述获取所述第一目标图像中目标对象的身高信息,包括:在所述第一识别年龄属于预设年龄范围以内的情况下,获取所述第一目标图像中目标对象的身高信息。
在一种可能的实现方式中,所述获取所述第一目标图像中目标对象的身高信息,包括:将所述第一目标图像输入人体关键点识别网络,得到所述人体关键点识别网络输出的至少两个人体关键点的位置信息;根据所述至少两个人体关键点的位置信息,确定不同的人体关键点之间的距离;根据所述不同的人体关键点之间的距离,得到所述第一目标图像中目标对象的身高信息。
在一种可能的实现方式中,所述根据所述第一识别年龄与所述身高信息之间的匹配情况,结合所述第一目标图像,确定所述第一目标图像中目标对象的第二识别年龄,包括:获取所述第一识别年龄对应的参考身高范围;在所述身高信息属于所述参考身高范围以内的情况下,将所述第一识别年龄作为所述第一目标图像中目标对象的第二识别年龄;或者,在所述身高信息属于所述参考身高范围以外的情况下,对所述第一目标图像进行人脸识别,基于人脸识别的结果确定所述第一目标图像中目标对象的第二识别年龄。
在一种可能的实现方式中,所述获取所述第一识别年龄对应的参考身高范围,包括:获取所述第一识别年龄或所述第一识别年龄所在年龄段对应的标准身高,并基于所述标准身高确定所述参考身高范围。
在一种可能的实现方式中,所述获取所述第一识别年龄或所述第一识别年龄所在年龄段对应的标准身高,包括:对所述第一目标图像进行性别识别,确定所述第一目标图像中目标对象的性别;根据所述目标对象的性别,查找与所述性别对应的年龄身高对应表,得到所述第一识别年龄或所述第一识别年龄所在年龄段对应的标准身高。
在一种可能的实现方式中,所述基于人脸识别的结果确定所述第一目标图像中目标对象的第二识别年龄,包括:基于人脸识别的结果,获取所述目标对象的至少一张第二目标图像;获取所述至少一张第二目标图像中所述目标对象的第二识别年龄,作为参考年龄;根据所述参考年龄,结合所述第一目标图像中目标对象的第一识别年龄,得到所述第一目标图像中目标对象的第二识别年龄。
在一种可能的实现方式中,所述基于人脸识别的结果,获取所述目标对象的至少一张第二目标图像,包括:基于人脸识别的结果,确定所述目标对象的身份信息;根据所述身份信息,在目标数据库中获取至少一张与所述身份信息对应的图像,作为所述第二目标图像。
在一种可能的实现方式中,所述方法还包括:获取所述目标对象的身份信息;将所述第一目标图像中所述目标对象的第二识别年龄与所述身份信息进行绑定。
根据本公开的一方面,提供了一种年龄识别装置,包括:
第一年龄识别模块,用于对第一目标图像中的目标对象进行初始年龄识别,得到所述第一目标图像中目标对象的第一识别年龄;身高获取模块,用于获取所述第一目标图像中目标对象的身高信息;第二年龄识别模块,用于根据所述第一识别年龄与所述身高信息之间的匹配情况,结合所述第一目标图像,确定所述第一目标图像中目标对象的第二识别年龄。
在一种可能的实现方式中,所述第一年龄识别模块用于:将所述第一目标图像输入年龄识别神经网络,得到所述年龄识别神经网络输出的第一识别年龄。
在一种可能的实现方式中,所述身高获取模块用于:在所述第一识别年龄属于预设年龄范围以内的情况下,获取所述第一目标图像中目标对象的身高信息。
在一种可能的实现方式中,所述身高获取模块用于:将所述第一目标图像输入人体关键点识别网络,得到所述人体关键点识别网络输出的至少两个人体关键点的位置信息;根据所述至少两个人体关键点的位置信息,确定不同的人体关键点之间的距离;根据所述不同的人体关键点之间的距离,得到所述第一目标图像中目标对象的身高信息。
在一种可能的实现方式中,所述第二年龄识别模块用于:获取所述第一识别年龄对应的参考身高范围;在所述身高信息属于所述参考身高范围以内的情况下,将所述第一识别年龄作为所述第一目标图像中目标对象的第二识别年龄;或者,在所述身高信息属于所述参考身高范围以外的情况下,对所述第一目标图像进行人脸识别,基于人脸识别的结果确定所述第一目标图像中目标对象的第二识别年龄。
在一种可能的实现方式中,所述第二年龄识别模块进一步用于:获取所述第一识别年龄或所述第一识别年龄所在年龄段对应的标准身高,并基于所述标准身高确定所述参考身高范围。
在一种可能的实现方式中,所述第二年龄识别模块进一步用于:对所述第一目标图像进行性别识别,确定所述第一目标图像中目标对象的性别;根据所述目标对象的性别,查找与所述性别对应的年龄身高对应表,得到所述第一识别年龄或所述第一识别年龄所在年龄段对应的标准身高。
在一种可能的实现方式中,所述第二年龄识别模块进一步用于:基于人脸识别的结果,获取所述目标对象的至少一张第二目标图像;获取所述至少一张第二目标图像中所述目标对象的第二识别年龄,作为参考年龄;根据所述参考年龄,结合所述第一目标图像中目标对象的第一识别年龄,得到所述第一目标图像中目标对象的第二识别年龄。
在一种可能的实现方式中,所述第二年龄识别模块进一步用于:基于人脸识别的结果,确定所述目标对象的身份信息;根据所述身份信息,在目标数据库中获取至少一张与所述身份信息对应的图像,作为所述第二目标图像。
在一种可能的实现方式中,所述装置还用于:获取所述目标对象的身份信息;将所述第一目标图像中所述目标对象的第二识别年龄与所述身份信息进行绑定。
根据本公开的一方面,提供了一种电子设备,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:执行上述年龄识别方法。
根据本公开的一方面,提供了一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述年龄识别方法。
在本公开实施例中,通过对第一目标图像中的目标对象进行初始年龄识别,得到第一识别年龄,并获取第一目标图像中目标对象的身高信息,从而根据第一识别年龄与身高信息之间的匹配情况,结合第一目标图像来确定第一目标图像中目标对象的第二识别年龄。通过上述过程,可以利用身高与年龄之间的对应关系辅助进行年龄识别,从而可以提高对儿童或青少年等特定对象的年龄的识别准确度,实现年龄的高精度识别。
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,而非限制本公开。根据下面参考附图对示例性实施例的详细说明,本公开的其它特征及方面将变得清楚。
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,这些附图示出了符合本公开的实施例,并与说明书一起用于说明本公开的技术方案。
图1示出根据本公开一实施例的年龄识别方法的流程图。
图2示出根据本公开一实施例的年龄识别方法的流程图。
图3示出根据本公开一实施例的人体关键点的示意图。
图4示出根据本公开一实施例的年龄识别方法的流程图。
图5示出根据本公开一实施例的年龄识别装置的框图。
图6示出根据本公开实施例的一种电子设备的框图。
图7示出根据本公开实施例的一种电子设备的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合,例如,包括A、B、C中的至少一种,可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
另外,为了更好地说明本公开,在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本公开同样可以实施。在一些实例中,对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述,以便于凸显本公开的主旨。
图1示出根据本公开一实施例的年龄识别方法的流程图,该方法可以应用于年龄识别装置,年龄识别装置可以为终端设备、服务器或者其他处理设备等。其中,终端设备可以为用户设备(User Equipment,UE)、移动设备、用户终端、蜂窝电话、无绳电话、个人数字助理(Personal Digital Assistant,PDA)、手持设备、计算设备、车载设备、可穿戴设备等。在一个示例中,该年龄识别方法可以应用于云端服务器或本地服务器,云端服务器可以为公有云服务器,也可以为私有云服务器,根据实际情况灵活选择即可。
在一些可能的实现方式中,该年龄识别方法也可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。
如图1所示,在一种可能的实现方式中,所述年龄识别方法可以包括:
步骤S11,对第一目标图像中的目标对象进行初始年龄识别,得到第一目标图像中目标对象的第一识别年龄。
步骤S12,获取第一目标图像中目标对象的身高信息。
步骤S13,根据第一识别年龄与身高信息之间的匹配情况,结合第一目标图像,确定第一目标图像中目标对象的第二识别年龄。
其中,目标对象可以是具有年龄识别需求的任意对象,第一目标图像可以是包含有目标对象的任意图像。第一目标图像中包含目标对象的数量在本公开实施例中不做限定,在一种可能的实现方式中,第一目标图像中可以仅包含一个目标对象;或者,在目标图像包含多个对象,且多个对象均需识别年龄的情况下,这多个对象均可以作为目标对象。后续各公开实施例均以第一目标图像中包含一个目标对象为例进行说明,第一目标图像包含多个目标对象的情况可以参考后续各公开实施例灵活扩展。
步骤S11中,对目标对象进行初始年龄识别的方法可以根据实际情况灵活决定,任何相关技术中可以基于图像进行年龄识别的方法,均可以作为步骤S11的实现方式。步骤S11的一些可能实现方式详见下述各公开实施例,在此先不做展开。
在步骤S12中,可以获取第一目标图像中目标对象的身高信息。
其中,获取身高信息的方式可以根据实际情况灵活选择,不局限于下述各公开实施例。在一种可能的实现方式中,可以通过第一目标图像与现实场景的比例,以及第一目标图像中目标对象的头和脚之间的距离来确定目标对象的身高信息;或者,也可以通过其他的方式,比如具有身高识别功能的神经网络等,来对第一目标图像进行处理,继而获取目标对象的身高信息等。步骤S12的其他实现形式可以详见后续各公开实施例,在此先不做展开。
步骤S11与步骤S12的实现顺序在本公开实施例中不做限制,可以同时实现,也可以按照一定顺序依次实现,根据实际情况灵活选择即可。
在获取到目标对象的第一识别年龄以及身高信息以后,可以根据第一识别年龄与身高信息之间的匹配情况,通过步骤S13确定目标对象的第二识别年龄。其中第二识别年龄的结果相较于第一识别年龄具有更高的精确度,在一些可能的实现方式中,可以将第二识别年龄作为最终的识别年龄。
步骤S13中,如何确定第一识别年龄与身高信息是否匹配,可以根据实际情况灵活选择,比如可以根据第一识别年龄对应的大致身高,与身高信息是否接近等来确定二者是否匹配,或是根据身高信息对应的大致年龄,与第一识别年龄是否接近等来确定二者是否匹配等。一些可能的具体判断方式详见下述各公开实施例,在此先不做展开。
在第一识别年龄与身高信息匹配的情况下,可以认为第一识别年龄是准确的,在这种情况下,可以将第一识别年龄作为目标对象的第二识别年龄;在第一识别年龄与身高信息不匹配的情况下,可以根据第一目标图像,对目标对象的年龄进行进一步识别与校正,如何在第一识别年龄与身高信息不匹配的情况下确定目标对象的第二识别年龄,其实现方式可以根据实际情况灵活决定,比如可以对第一目标图像通过其他的计算方式进行年龄识别,或是对第一目标图像进行多次年龄识别等,或是根据第一目标图像得到包含目标对象的其他图像,并基于其他图像辅助对第一目标图像中的目标对象进行年龄识别等,具体如何实现可以详见下述各公开实施例,在此先不做展开。
在本公开实施例中,通过对第一目标图像中的目标对象进行初始年龄识别,得到第一识别年龄,并获取第一目标图像中目标对象的身高信息,从而根据第一识别年龄与身高信息之间的匹配情况,结合第一目标图像来确定目标对象的第二识别年龄。通过上述过程,可以利用身高与年龄之间的对应关系辅助进行年龄识别,从而可以提高对儿童或青少年等特定对象的年龄的识别准确度,实现年龄的高精度识别。
如上述各公开实施例所述,步骤S11的实现方式可以根据实际情况灵活决定。在一种可能的实现方式中,步骤S11可以包括:将第一目标图像输入年龄识别神经网络,得到年龄识别神经网络输出的第一识别年龄。
其中,年龄识别神经网络可以是具有年龄识别功能的神经网络,其实现方式在本公开实施例中不做限制,任意具有相应功能的神经网络均可以作为年龄识别神经网络的实现形式。在一种可能的实现方式中,年龄识别神经网络可以是人脸属性识别网络,可以对图像中人脸的多种属性进行识别,其中,该多种属性中,包含人脸的年龄属性,将目标图像输入该人脸属性识别网络,可以根据网络的输出确定目标图像中目标对象的第一识别年龄。在一些可能的实现方式中,年龄识别神经网络也可以是仅具有年龄识别功能的神经网络,且该网络可以是基于人脸属性进行识别,也可以是基于人体属性进行识别等。
通过将第一目标图像输入年龄识别神经网络,来得到年龄识别神经网络输出的第一识别年龄,通过上述方式,可以高效地确定目标对象的第一识别年龄,且通过神经网络进行年龄识别得到的第一识别年龄也具有较高的准确率,从而使得最终确定的第二识别年龄结果也更加准确。
在一种可能的实现方式中,步骤S12可以包括:在第一识别年龄属于预设年龄范围以内的情况下,获取第一目标图像中目标对象的身高信息。
其中,预设年龄范围的具体年龄范围可以根据实际情况灵活决定,不局限于下述各公开实施例。考虑到随着年龄的增长,人的身高可能停止增长,在停止增长以后,身高与年龄之间的对应关系可能不再明显,因此,在一种可能的实现方式中,可以将预设年龄范围设置在儿童或是青少年的年龄以内,在一个示例中,可以将预设年龄范围设置在12岁以下;或者,也可以根据实际应用的需求,将预设年龄设置在所需的年龄段,比如6~8岁或1~12岁等,具体设置的范围不予限定。
在一些可能的实现方式中,可以在获取身高信息以后,通过步骤S13确定目标对象的第二识别年龄;在一些可能的实现方式中,也可以直接将第一识别年龄作为目标对象的第二识别年龄,或是可以通过其他的方式,对目标对象的第一识别年龄来进行检验,并基于检验结果对第一识别年龄进行校正等。检验与校正的具体方式在本公开实施例中不做限制,可以根据实际情况灵活选择。
通过在第一识别年龄属于预设年龄范围以内的情况下,获取第一目标图像中目标对象的身高信息,可以在年龄增长导致身高与年龄对应关系不明显的情况下,减小身高信息带来的干扰,且减少年龄识别过程中所需处理的数据量,提高了年龄识别的精度和效率。
图2示出根据本公开一实施例的年龄识别方法的流程图,如图所示,在一种可能的实现方式中,步骤S12可以包括:
步骤S121,将第一目标图像输入人体关键点识别网络,得到人体关键点识别网络输出的至少两个人体关键点的位置信息;
步骤S122,根据至少两个人体关键点的位置信息,确定不同的人体关键点之间的距离;
步骤S123,根据不同的人体关键点之间的距离,得到第一目标图像中目标对象的身高信息。
其中,人体关键点识别网络可以是对人体中的人体关键点进行识别的神经网络,具体可以识别哪些人体关键点可以根据实际情况灵活决定。在一些可能的实现方式中,人体关键点可以包括头、手或是脚等一个或多个关键点。图3示出根据本公开一实施例的人体关键点的示意图,从图中可以看出,在一个示例中,人体关键点可以包含头部、颈部、肩部、手部、手肘、腰部、膝盖以及脚部等共14个关键点。
人体关键点识别网络的实现形式在本公开实施例中也不做限制,可以根据实际情况灵活选择,任何可以对人体关键点进行识别的神经网络均可以作为人体关键点识别网络的实现形式,在本公开实施例中不做限制。
通过步骤S121可以看出,将第一目标图像输出人体关键点识别网络,可以得到人体关键点识别网络输出的至少两个人体关键点的位置信息。其中,人体关键点识别网络输出的具体是哪些关键点,可以根据实际情况灵活决定。在一种可能的实现方式中,人体关键点识别网络可以输出如图3所示的14个关键点,在一种可能的实现方式中,人体关键点识别网络输出的也可以是半个人体的关键点,比如可以仅输出图3中的关键点0~关键点9,或是仅输出图3中的关键点8~13等。
在一些可能的实现方式中,输出的至少两个人体关键点的位置信息,可以是至少两个人体关键点在目标图像中的位置,也可以是至少两个人体关键点在实际人体中的位置等。在一些可能的实现方式中,在输出的是关键点在第一目标图像中的位置的情况下,可以根据第一目标图像与现实场景的对应比例,即用于表示同一点在第一目标图像与现实场景中进行转换的比例参数,来将关键点在第一目标图像中的位置映射到实际人体中,也可以先不映射到实际人体中,在通过步骤S122确定不同人体关键点之间的距离以后,再映射到实际人体中等。对于站立的人物而言,输出的人体关键点数量可以包括至少两个,比如,两个人体关键点指的可以是图3中的关键点0和关键点12,三个人体关键点指的可以是图3中的关键点0、关键点12和关键点13;对于坐着的人物而言,输出的人体关键点数量可以包括至少三个,比如,三个人体关键点指的可以是图3中的关键点0、关键点8和关键点12。由此可见,针对处于不同姿态的人物,所需要获取的人体关键点的数量可以相同或不同。
步骤S122中,确定哪些不同的人体关键点之间的距离,可以根据实际情况灵活选择。在一种可能的实现方式中,为了确定目标对象的身高信息,可以确定图3中的关键点0与关键点12之间的距离,或是确定图3中的关键点0与关键点13之间的距离等人体的全身距离;在一种可能的实现方式中,在输出的人体关键点的数量有限的情况下,可以选择确定其他的关键点之间的距离,比如可以确定图3中的关键点0与关键点8之间的距离,或是关键点8与关键点12之间的距离等人体的半身距离,再基于通常的人体上半身与下半身的第一比例关系,将半身距离按照第一比例关系转换为人体的全身距离;或是关键点0与关键点1之间的人体的人脸距离等,再根据通常的人脸与全身之间的第二比例关系,将人脸距离按照第二比例关系转换为人体的全身距离。
在确定不同的人体关键点之间的距离以后,可以通过步骤S123,根据不同的人体关键点之间的距离,来得到目标图像中目标对象的身高信息。其中,步骤S123的实现方式可以根据确定的不同的人体关键点之间的距离的实现方式的不同,而灵活发生变化。在一些可能的实现方式中,在该确定的距离是目标图像中关键点之间的距离的情况下,可以根据目标图像与现实场景的对应比例,来将该距离转换为人体中的实际距离。
在一些可能的实现方式中,在确定的是人体的全身距离的情况下,可以直接根据该人体的全身距离来确定目标对象的身高信息,在确定的是人体的半身距离,或是人体中部分部位的距离的情况下,可以通过上述公开实施例提出的方式,进一步根据该距离估算人体的全身距离,再基于人体的全身距离确定目标对象的身高信息。
通过步骤S121至步骤S123,可以利用人体关键点识别网络间接确定第一目标图像中目标对象的身高信息,由于人体关键点识别网络具有较高的识别精度和识别速度,因此,得到的目标对象的身高信息更加准确,且效率更高,从而进一步提升年龄识别的精度和效率。
图4示出根据本公开一实施例的年龄识别方法的流程图,如图所示,在一种可能的实现方式中,步骤S13可以包括:
步骤S131,获取第一识别年龄对应的参考身高范围。
步骤S132,在身高信息属于参考身高范围以内的情况下,将第一识别年龄作为第一目标图像中目标对象的第二识别年龄。或者,
步骤S133,在身高信息属于参考身高范围以外的情况下,对第一目标图像进行人脸识别,基于人脸识别的结果确定第一目标图像中目标对象的第二识别年龄。
其中,参考身高范围可以是年龄为第一识别年龄的对象,身高所在的大致范围,比如年龄为5岁的对象的参考身高范围一般在101.8cm~115.7cm之间,年龄为9岁的对象的参考身高范围一般在122.6cm~141.2cm之间等。如何确定第一识别年龄对应的参考身高范围,其实现方式可以根据实际情况灵活决定。
在一种可能的实现方式中,步骤S131可以包括:获取第一识别年龄或第一识别年龄所在年龄段对应的标准身高,并基于标准身高确定参考身高范围。
其中,标准身高可以是目标对象在不同年龄下,正常生长情况下一般应该具有的身高,比如6岁左右的目标对象身高一般在117cm,12岁左右的目标对象的标准身高一般在152cm等。
第一识别年龄所在的年龄段,可以根据不同的年龄段划分方式所确定,比如第一识别年龄为6岁的情况下,若是以每三岁进行年龄段划分,则属于3~6岁年龄段,若是以每4岁进行年龄划分,则属于4~8岁年龄段等,如何划分年龄段,以及年龄段与身高之间的对应关系,均可以根据实际情况灵活设定,在本公开实施例中不做限制。
获取标准身高的方式在本公开实施例中不做限制,可以根据实际情况灵活决定,比如可以根据年龄身高对应表、或是其他年龄与身高的对应关系的文件、或是从网站中记载的普查结果中等来进行查询,继而获取标准身高等。其中,年龄身高对应表的获取方式也可以根据实际情况灵活决定,比如通过查找国内或国际标准等来获取年龄身高对应表,或是咨询相关专家来得到年龄身高对应表等。
虽然第一识别年龄对应的标准身高是该年龄下目标对象普遍应具有的身高,但是随着生长环境和基因的不同,不同的对象的身高可能在标准身高的一定范围内波动。因此,可以基于标准身高来进一步确定身高范围,从而判断第一识别年龄是否准确。身高范围的具体设置范围可以根据实际情况灵活决定,不局限于下述各公开实施例。在一种可能的实现方式中,可以将标准身高+3厘米来作为身高范围,或是可以将标准身高-3厘米~标准身高+3厘米来作为身高范围,又或是可以将标准身高±其他数值作为身高范围等。需要说明的是,影响身高范围的因素可以包括但不限于地理位置、性别、相邻年龄/年龄段对应的身高范围之间的跨度/差值等中的一项或多项,在此不予限定。
通过本公开实施例,可以根据第一识别年龄或是第一识别年龄所在的年龄段获取标准身高,再将标准身高进行一定的扩展来得到参考身高范围,从而更为灵活地得到范围较广的参考身高范围,减小由于参考身高范围较窄导致的后续匹配不准确的情况,提高确定的第二识别年龄的准确性。
在身高信息属于参考身高范围以内的情况下,可以认为第一识别年龄与身高信息匹配,在这种情况下,可以通过步骤S132,将第一识别年龄直接作为目标对象的第二识别年龄。
在身高信息属于参考身高范围以外的情况下,可以认为第一识别年龄与身高信息不匹配,在这种情况下,可以通过步骤S133,来对目标图像进行人脸识别,从而基于人脸识别的结果进一步确定目标对象的第二识别年龄。
其中,人脸识别的结果可以是目标对象的人脸所对应的身份,或是人脸的一些相关特征或信息等,具体的实现形式可以根据实际情况灵活决定。人脸识别的方式在本公开实施例中不做限制,不局限于下述各公开实施例。在一种可能的实现方式中,可以通过人脸识别神经网络,对目标对象进行人脸识别,来得到人脸识别的结果;在一种可能的实现方式中,也可以对目标图像中目标对象的人脸特征或是关键点等进行提取,并基于提取结果进行计算等,来得到人脸识别的结果。
如何根据得到的人脸识别的结果,来确定目标对象的第二识别年龄,其确定方式同样可以根据实际情况灵活决定。在一些可能的实现方式中,可以基于得到的人脸特征或是其他信息等进行进一步计算,从而利用与步骤S11不同的方式确定目标对象的第二识别年龄。在一些可能的实现方式中,也可以基于人脸所对应的身份,或是基于人脸的特征或信息等来确定人脸的身份,从而利用目标对象的身份进一步确定目标对象的年龄等,如何利用身份来确定目标对象的第二识别年龄,其实现方式可以详见下述各公开实施例,在此先不做展开。
通过步骤S131至步骤S133,可以利用年龄与身高之间的对应关系,确定第一识别年龄是否与身高信息匹配,从而根据匹配情况,利用身高验证的方式高效而又便捷地提高了年龄识别的准确性,得到更加精确的第二识别年龄。
在一些可能的实现方式中,出于生理限制,具有相同年龄的男性和女性,可能具有不同的标准身高。因此,在一种可能的实现方式中,步骤S131中获取第一识别年龄或第一识别年龄所在年龄段对应的标准身高可以包括:
对第一目标图像进行性别识别,确定第一目标图像中目标对象的性别;
根据目标对象的性别,查找与性别对应的年龄身高对应表,得到第一识别年龄或第一识别年龄所在年龄段对应的标准身高。
其中,对第一目标图像进行性别识别的方式在本公开实施例中不做限定,可以根据实际情况灵活决定。在一种可能的实现方式中,可以将第一目标图像输入性别识别神经网络,根据性别识别神经网络的输出确定第一目标图像中目标对象的性别,其中,性别识别神经网络的实现形式可以根据实际情况灵活决定,任何具有性别识别功能的神经网络均可以作为性别识别神经网络的实现形式。在一种可能的实现方式中,在上述公开实施例中提出的对图像中人脸的多种属性进行识别的人脸属性识别网络可以识别的多种属性包括性别属性的情况下,可以根据人脸属性识别网络输出的性别分类结果,确定第一目标图像中目标对象的性别。
在确定第一目标图像中目标对象的性别以后,可以根据目标对象的性别查找相应性别的年龄身高对应表,来得到第一识别年龄对应的标准身高。其中,年龄身高对应表的实现形式可以参考上述各公开实施例,在此不再赘述。在一个示例中,与目标对象的性别相应的年龄身高对应表,可以为一张同时包括男性与女性的年龄身高对应关系的对应表;在一个示例中,与目标对象的性别相应的年龄身高对应表,也可以为两张对应表,分别为男性的年龄身高对应表和女性的年龄身高对应表,表1示出根据本公开一实施例的男性年龄身高对应表,表2示出根据本公开一实施例的女性年龄身高对应表,通过表1和表2的对比可以看出,相同年龄的男性与女性所对应的标准身高具有一定的差异。
表1男性年龄身高对应表
年龄 | 矮小身高(cm) | 偏矮身高(cm) | 标准身高(cm) | 超高身高(cm) |
1岁 | 71.2 | 73.8 | 76.5 | 79.3 |
2岁 | 81.6 | 85.1 | 88.5 | 92.1 |
3岁 | 89.3 | 93.0 | 96.8 | 100.7 |
4岁 | 96.3 | 100.2 | 104.1 | 108.2 |
5岁 | 102.8 | 107.0 | 111.3 | 115.7 |
6岁 | 108.6 | 113.1 | 117.7 | 122.4 |
7岁 | 114.0 | 119.0 | 124.0 | 129.1 |
8岁 | 119.3 | 124.6 | 130.0 | 135.5 |
9岁 | 123.9 | 129.6 | 135.4 | 141.2 |
10岁 | 127.9 | 134.0 | 140.2 | 146.4 |
11岁 | 132.1 | 138.7 | 145.3 | 152.1 |
12岁 | 137.2 | 144.6 | 151.9 | 159.4 |
13岁 | 144.0 | 151.8 | 159.5 | 167.3 |
14岁 | 151.5 | 158.7 | 165.9 | 173.1 |
15岁 | 156.7 | 163.3 | 169.8 | 176.3 |
16岁 | 159.1 | 165.4 | 171.6 | 177.8 |
17岁 | 160.1 | 166.3 | 172.3 | 178.4 |
18岁 | 160.5 | 166.6 | 172.7 | 178.7 |
表2女性年龄身高对应表
年龄 | 矮小身高(cm) | 偏矮身高(cm) | 标准身高(cm) | 超高身高(cm) |
1岁 | 69.7 | 72.3 | 75.0 | 77.7 |
2岁 | 80.5 | 83.8 | 87.2 | 90.7 |
3岁 | 88.2 | 91.8 | 95.6 | 99.4 |
4岁 | 95.4 | 99.2 | 103.1 | 107.0 |
5岁 | 101.8 | 106.0 | 110.2 | 114.5 |
6岁 | 107.6 | 112.0 | 116.6 | 121.2 |
7岁 | 112.7 | 117.6 | 122.5 | 127.6 |
8岁 | 117.9 | 123.1 | 128.5 | 133.9 |
9岁 | 122.6 | 128.3 | 134.1 | 139.9 |
10岁 | 127.6 | 133.8 | 140.1 | 146.4 |
11岁 | 133.4 | 140.0 | 146.6 | 153.3 |
12岁 | 139.5 | 145.9 | 152.4 | 158.8 |
13岁 | 144.2 | 150.3 | 156.3 | 162.3 |
14岁 | 147.2 | 152.9 | 158.6 | 164.3 |
15岁 | 148.8 | 154.3 | 159.8 | 165.3 |
16岁 | 149.2 | 154.7 | 160.1 | 165.5 |
17岁 | 149.5 | 154.9 | 160.3 | 165.7 |
18岁 | 149.8 | 155.2 | 160.6 | 165.9 |
通过对第一目标图像进行性别识别,来确定目标对象的性别,从而查找与性别对应的年龄身高对应表,来得到第一识别年龄对应的标准身高,通过上述过程,可以通过性别识别使得确定的标准身高更加准确,从而可以更准确地判断第一识别年龄是否有误,继而使得最终确定的第二识别年龄具有更高精度,提高年龄识别的准确度。
在一种可能的实现方式中,步骤S133可以包括:
基于人脸识别的结果,获取目标对象的至少一张第二目标图像;
获取所述至少一张第二目标图像中目标对象的第二识别年龄,作为参考年龄;
根据参考年龄,结合第一目标图像中目标对象的第一识别年龄,得到第一目标图像中目标对象的第二识别年龄。
其中,第二目标图像可以是除第一目标图像以外的其他包含有目标对象的图像。如上述各公开实施例所述,人脸识别的结果可以包括目标对象的身份、特征信息或是其他相关信息等,因此,在一种可能的实现方式中,可以基于人脸识别的结果,与其他图像的相关信息进行对比,来确定其他图像中是否包含有目标对象,并将包含目标对象的其他图像作为第二目标图像。
获取至少一张第二目标图像的方式在本公开实施例中不做限定,可以根据实际情况灵活选择,详见下述各公开实施例,在此先不做展开。
参考年龄可以是根据第二目标图像中目标对象的第二识别年龄所确定的目标对象的年龄,其中,确定第二目标图像中目标对象的第二识别年龄的方式可以参考上述各公开实施例中年龄识别的方式,在此不再赘述,在一些可能的实现方式中,也可以省略本公开实施例中确定第一目标图像中目标对象的第二识别年龄的某些步骤,来得到第二目标图像中目标对象的第二识别年龄,具体如何实现可以根据实际情况灵活选择,本公开实施例在此不做限制。
如上述公开实施例所述,可以根据至参考年龄与第一目标图像中目标对象的第一识别年龄,来确定第一目标图像中目标对象的第二识别年龄,具体的确定方式可以根据实际情况灵活选择。在一种可能的实现方式中,可以将至少一张第二目标图像对应的参考年龄与目标图像中目标对象的第一识别年龄进行平均或加权平均等,来得到第一目标图像中目标对象的第二识别年龄;在一种可能的实现方式中,也可以对至少一张第二目标图像对应的参考年龄进行平均或加权平均,来得到第一目标图像中目标对象的第二识别年龄等,具体如何选择可以灵活决定。
在一种可能的实现方式中,进行平均或加权平均的过程中,选择的第二目标图像的数量可以根据实际情况灵活决定,不局限于下述各公开实施例。在一个示例中,可以选择10张第二目标图像对应的参考年龄来进行平均或加权平均。在一些可能的实现方式中,在进行加权平均的过程中,选择的权重可以根据实际情况进行灵活确定,在本公开实施例中不做限制。
通过基于人脸识别的结果,获取至少一张第二目标图像,从而将至少一张第二目标图像中目标对象的第二识别年龄作为参考年龄,并根据参考年龄与第一目标图像中目标对象的第一识别年龄,确定第一目标图像中目标对象的第二识别年龄,通过上述过程,可以基于多个包含目标对象的第二目标图像,来共同确定目标对象的第二识别年龄,从而有效减小个别年龄识别结果不准确所带来的干扰,提升对目标对象进行年龄识别的准确度。
在一种可能的实现方式中,基于人脸识别的结果,获取目标对象的至少一张第二目标图像,可以包括:
基于人脸识别的结果,确定目标对象的身份信息;
根据身份信息,在目标数据库中获取至少一张与身份信息对应的图像,作为第二目标图像。
其中,身份信息可以是目标对象的身份,其表现形式可以根据实际情况灵活决定,在一些可能的实现方式中,可以通过身份ID,比如faceID等,来表达目标对象的身份信息,相同的目标对象对应相同的身份ID;在一些可能的实现方式中,也可以通过其他的表现形式,将具有相同身份的图像进行关联。
基于人脸识别的结果确定目标对象的身份信息的方式可以根据实际情况灵活决定,在一种可能的实现方式中,可以通过人脸识别神经网络来进行人脸识别,人脸识别神经网络的实现方式在本公开实施例中不做限制,在一个示例中,在上述公开实施例中提出的对图像中人脸的多种属性进行识别的人脸属性识别网络可以识别的多种属性包括身份属性的情况下,可以根据人脸属性识别网络输出的识别结果,确定目标图像中目标对象的身份信息。
在确定目标对象的身份信息以后,可以从目标数据库中,获取至少一张包含的对象具有同样身份信息的图像,来作为第二目标图像。其中,目标数据库可以是任意与目标对象相关的,有可能获取到目标对象的图像的数据库,比如在本公开实施例中提出的年龄识别方法用于某些网站或系统登陆的场景的情况下,可以将这些网站或系统中采集图像的数据库作为目标数据库;在本公开实施例中提出的年龄识别方法用于保护某些对象的场景的情况下,可以将在保护对象的过程中采集到的对象的图像所存储的数据库,作为目标数据库等。
在目标数据库中获取至少一张与身份信息对应的图像,可以是在目标数据库中分别对各图像进行身份识别,从而将身份识别结果与身份信息匹配或一致的图像,作为第二目标图像。
通过基于人脸识别的结果,确定目标对象的身份信息,并根据身份信息在目标数据库中获取至少一张与身份信息对应的图像作为第二目标图像,通过上述过程,可以利用身份信息快速便捷地得到目标对象的至少一张第二目标图像,有效提高获取第二目标图像的效率,继而提升年龄识别的效率。
在一种可能的实现方式中,本公开实施例中提出的方法还可以包括:
获取目标对象的身份信息;
将第一目标图像中目标对象的第二识别年龄与身份信息进行绑定。
其中,获取目标对象的身份信息的方式可以参考上述各公开实施例,在此不再赘述。在一些可能的实现方式中,还可以将第一目标图像中目标对象的第二识别年龄与身份信息进行绑定,绑定的方式在本公开实施例中不做限制,比如可以将二者进行关系对应或是存储在相同目标数据库中的相同位置等。
通过上述过程,在后续再次需要对该目标对象的年龄进行识别的情况下,还可以根据绑定的年龄,对再次识别的年龄的准确度进行校验,从而对目标对象可以进行更为准确的年龄识别,而且还可以基于绑定的第二识别年龄,与再次识别的年龄通过上述各公开实施例中提出的方法进行平均或加权平均,从而随着对目标对象年龄的识别次数的增多,得到愈加准确的年龄识别结果。
在确定第一目标图像中目标对象的第二识别年龄以后,可以基于该第二识别年龄在多种场景下进行应用,比如在一些儿童保护场景中,可以通过识别目标对象的第二识别年龄,来为目标对象提供与年龄相符合的保护措施,比如纠正观影姿态或是限制游戏时间等,来保护儿童的身心健康等;在一些学习场景中,也可以基于不同的第二识别年龄,来为目标对象提供适龄的学习内容。
图5示出根据本公开一实施例的年龄识别装置的框图。如图所示,所述年龄识别装置20可以包括:
第一年龄识别模块21,用于对第一目标图像中的目标对象进行初始年龄识别,得到第一目标图像中目标对象的第一识别年龄。
身高获取模块22,用于获取第一目标图像中目标对象的身高信息。
第二年龄识别模块23,用于根据第一识别年龄与身高信息之间的匹配情况,结合第一目标图像,确定第一目标图像中目标对象的第二识别年龄。
在一种可能的实现方式中,第一年龄识别模块用于:将第一目标图像输入年龄识别神经网络,得到年龄识别神经网络输出的第一识别年龄。
在一种可能的实现方式中,身高获取模块用于:在第一识别年龄属于预设年龄范围以内的情况下,获取第一目标图像中目标对象的身高信息。
在一种可能的实现方式中,身高获取模块用于:将第一目标图像输入人体关键点识别网络,得到人体关键点识别网络输出的至少两个人体关键点的位置信息;根据至少两个人体关键点的位置信息,确定不同的人体关键点之间的距离;根据不同的人体关键点之间的距离,得到第一目标图像中目标对象的身高信息。
在一种可能的实现方式中,第二年龄识别模块用于:获取第一识别年龄对应的参考身高范围;在身高信息属于参考身高范围以内的情况下,将第一识别年龄作为第一目标图像中目标对象的第二识别年龄;或者,在身高信息属于参考身高范围以外的情况下,对第一目标图像进行人脸识别,基于人脸识别的结果确定第一目标图像中目标对象的第二识别年龄。
在一种可能的实现方式中,第二年龄识别模块进一步用于:获取第一识别年龄或第一识别年龄所在年龄段对应的标准身高,并基于标准身高确定参考身高范围。
在一种可能的实现方式中,第二年龄识别模块进一步用于:对第一目标图像进行性别识别,确定第一目标图像中目标对象的性别;根据目标对象的性别,查找与性别对应的年龄身高对应表,得到第一识别年龄或第一识别年龄所在年龄段对应的标准身高。
在一种可能的实现方式中,第二年龄识别模块进一步用于:基于人脸识别的结果,获取目标对象的至少一张第二目标图像;获取至少一张第二目标图像中目标对象的第二识别年龄,作为参考年龄;根据参考年龄,结合第一目标图像中目标对象的第一识别年龄,得到第一目标图像中目标对象的第二识别年龄。
在一种可能的实现方式中,第二年龄识别模块进一步用于:基于人脸识别的结果,确定目标对象的身份信息;根据身份信息,在目标数据库中获取至少一张与身份信息对应的图像,作为第二目标图像。
在一种可能的实现方式中,装置还用于:获取目标对象的身份信息;将第一目标图像中目标对象的第二识别年龄与身份信息进行绑定。
应用场景示例
本公开应用示例提出了一种年龄识别方法,可以用于对儿童进行关爱保护的场景中,包括如下三级年龄识别过程:
第一级年龄识别:通过人脸属性识别网络,输出第一目标图像中目标对象的年龄数据,作为第一识别年龄,并在第一识别年龄在12岁以下的情况下,进入第二级年龄识别过程。
第二级年龄识别:在第一识别年龄为12岁以下时,进入第二级年龄识别过程,一方面,可以通过全身肢体关键点识别网络,获取第一目标图像中目标对象的骨骼关键点信息,并计算关键点0到关键点12或者关键点13的距离信息,作为目标对象的身高信息。
另一方面,可以通过人脸属性识别网络,判断第一目标图像中目标对象的性别,在目标对象性别为男的情况下,查找上述公开实施例中表1所示的年龄身高对应表,得到与第一识别年龄对应的标准身高,在目标对象性别为女的情况下,查找表2所示的年龄身高对应表,得到与第一识别年龄对应的标准身高。
基于身高信息和标准身高进行判断,当身高信息<标准身高+3cm,可以认为第一识别年龄是准确的,目标对象为儿童,在这种情况下可以开启儿童关爱保护方案;否则,认为第一识别年龄不准确,无法确定目标对象是否为儿童,可以进入第三级年龄识别过程。
第三级年龄识别:第三级年龄识别可以为对第一目标图像进行人脸识别,通过人脸识别确定目标对象的faceID,并取10组该faceID下对应的第二目标图像中,目标对象的历史年龄识别数据作平均,计算该目标对象的年龄。通过第三级年龄识别,可以在第一级年龄识别和第二级年龄识别的结果无法统一的情况下,利用数据平均算法,减少个别不准确的年龄识别结果的干扰,得到第一目标图像中目标对象的第二识别年龄。在确定第二识别年龄以后,可以将本次的第二识别年龄与faceID进行匹配,从而保存目标对象对应的faceID在本次年龄识别中的第二识别年龄。
通过本公开应用示例中的第一级年龄识别和第二级年龄识别,可以使得检测到的12岁以内的儿童年龄更加准确。同时,通过第三级年龄识别,可以基于该目标对象之间保存的年龄数据,对第一级和第二级年龄识别无法匹配的模糊年龄进行多轮数据平滑,一方面得到更为准确的第二识别年龄,另一方面也可以对该目标对象对应的faceID中保存的年龄数据进行更新,从而使得faceID所对应的识别年龄愈加准确。
本公开应用示例中提出的年龄识别方法,除了可以应用于年龄识别等图像的处理领域以外,也可以扩展应用于其他图像的处理领域,比如身份识别或是体重识别等。
可以理解,本公开提及的上述各个方法实施例,在不违背原理逻辑的情况下,均可以彼此相互结合形成结合后的实施例,限于篇幅,本公开不再赘述。
本领域技术人员可以理解,在具体实施方式的上述方法中,各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定,各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
本公开实施例还提出一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是易失性计算机可读存储介质或非易失性计算机可读存储介质。
本公开实施例还提出一种电子设备,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上述方法。
在实际应用中,上述存储器可以是易失性存储器(volatile memory),例如RAM;或者非易失性存储器(non-volatile memory),例如ROM,快闪存储器(flash memory),硬盘(Hard Disk Drive,HDD)或固态硬盘(Solid-State Drive,SSD);或者上述种类的存储器的组合,并向处理器提供指令和数据。
上述处理器可以为ASIC、DSP、DSPD、PLD、FPGA、CPU、控制器、微控制器、微处理器中的至少一种。可以理解地,对于不同的设备,用于实现上述处理器功能的电子器件还可以为其它,本公开实施例不作具体限定。
电子设备可以被提供为终端、服务器或其它形态的设备。
基于前述实施例相同的技术构思,本公开实施例还提供了一种计算机程序,该计算机程序被处理器执行时实现上述方法。
图6是根据本公开实施例的一种电子设备800的框图。例如,电子设备800可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等终端。
参照图6,电子设备800可以包括以下一个或多个组件:处理组件802,存储器804,电源组件806,多媒体组件808,音频组件810,输入/输出(I/O)的接口812,传感器组件814,以及通信组件816。
处理组件802通常控制电子设备800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802可以包括一个或多个处理器820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802可以包括一个或多个模块,便于处理组件802和其他组件之间的交互。例如,处理组件802可以包括多媒体模块,以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800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804可以由任何类型的易失性或非易失性存储设备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806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统,一个或多个电源,及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备800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808包括一个前置摄像头和/或后置摄像头。当电子设备800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810被配置为输出和/或输入音频信号。例如,音频组件810包括一个麦克风(MIC),当电子设备800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804或经由通信组件816发送。在一些实施例中,音频组件810还包括一个扬声器,用于输出音频信号。
I/O接口812为处理组件802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814包括一个或多个传感器,用于为电子设备800提供各个方面的状态评估。例如,传感器组件814可以检测到电子设备800的打开/关闭状态,组件的相对定位,例如所述组件为电子设备800的显示器和小键盘,传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变,用户与电子设备800接触的存在或不存在,电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814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814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814还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800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816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人员信息。在一个示例性实施例中,所述通信组件816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,电子设备800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)、数字信号处理设备(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,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器804,上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。
图7是根据本公开实施例的一种电子设备1900的框图。例如,电子设备1900可以被提供为一服务器。参照图7,电子设备1900包括处理组件1922,其进一步包括一个或多个处理器,以及由存储器1932所代表的存储器资源,用于存储可由处理组件1922的执行的指令,例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件1922被配置为执行指令,以执行上述方法。
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理,一个有线或无线网络接口1950被配置为将电子设备1900连接到网络,和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM或类似。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器1932,上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以包括但不限于电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令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)。在一些实施例中,通过利用计算机可读程序指令的状态人员信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、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、程序段或指令的一部分,所述模块、程序段或指令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。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,两个连续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动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。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (13)
1.一种年龄识别方法,其特征在于,包括:
对第一目标图像中的目标对象进行初始年龄识别,得到所述第一目标图像中目标对象的第一识别年龄;
获取所述第一目标图像中目标对象的身高信息;
根据所述第一识别年龄与所述身高信息之间的匹配情况,结合所述第一目标图像,确定所述第一目标图像中目标对象的第二识别年龄。
2.根据权利要求1所述的方法,其特征在于,所述对第一目标图像中的目标对象进行初始年龄识别,得到所述第一目标图像中目标对象的第一识别年龄,包括:
将所述第一目标图像输入年龄识别神经网络,得到所述年龄识别神经网络输出的第一识别年龄。
3.根据权利要求1或2所述的方法,其特征在于,所述获取所述第一目标图像中目标对象的身高信息,包括:
在所述第一识别年龄属于预设年龄范围以内的情况下,获取所述第一目标图像中目标对象的身高信息。
4.根据权利要求1至3中任意一项所述的方法,其特征在于,所述获取所述第一目标图像中目标对象的身高信息,包括:
将所述第一目标图像输入人体关键点识别网络,得到所述人体关键点识别网络输出的至少两个人体关键点的位置信息;
根据所述至少两个人体关键点的位置信息,确定不同的人体关键点之间的距离;
根据所述不同的人体关键点之间的距离,得到所述第一目标图像中目标对象的身高信息。
5.根据权利要求1至4中任意一项所述的方法,其特征在于,所述根据所述第一识别年龄与所述身高信息之间的匹配情况,结合所述第一目标图像,确定所述第一目标图像中目标对象的第二识别年龄,包括:
获取所述第一识别年龄对应的参考身高范围;
在所述身高信息属于所述参考身高范围以内的情况下,将所述第一识别年龄作为所述第一目标图像中目标对象的第二识别年龄;或者,
在所述身高信息属于所述参考身高范围以外的情况下,对所述第一目标图像进行人脸识别,基于人脸识别的结果确定所述第一目标图像中目标对象的第二识别年龄。
6.根据权利要求5所述的方法,其特征在于,所述获取所述第一识别年龄对应的参考身高范围,包括:
获取所述第一识别年龄或所述第一识别年龄所在年龄段对应的标准身高,并基于所述标准身高确定所述参考身高范围。
7.根据权利要求6所述的方法,其特征在于,所述获取所述第一识别年龄或所述第一识别年龄所在年龄段对应的标准身高,包括:
对所述第一目标图像进行性别识别,确定所述第一目标图像中目标对象的性别;
根据所述目标对象的性别,查找与所述性别对应的年龄身高对应表,得到所述第一识别年龄或所述第一识别年龄所在年龄段对应的标准身高。
8.根据权利要求5至7中任意一项所述的方法,其特征在于,所述基于人脸识别的结果确定所述第一目标图像中目标对象的第二识别年龄,包括:
基于人脸识别的结果,获取所述目标对象的至少一张第二目标图像;
获取所述至少一张第二目标图像中所述目标对象的第二识别年龄,作为参考年龄;
根据所述参考年龄,结合所述第一目标图像中目标对象的第一识别年龄,得到所述第一目标图像中目标对象的第二识别年龄。
9.根据权利要求8所述的方法,其特征在于,所述基于人脸识别的结果,获取所述目标对象的至少一张第二目标图像,包括:
基于人脸识别的结果,确定所述目标对象的身份信息;
根据所述身份信息,在目标数据库中获取至少一张与所述身份信息对应的图像,作为所述第二目标图像。
10.根据权利要求1至9中任意一项所述的方法,其特征在于,所述方法还包括:
获取所述目标对象的身份信息;
将所述第一目标图像中所述目标对象的第二识别年龄与所述身份信息进行绑定。
11.一种年龄识别装置,其特征在于,包括:
第一年龄识别模块,用于对第一目标图像中的目标对象进行初始年龄识别,得到所述第一目标图像中目标对象的第一识别年龄;
身高获取模块,用于获取所述第一目标图像中目标对象的身高信息;
第二年龄识别模块,用于根据所述第一识别年龄与所述身高信息之间的匹配情况,结合所述第一目标图像,确定所述第一目标图像中目标对象的第二识别年龄。
12.一种电子设备,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调用所述存储器存储的指令,以执行权利要求1至10中任意一项所述的方法。
13.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,所述计算机程序指令被处理器执行时实现权利要求1至10中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110335364.5A CN112990056A (zh) | 2021-03-29 | 2021-03-29 | 年龄识别方法及装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110335364.5A CN112990056A (zh) | 2021-03-29 | 2021-03-29 | 年龄识别方法及装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112990056A true CN112990056A (zh) | 2021-06-18 |
Family
ID=76337965
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110335364.5A Pending CN112990056A (zh) | 2021-03-29 | 2021-03-29 | 年龄识别方法及装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112990056A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113469144A (zh) * | 2021-08-31 | 2021-10-01 | 北京文安智能技术股份有限公司 | 基于视频的行人性别及年龄识别方法和模型 |
CN114360148A (zh) * | 2021-12-06 | 2022-04-15 | 深圳市亚略特科技股份有限公司 | 自动售卖方法、装置、电子设备和存储介质 |
CN115797432A (zh) * | 2023-01-05 | 2023-03-14 | 荣耀终端有限公司 | 估计图像绝对深度的方法和装置 |
WO2024008009A1 (zh) * | 2022-07-05 | 2024-01-11 | 华为技术有限公司 | 一种年龄识别方法、装置、电子设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016177394A (ja) * | 2015-03-19 | 2016-10-06 | カシオ計算機株式会社 | 情報処理装置、年齢推定方法、及びプログラム |
CN109993150A (zh) * | 2019-04-15 | 2019-07-09 | 北京字节跳动网络技术有限公司 | 用于识别年龄的方法和装置 |
CN110264299A (zh) * | 2019-05-07 | 2019-09-20 | 平安科技(深圳)有限公司 | 基于人脸识别的服装推荐方法、装置及计算机设备 |
-
2021
- 2021-03-29 CN CN202110335364.5A patent/CN112990056A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016177394A (ja) * | 2015-03-19 | 2016-10-06 | カシオ計算機株式会社 | 情報処理装置、年齢推定方法、及びプログラム |
CN109993150A (zh) * | 2019-04-15 | 2019-07-09 | 北京字节跳动网络技术有限公司 | 用于识别年龄的方法和装置 |
CN110264299A (zh) * | 2019-05-07 | 2019-09-20 | 平安科技(深圳)有限公司 | 基于人脸识别的服装推荐方法、装置及计算机设备 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113469144A (zh) * | 2021-08-31 | 2021-10-01 | 北京文安智能技术股份有限公司 | 基于视频的行人性别及年龄识别方法和模型 |
CN113469144B (zh) * | 2021-08-31 | 2021-11-09 | 北京文安智能技术股份有限公司 | 基于视频的行人性别及年龄识别方法和模型 |
CN114360148A (zh) * | 2021-12-06 | 2022-04-15 | 深圳市亚略特科技股份有限公司 | 自动售卖方法、装置、电子设备和存储介质 |
WO2024008009A1 (zh) * | 2022-07-05 | 2024-01-11 | 华为技术有限公司 | 一种年龄识别方法、装置、电子设备及存储介质 |
CN115797432A (zh) * | 2023-01-05 | 2023-03-14 | 荣耀终端有限公司 | 估计图像绝对深度的方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021008195A1 (zh) | 数据更新方法及装置、电子设备和存储介质 | |
CN112990056A (zh) | 年龄识别方法及装置、电子设备和存储介质 | |
EP3188094A1 (en) | Method and device for classification model training | |
CN108764069B (zh) | 活体检测方法及装置 | |
EP2919165B1 (en) | Method and device for clustering | |
CN107944447B (zh) | 图像分类方法及装置 | |
US10083346B2 (en) | Method and apparatus for providing contact card | |
RU2664003C2 (ru) | Способ и устройство для определения ассоциированного пользователя | |
WO2021036382A1 (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN107944367B (zh) | 人脸关键点检测方法及装置 | |
US11335348B2 (en) | Input method, device, apparatus, and storage medium | |
CN110162956B (zh) | 确定关联账户的方法和装置 | |
EP3040912A1 (en) | Method and device for classifying pictures | |
US10769743B2 (en) | Method, device and non-transitory storage medium for processing clothes information | |
CN110781813A (zh) | 图像识别方法及装置、电子设备和存储介质 | |
CN111860373B (zh) | 目标检测方法及装置、电子设备和存储介质 | |
CN112417318A (zh) | 一种兴趣点的状态确定方法、装置、电子设备及介质 | |
CN111209354A (zh) | 一种地图兴趣点判重的方法、装置及电子设备 | |
CN111652107A (zh) | 对象计数方法及装置、电子设备和存储介质 | |
US10198614B2 (en) | Method and device for fingerprint recognition | |
CN106126104B (zh) | 键盘模拟方法和装置 | |
CN107992893B (zh) | 压缩图像特征空间的方法及装置 | |
CN112949568A (zh) | 人脸和人体匹配的方法及装置、电子设备和存储介质 | |
CN112837813A (zh) | 自动问诊方法及装置 | |
CN114862756A (zh) | 对象测距方法及装置、电子设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210618 |
|
RJ01 | Rejection of invention patent application after publication |