基于分層加權(quán)支持向量機(jī)模型的自動(dòng)人臉年齡估計(jì).pdf

1、MachineModel學(xué)科專業(yè)：計(jì)算機(jī)應(yīng)用技術(shù)研究生：馬華強(qiáng)指導(dǎo)教師：張坤龍副教授天津大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院二零一零年五月一苓一苓牛血月襄熏囂豢鬻豢囊麓蒺囂蒸纂黎囊簍荔籬囊羹菱囊囊薰慈囊薹薹菱菱菱萋羹藿蔞薹童薹藿藿互溢薹薹蘸穗霉鬈舞黎囂爨鬻器囂囊蔫鬻參霉肇i黧謄囂臻==鬟鬟囊萋簍善黧鍪焉簍j囊簍囊鬟髫蓍鏊鬈甏麓簍霪鬟薹塞簍薹警薹鍪薹簍蔞薹登鎏至羞蚤鍪簍釜鍪筮鍪溢鍪遴翟警盆謄薔盆●r_一0‘▲塢《摘要人臉圖像反映了重要的年齡信息，人臉

2、年齡估計(jì)有著重要的研究意義和應(yīng)用價(jià)值。對(duì)人臉年齡估計(jì)進(jìn)行深入探索，將會(huì)對(duì)模式識(shí)別、人工智能、機(jī)器人等領(lǐng)域的研究起到巨大推動(dòng)作用。目前對(duì)公共安全領(lǐng)域中的人臉庫(kù)進(jìn)行自動(dòng)更新、對(duì)商業(yè)中不同年齡段的顧客在某商品購(gòu)買(mǎi)力上的信息采集、對(duì)影視劇中的人物進(jìn)行衰老模擬等年齡估計(jì)應(yīng)用需求越來(lái)越迫切。論文在國(guó)內(nèi)外人臉年齡研究的基礎(chǔ)上，首次提出基于分層加權(quán)機(jī)制的支持向量機(jī)年齡估計(jì)模型。人臉年齡估計(jì)模型主要由人臉圖像特征提取、模型訓(xùn)練、年齡估計(jì)三部分組成。目前的

3、一些年齡估計(jì)模型是對(duì)整幅人臉圖像進(jìn)行特征提取，提取的特征中含有很多冗余信息。論文在人臉特征提取上采用的是AAM組合外觀模型，它對(duì)人臉形狀區(qū)域內(nèi)的圖像進(jìn)行特征提取，該特征融合了人臉形狀和皮膚紋理的信息，摒棄了很多冗余信息，更能充分反映人臉年齡的特征。為了實(shí)現(xiàn)人臉年齡估計(jì)的自動(dòng)性，需要對(duì)人臉圖像進(jìn)行自動(dòng)人臉擬合。目前的人臉擬合算法在人臉特征點(diǎn)的定位上還不夠理想。論文在已有算法的基礎(chǔ)上進(jìn)行改進(jìn)，提出一種基于局部紋理約束的LTCRSICAAM人

4、臉擬合算法。相對(duì)于目前的人臉擬合算法，LTCRSICAAM算法不管在人臉輪廓特征點(diǎn)的定位上，還是在人臉形狀的擬合上都更加準(zhǔn)確?！捎谥С窒蛄繖C(jī)在模式分類中表現(xiàn)突出，因此論文采用支持向量機(jī)作為年齡估計(jì)模型對(duì)年齡特征數(shù)據(jù)進(jìn)行分類和預(yù)測(cè)。論文首次在支持向量機(jī)中引入分層加權(quán)機(jī)制。由于不同年齡段的人有著不同的年齡增長(zhǎng)規(guī)律，通過(guò)對(duì)特征數(shù)據(jù)按照年齡進(jìn)行分段訓(xùn)練分層子模型，對(duì)不同年齡段的特征數(shù)據(jù)用不同的子模型進(jìn)行年齡預(yù)測(cè)。然后對(duì)懲罰參數(shù)進(jìn)行加權(quán)處理，以