摘 要

人类可以从脸部图像中收集各种各样的信息，包括身份，年龄，性别和种族。人脸图像的识别特征已经在实际应用中得到了很好的探索，包括护照和驾驶执照。 面部照片检索也是执法机构识别刑事调查中潜在嫌疑人的有力方式。尽管从人脸图像中对人物识别进行了广泛的探索，但关于如何准确估计和使用人脸图像中包含的人口统计信息（如年龄，性别和种族）的研究数量有限。对于许多实际应用，依靠人类从面部图像提供人口统计信息是不可行的。因此，人们越来越关注从面部图像中自动提取人口统计信息。在这里，我们关注年龄估计，其目标是基于面部图像确定受试者的特定年龄或年龄范围。

比如，在医学界，人们主要依靠分析胆固醇，高密度胆固醇，白蛋白等血液检测指标来判断一个人的“生理年龄”并研究人体衰老的程度。不幸的是，这套指标仍然非常不完善，使用起来非常不方便。如果我们可以使用计算机和图像处理技术来分析面部图像以准确预测一个人的“生理年龄”并比较“生理年龄”和“实际年龄”，我们就可以知道你是在“青年永久”还是“过早衰老” 。然后，它将大大提高研究效率，降低研究成本。通过观察“人脸”来估计年龄，它不仅可以用来量化衰老，还可以应用于智慧城市和安全的城市建设。

本文介绍的是基于Tensorflow设计的一个人脸年龄识别系统，采用的编程语言是python，在Spyder软件上进行开发设计。(1)除了Spyder外，为了进行实时的人脸年龄估计，本系统另外采用Opencv通过网络摄像头来进行实时的人脸获取。(2)系统采用Keras高级神经网络API来搭建系统所使用的宽残差神经网络Wide Residual Network。(3)本系统最终不但可以实现可以对年龄做出实时估计而且同时可以正确得出所估计对象的性别。

关键词： 基于Tensorflow，宽残差神经网络，年龄估计，python语言

Abstract

Humans can collect a variety of information from facial images, including identity, age, gender and ethnicity. The recognition features of face images have been well explored in practical applications, including passports and driver's licenses. Facial photo retrieval is also a powerful way for law enforcement agencies to identify potential suspects in criminal investigations. Although the character recognition has been extensively explored from face images, the number of studies on how to accurately estimate and use demographic information (such as age, gender, and ethnicity) contained in face images is limited. For many practical applications, relying on humans to provide demographic information from facial images is not feasible. Therefore, people are increasingly concerned about the automatic extraction of demographic information from facial images. Here, we focus on age estimates, the goal of which is to determine a particular age or age range for a subject based on facial images.

For example, in the medical world, people mainly rely on blood cholesterol detection indicators such as cholesterol, high-density cholesterol, and albumin to judge a person's "physiological age" and study the degree of human aging. Unfortunately, this set of indicators is still very imperfect and very inconvenient to use. If we can use computer and image processing techniques to analyze facial images to accurately predict a person's "physiological age" and compare "physiological age" and "actual age", we can know whether you are "youth permanent" or "premature" Aging." Then, it will greatly increase research efficiency and reduce research costs. Estimating age by observing "faces" can be used not only to quantify aging, but also to smart cities and safe urban construction.

This paper introduces a face age recognition system based on Tensorflow design. The programming language is python, which is developed and designed on Spyder software. (1) In addition to Spyder, in order to perform real-time face age estimation, the system additionally uses Opencv to perform real-time face acquisition through a webcam. (2) The system uses the Keras Advanced Neural Network API to build the Wide Residual Network for the wide residual neural network used by the system. (3) The system can not only achieve real-time estimation of age but also correctly determine the gender of the estimated object.

Keywords: Tensorflow, Wide residual neural network, Age estimation, Python language

目录

第1章 绪论 1

1.1 研究目的和意义 1

1.2 国内外研究现状 2

1.3 开发技术介绍 3

1.3.1 Tensorflow 3

1.3.2 Keras 4

1.3.3 Opencv 4

1.4 论文主要内容及章节安排 5

1.4.1 论文主要内容 5

1.4.2 论文章节安排 5

第2章 人脸年龄识别的相关理论 6

2.1 年龄估计算法流程 6

2.2 人脸年龄特征提取 6

2.2.1 LBP特征 7

2.2.2 灰度共生矩阵 7

2.2.3 卷积神经网络特征 8

2.3 年龄估计的方法 9

2.3.1 分类算法 9

2.3.2 回归算法 9

2.3.3 综合方法 9

2.4 本章小结 10

第3章 神经网络概述 11

3.1 卷积神经网络 11

3.1.1 卷积层 11

3.1.2 池化层 14

3.1.3 完全连接层 14

3.1.4 激活功能 14

3.2 训练网络 15

3.2.1 损失功能 15

3.2.2 梯度下降 15

3.3 残差神经网络 16

3.4 本章小结 17

第4章 年龄识别系统的实现 18

4.1 搭建神经网络 18

4.1.1 原理 18

4.1.2 具体实现 19

4.2 训练神经网络 20

4.2.1 数据集处理 20

4.2.2 训练并储存模型 20

4.3 获取人脸图像 21

4.4 估算年龄 21

4.5 本章小结 22

第5章 年龄识别系统功能测试 23

5.1 测试结果 23

5.2 结果分析 24

5.3 本章小结 25

第6章 总结与展望 26

6.1 总结 26

6.2 展望 26

参考文献 28

致谢 30

1. 绪论
   1. 研究目的和意义

人脸是每个人另外一张独特的“身份证”，包含着诸如： 年龄、种族、情绪、健康状况等多种重要的信息。随着人工智能技术以及计算机视觉技术的发展，越来越多的人开始投入到人脸以及人脸属性的研究当中，年龄识别是人脸属性研究中的一个重要方面。 在现实生活中年龄不仅仅是一个生理特征，同时它也是一个重要的社会性特征；所以，对于年龄识别系统的研究具有重大的意义和光明的前景。 例如：

（1）基于年龄的访问控制：在某些情况下，基于年龄的限制适用于物理或虚拟访问。例如，与年龄相关的入口限制可能适用于不同的场所，网页，或者甚至用于防止未成年人购买某些商品（例如酒精饮料或雪茄）。在大多数情况下，基于年龄的限制访问控制是基于人的判断，文档文件的呈现或基于用户自愿提供的数据来实施的。作为替代，可以应用自动面部年龄估计以试图提供客观，准确和非侵入性地确定寻求访问特定物理或虚拟域的人的年龄。

（2）年龄自适应人机交互（HCI）：属于不同年龄组的人员与他们与计算机或其他机器交互的方式有不同的要求和需求。自动年龄估计可用于确定计算机/机器用户的年龄并自动调整用户界面以满足他/她的年龄组的需要。例如，可以为幼儿激活基于图标的界面，而在处理较旧的用户时可以激活具有大字体的文本。年龄适应性HCI对于公共可用资源（例如信息亭）特别有用。