楊浩 許允執(zhí) 于小爽 韓秦 王穎

摘要：近年來(lái)，隨著深度學(xué)習(xí)的發(fā)展與應(yīng)用，人臉識(shí)別領(lǐng)域欣欣向榮。年齡識(shí)別作為人臉識(shí)別的一個(gè)非同小可的分支，能夠輔助人臉識(shí)別更加迅速、精準(zhǔn)地完成任務(wù)。人臉會(huì)由于老化而呈現(xiàn)出不同的復(fù)雜特征，針對(duì)由年齡變化引起的一系列人臉識(shí)別問(wèn)題，大量學(xué)者投入到對(duì)年齡進(jìn)行分類的問(wèn)題研究中。本文圍繞基于深度學(xué)習(xí)的年齡識(shí)別，闡述了年齡識(shí)別目前的發(fā)展現(xiàn)狀及較主流的思想。首先，簡(jiǎn)要概述了神經(jīng)網(wǎng)絡(luò)的發(fā)展，對(duì)各種年齡識(shí)別方法進(jìn)行了簡(jiǎn)單比較并闡述了各自的優(yōu)缺點(diǎn)，分析了不斷演進(jìn)優(yōu)化的CNN框架結(jié)構(gòu)。其次從人臉檢測(cè)、特征提取等方面，對(duì)二者的基本思想和原理進(jìn)行總結(jié)，并對(duì)人臉年齡識(shí)別的整個(gè)流程進(jìn)行了梳理。

關(guān)鍵詞：深度學(xué)習(xí);年齡識(shí)別;CNN框架;人臉檢測(cè);特征提取

中圖分類號(hào)：TP18? 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2021）29-0095-04

1引言

計(jì)算機(jī)視覺(jué)作為計(jì)算機(jī)學(xué)科的一大分支，在近些年的發(fā)展十分迅速。圖像識(shí)別也從最開(kāi)始進(jìn)行簡(jiǎn)單的數(shù)字和形狀識(shí)別發(fā)展到了現(xiàn)在對(duì)各種復(fù)雜物體的識(shí)別。其中我們最熟悉的便是計(jì)算機(jī)對(duì)于人臉的識(shí)別，近些年大數(shù)據(jù)和深度學(xué)習(xí)網(wǎng)絡(luò)的高速發(fā)展，給人臉的識(shí)別提供了極佳的發(fā)展環(huán)境，加上越來(lái)越多的開(kāi)源數(shù)據(jù)庫(kù)的成立，對(duì)于人臉識(shí)別的研究在近幾年達(dá)到高潮。

人臉年齡識(shí)別是人臉識(shí)別問(wèn)題的一個(gè)子集，人臉的年齡估計(jì)有比較廣泛的應(yīng)用范圍，人臉是一個(gè)隨時(shí)間變化的屬性，年齡的變化可能會(huì)給常規(guī)的人臉識(shí)別帶來(lái)誤差，增加人臉識(shí)別的誤識(shí)率，這種情況就可以根據(jù)年齡估計(jì)系統(tǒng)快速對(duì)人臉屬性進(jìn)行年齡歸類，然后對(duì)系統(tǒng)中儲(chǔ)存的圖像進(jìn)行年齡修正，允許部分臉部特征的匹配，從而減小年齡的變化對(duì)人臉識(shí)別的影響。除了圖像的跨年齡識(shí)別外，圖像識(shí)別還能應(yīng)用在人員的快速篩查系統(tǒng)當(dāng)中，在有大量人員的圖像或者視頻當(dāng)中如果想要對(duì)人群進(jìn)行年齡分類的話，如果對(duì)所有人的面部特征進(jìn)行逐一搜索識(shí)別然后提取屬性信息的話會(huì)花費(fèi)大量的時(shí)間代價(jià)。如果僅僅對(duì)每個(gè)人的面部特征進(jìn)行提取并進(jìn)行年齡估計(jì)的話，便能很快地將人群按年齡分類。

2基于深度學(xué)習(xí)的人臉年齡識(shí)別

圖像識(shí)別廣義上是為了將不同類別的圖像劃分到不同的類別中。對(duì)于形體規(guī)則物體的分類，傳統(tǒng)的圖像識(shí)別算法能夠有效的完成分類，但是對(duì)于具有復(fù)雜的特征的形體進(jìn)行分類的話，傳統(tǒng)的圖像識(shí)別技術(shù)效果不是很好，往往伴隨著復(fù)雜的預(yù)處理過(guò)程。深度學(xué)習(xí)的興起也給圖像識(shí)別提供了合適的解決方案，利用大量的訓(xùn)練集對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練然后投入到識(shí)別任務(wù)中。人臉年齡識(shí)別便是根據(jù)人臉特稱進(jìn)行特征分析，然后分類的過(guò)程。人臉年齡識(shí)別相比于人臉識(shí)別來(lái)說(shuō)要求相對(duì)要低很多，不需要對(duì)人臉進(jìn)行匹配，只需要根據(jù)提取出來(lái)的人臉特征進(jìn)行年齡分類。所以年齡識(shí)別的過(guò)程和人臉識(shí)別的過(guò)程非常相似。基于深度學(xué)習(xí)的人臉年齡識(shí)別大致可以分為如下過(guò)程：卷積神經(jīng)網(wǎng)絡(luò)的搭建和訓(xùn)練，人臉的檢測(cè)，年齡預(yù)測(cè)[1]。

2.1年齡識(shí)別研究

在目前的研究中，常用的年齡識(shí)別方法有：多分類法（multi-class），度量回歸法（metric regression），排序（ranking），深度標(biāo)簽分布學(xué)習(xí)（deep label distribution learning）和混合法（hyrid）[2]。

這些方法在年齡識(shí)別領(lǐng)域各放異彩。其中，Rothe等人[3]應(yīng)用DEX（deep expection of apparent age）將多分類法與回歸法相結(jié)合以解決年齡回歸問(wèn)題，把年齡分為101類，即0-100歲，通過(guò)VGG-16網(wǎng)絡(luò)框架提取特征。這種方法較簡(jiǎn)單的回歸法魯棒性和性能更強(qiáng)，在2015 Chalern LAP斬獲第一。

Chen等人[4]將年齡估計(jì)轉(zhuǎn)化為排序問(wèn)題，提出基于CNN 的 ranking-CNN進(jìn)行年齡預(yù)測(cè)，將年齡估計(jì)轉(zhuǎn)化為一個(gè)排序問(wèn)題。該構(gòu)架具有一系列經(jīng)過(guò)“常規(guī)年齡標(biāo)簽”訓(xùn)練的基本CNN，通過(guò)合計(jì)這些基礎(chǔ)CNN輸出的二分類結(jié)果，得到年齡預(yù)測(cè)結(jié)果。大量實(shí)驗(yàn)證明，此方法較“多類”分類技術(shù)有較小的誤差。

關(guān)于其他的研究進(jìn)展，我們將會(huì)在后文中詳細(xì)討論。通過(guò)這些案例可看出深度學(xué)習(xí)網(wǎng)絡(luò)已廣泛應(yīng)用于圖像識(shí)別領(lǐng)域，并在年齡識(shí)別領(lǐng)域中發(fā)揮著非同凡響的作用。

2.2神經(jīng)網(wǎng)絡(luò)

深度學(xué)習(xí)是圖像識(shí)別的一個(gè)非常重要的工具，深度學(xué)習(xí)的研究最早可以追溯到20世紀(jì)，由于受到硬件性能的約束，深度學(xué)習(xí)的研究沒(méi)落了一段時(shí)間。但隨著21世紀(jì)硬件性能的高速躍進(jìn)，也為深度學(xué)習(xí)網(wǎng)絡(luò)的實(shí)現(xiàn)奠定了基礎(chǔ)，對(duì)于深度學(xué)習(xí)網(wǎng)絡(luò)的研究又重新進(jìn)入了一個(gè)新的時(shí)代。LeCun于1998年提出了LeNet-5[5]，LeNet提出了把神經(jīng)網(wǎng)絡(luò)和卷積結(jié)合的想法，而這也成為了一種影響巨大的卷積神經(jīng)網(wǎng)絡(luò)，卷積和池化這兩個(gè)概念也正是由此產(chǎn)生。而隨著深度學(xué)習(xí)持續(xù)發(fā)展，到了2012年，在ImageNet 比賽中，由Alex Krizhevshy提出的AlexNet[6]，一舉奪下當(dāng)年比賽的冠軍。而在這之后，研究者又陸續(xù)提出了各種卷積神經(jīng)網(wǎng)絡(luò)的模型，比如 VG-GNet，GoogleNet，深度殘差網(wǎng)絡(luò)等[7]。

VGG模型是由牛津大學(xué)在2014年提出的卷積神經(jīng)網(wǎng)絡(luò)模型，相比于AlexNet神經(jīng)網(wǎng)絡(luò)，VGG 網(wǎng)絡(luò)旨在加深網(wǎng)絡(luò)以提高性能，該模型與2014的ILS-VRC定位和分類的兩個(gè)比賽上分別取得了第一和第二的優(yōu)秀成績(jī)，VGG模型的錯(cuò)誤率大幅下降，該模型拓展性極強(qiáng)，被廣泛應(yīng)用與圖像協(xié)同定位，物體候選框生成和細(xì)粒度圖像定位等方面。

GoogLeNet模型是2014年 ILSVRC Classification 比賽冠軍[8]，該網(wǎng)絡(luò)與VGG 網(wǎng)絡(luò)錯(cuò)誤率相接近。但是結(jié)構(gòu)上與VGG相比卻更加復(fù)雜，GoogLeNet是一個(gè)22層深的網(wǎng)絡(luò)。提高神經(jīng)網(wǎng)絡(luò)的性能的方法通常是增加模型的深度和寬度，但是隨著模型寬度和深度的增加，往往會(huì)產(chǎn)生一系列的問(wèn)題，例如隨著深度和寬度的加深加大，網(wǎng)絡(luò)模型的參數(shù)也會(huì)隨之增加，而參數(shù)的增加就提高了對(duì)學(xué)習(xí)樣本數(shù)量的要求，但實(shí)際供模型學(xué)習(xí)的訓(xùn)練數(shù)據(jù)往往都很有限，這將導(dǎo)致過(guò)擬合的問(wèn)題;而網(wǎng)絡(luò)復(fù)雜度的增大又會(huì)消耗額外的計(jì)算資源。再者，隨著網(wǎng)絡(luò)深度的加大，梯度也更容易消失，這會(huì)導(dǎo)致模型性能的進(jìn)一步下降，而且也難以對(duì)此進(jìn)行優(yōu)化。GoogLeNet模型便是為了解決上述問(wèn)題而出現(xiàn)的，它提出了一種inception 的網(wǎng)絡(luò)結(jié)構(gòu)，并除去了最后的全連接層，用全局平均池化層代替。

殘差網(wǎng)絡(luò)ResNet[9]與GoogLeNet模型一樣，也是為了解決隨著網(wǎng)絡(luò)深度增加而使梯度在反向傳播過(guò)程中消失從而導(dǎo)致誤差的增大問(wèn)題。殘差網(wǎng)絡(luò)是通過(guò)在前饋神經(jīng)網(wǎng)絡(luò)上增加一個(gè)跳躍，將單元的輸入和輸出進(jìn)行直接的連接，從而實(shí)現(xiàn)了快捷連接，而這解決了梯度值在反向傳播過(guò)程中消失的問(wèn)題。

2.3人臉檢測(cè)

隨著深度學(xué)習(xí)網(wǎng)絡(luò)的發(fā)展與應(yīng)用的逐漸成熟，被用于進(jìn)行圖像識(shí)別的神經(jīng)網(wǎng)絡(luò)精度也日趨提高和完善，這為人臉年齡分類的實(shí)現(xiàn)打下了基礎(chǔ)。而在圖像輸入神經(jīng)網(wǎng)絡(luò)進(jìn)行分類之前，應(yīng)當(dāng)先找到圖像中的感興趣區(qū)域（ROI），也就是人臉區(qū)域。而目前，對(duì)于人臉檢測(cè)并提取ROI 的算法已經(jīng)較為成熟。

2.3.1早期算法

早期人臉檢測(cè)算法使用的是模板匹配技術(shù)，即使用人臉模板圖像和被檢測(cè)圖像中的對(duì)應(yīng)位置進(jìn)行匹配比較，并以此來(lái)確定該位置是否有人臉。其中早期最有代表性的是Rowley等人提出的方法。在文獻(xiàn)[10]中的方法解決了人臉的正面檢測(cè)問(wèn)題。

文獻(xiàn)[11]中解決了多角度人臉檢測(cè)的問(wèn)題

雖然 Rowley 的方法有較好的精度，但因?yàn)榉诸惼飨鄬?duì)復(fù)雜，再加之采用了密集滑動(dòng)窗口進(jìn)行采樣分析，導(dǎo)致其檢測(cè)速度較慢。

2.3.2 AdaBoost框架

Adaboost算法是基于PAC學(xué)習(xí)理論建立的一種集成學(xué)習(xí)算法，它通過(guò)針對(duì)同一個(gè)訓(xùn)練集訓(xùn)練多個(gè)不同的簡(jiǎn)單弱分類器，并由此構(gòu)建出準(zhǔn)確率很高的強(qiáng)分類器。而PAC學(xué)習(xí)理論驗(yàn)證了這一方法的可行性。在2001年Viola 和Jones設(shè)計(jì)了一種人臉檢測(cè)算法[12]，檢測(cè)速度在較之前的方法有大幅提升的同時(shí)，又維持了較好的精度。這種算法的出現(xiàn)，奠定了基于Ada? Boost 目標(biāo)檢測(cè)框架的基礎(chǔ)。

2.3.3深度學(xué)習(xí)框架

在卷積神經(jīng)網(wǎng)絡(luò)被應(yīng)用于圖像分類問(wèn)題上并取得成功之后，便開(kāi)始被用于人臉檢測(cè)。而其精度也大幅超越之前的Ada? Boost框架。目前，已有 Cascade CNN，DenseBox，F(xiàn)aceness-Net， MTCNN等高效高精度的算法。

Cascade CNN[13]可被認(rèn)為是傳統(tǒng)技術(shù)和深度網(wǎng)絡(luò)相結(jié)合的例子。它也包含了多個(gè)單獨(dú)的分類器，這些分類器采用級(jí)聯(lián)結(jié)構(gòu)進(jìn)行組織。

Faceness-Net[14]是使用的一種由粗到細(xì)的工作流，使用多個(gè)基于 DCNN 網(wǎng)絡(luò)的facialparts分類器對(duì)人臉圖像進(jìn)行打分，并根據(jù)每個(gè)部件的得分分析規(guī)則，得到Proposal 的人臉區(qū)域，最后通過(guò)一個(gè)Refine 網(wǎng)絡(luò)并由此得到最終檢測(cè)結(jié)果。

MTCNN[15]是一個(gè)多任務(wù)的方法。基于Cascade框架，但相較 Cascade CNN 整體思路更加合理。相較于 Cascade CNN 的12-net需要在整張圖片做密集窗口采樣進(jìn)行分類的低效做法， MTCNN在第一階段PNet使用的是全卷積網(wǎng)絡(luò)，其優(yōu)點(diǎn)在于可以輸入任意大小尺寸的圖像，同時(shí)將使用滑動(dòng)窗口的運(yùn)算改為卷積運(yùn)算來(lái)代替，又使得效率得到了提高。

2.4特征提取

特征提取是人臉識(shí)別中最基本的問(wèn)題之一，特征提取能從原始模式信息中提取出最有利于模式分類的特征，而且能極大地降低模式樣本地維數(shù)。特征提取的有效性是解決人臉識(shí)別的關(guān)鍵之一。人臉特征提取的主要方法如下：

2.4.1基于幾何特征的方法

基于幾何特征的方法通過(guò)提取人臉面部具有代表性的部位如眼睛，鼻子嘴巴的相對(duì)位置和相對(duì)大小作為特征，再輔助人臉輪廓作為特征。但是該方法容易受光照，表情，遮擋等因素的影響導(dǎo)致穩(wěn)定新不高。

2.4.2基于子空間分析方法

把高維空間中松散分布的人臉圖像通過(guò)線性或者非線性變換壓縮到一個(gè)低維的子空間中去，使人臉圖像的分布在低維子空間中更緊湊，更有利于分類，也使高維計(jì)算的減小到低維的計(jì)算，在一定程度上緩解了“維數(shù)災(zāi)難”。

基于子空間分析現(xiàn)已經(jīng)成為人臉識(shí)別的主流方法之一，因?yàn)槠浞椒ú粌H能減少計(jì)算復(fù)雜性，也能提高問(wèn)題的可分性。正是由于基于可分性準(zhǔn)則的線性判別分析使之具有一定的優(yōu)越性[16]。

2.4.3基于小波理論的人臉識(shí)別方法

小波分析又被譽(yù)為“數(shù)學(xué)顯微鏡”，人臉圖像屬于二維數(shù)據(jù)，對(duì)人臉圖像數(shù)據(jù)進(jìn)行小波變換，表示人臉時(shí)采用低頻圖像數(shù)據(jù)不但可以降低圖像的復(fù)雜性而且能使特征更為有效[17]。小波的多分辨率分析是圖像識(shí)別的有效工具，也是我們對(duì)圖像進(jìn)行降維處理的有力工具。因?yàn)楹苋菀讓⒁痪S小波推廣到二維乃至更高維數(shù)的情景，所以在人臉識(shí)別中小波的作用也越來(lái)越明顯。

2.4.4基于隱馬可夫模型識(shí)別

在人臉識(shí)別過(guò)程中，我們往往不是單獨(dú)的用人臉的無(wú)關(guān)這些相對(duì)獨(dú)立的特征來(lái)進(jìn)行的，而是把人臉作為一個(gè)整體來(lái)考慮。而隱馬可夫模型[18]恰恰很好地描述了這個(gè)過(guò)程?；陔[馬可夫模型允許人臉有豐富地表情變化，而且有較高地識(shí)別率，較好的擴(kuò)容性。

3總結(jié)

人臉年齡的識(shí)別過(guò)程前期工作和人臉識(shí)別的工作大致相同，前期也有圖像預(yù)處理，人臉檢測(cè)和特征提取的過(guò)程。不同的地方在于人臉年齡是一個(gè)人臉的一個(gè)屬性，年齡檢測(cè)屬于一種分類問(wèn)題，而人臉識(shí)別需要從提取出來(lái)的人臉特征進(jìn)行匹配，是一種匹配搜索問(wèn)題。所以人臉年齡的識(shí)別很多地方可以借用人臉識(shí)別的方法處理。人臉識(shí)別最重要的兩步工作決定了識(shí)別的成功與否：人臉檢測(cè)和特征提取。人臉檢測(cè)的目的就是判定一張圖片中是否有人臉的存在并且返回人臉?biāo)诘膮^(qū)域范圍，優(yōu)秀的人臉檢測(cè)算法不僅能提高識(shí)別的準(zhǔn)確性，也能在一定程度減少數(shù)據(jù)的維度，加快識(shí)別的速率。目前最常用的人臉檢測(cè)方法主要為adaboost框架和基于深度學(xué)習(xí)的框架，基于深度學(xué)習(xí)的檢測(cè)框架在精度上遠(yuǎn)超adaboost的識(shí)別框架，也是未來(lái)發(fā)展的一個(gè)大方向。另外一個(gè)重要的工作便是特征提取，特征提取能從原模式中提取出有利于我們分析的數(shù)據(jù)信息，極大降低了數(shù)據(jù)的維度，能提高識(shí)別的速率和準(zhǔn)確性。當(dāng)前人臉識(shí)別最廣泛的方法便是使用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練和識(shí)別，自八層的alexnet網(wǎng)絡(luò)問(wèn)世并獲得圖像識(shí)別比賽的冠軍后，各種卷積神經(jīng)網(wǎng)絡(luò)如雨后春筍般出現(xiàn)如VGGNet以及GoogleNet，識(shí)別的精度度和準(zhǔn)確性越來(lái)越高，也為人臉年齡的識(shí)別提供了理論和實(shí)踐的基礎(chǔ)。

參考文獻(xiàn)：

[1]楊巨成，劉娜，房珊珊，等.基于深度學(xué)習(xí)的人臉識(shí)別方法研究綜述[J].天津科技大學(xué)學(xué)報(bào)，2016，31（6）：1-10.

[2] Agbo-AjalaO，ViririS.Deep learning approach for facial age classification：a survey of the state-of-the-art[J].Artificial Intelligence Review，2021，54（1）：179-213.

[3] RotheR，TimofteR，Van Gool L.Deep expectation of real and apparent age from a single image without facial landmarks[J]. International Journal of Computer Vision， 2018， 126（2/3/4）：144-157.

[4] Chen S X，Zhang C J，DongM，etal.Using ranking-CNN for age estimation[C]//2017 IEEE Conference on Computer Vision and Pattern Recognition （CVPR）. July 21-26， 2017， Honolulu， HI， USA.IEEE，2017：742-751.

[5] LeCunY，BottouL，BengioY，etal.Gradient-based learning ap? plied to document recognition[J].Proceedings of the IEEE，1998， 86（11）：2278-2324.

[6] KrizhevskyA，SutskeverI，Hinton G E.ImageNet classification with deep convolutional neural networks[J].Communications of the ACM，2017，60（6）：84-90.

[7]周飛燕，金林鵬，董軍.卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J].計(jì)算機(jī)學(xué)報(bào)，2017，40（6）：1229-1251.

[8] SzegedyC，LiuW，Jia Y Q，etal.Going deeper with convolutions [C]//2015 IEEE Conference on Computer Vision and Pattern Recognition （CVPR）.June 7-12， 2015， Boston， MA， USA. IEEE， 2015：1-9.

[9] He K M，Zhang X Y，Ren S Q，etal.Deep residual learning for image recognition[C]//2016 IEEE Conference on Computer Vi?sion and Pattern Recognition （CVPR）. June 27-30， 2016， Las Vegas，NV，USA.IEEE，2016：770-778.

[10] Rowley H A，BalujaS，KanadeT.Neural network-based face detection[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence，1998，20（1）：23-38.

[11] Rowley H A，BalujaS，KanadeT.Rotation invariant neural net? work-based face detection[R]. Defense Technical Information Center，1997.

[12] Li S Z，ZhuL，Zhang Z Q，etal.Statistical learning of multi- view face detection[M]//Computer Vision — ECCV 2002.Ber?lin，Heidelberg：Springer Berlin Heidelberg，2002：67-81.

[13] Li H X，LinZ，Shen X H，etal.A convolutional neural network cascade for face detection[C]//2015 IEEE Conference on Com?puter Vision and Pattern Recognition （CVPR）.June 7-12，2015， Boston，MA，USA.IEEE，2015：5325-5334.

[14] Yang S， Luo P， Loy C C， et al. Faceness-net： face detection through deep facial part responses[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence，2018，40（8）：1845-1859.

[15] Zhang K P，Zhang Z P，Li Z F，etal.Joint face detection and alignment using multitask cascaded convolutional networks[J]. IEEE Signal Processing Letters，2016，23（10）：1499-1503.

[16]葛微，程宇奇，劉春香，等.基于子空間分析的人臉識(shí)別方法研究[J].中國(guó)光學(xué)與應(yīng)用光學(xué)，2009，2（5）：377-387.

[17]許亞軍，李瑋欣.基于Gabor小波變換和神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別研究 [J].中國(guó)電子科學(xué)研究院學(xué)報(bào) ， 2017， 12（5）：534-539，550.

[18]朱小艷，汪曉華.人臉識(shí)別的分析與實(shí)現(xiàn)[J].商丘職業(yè)技術(shù)學(xué)院學(xué)報(bào)，2005，4（5）：25-26.

【通聯(lián)編輯：唐一東】