基于人工免疫識別系統(tǒng)的年齡估計系統(tǒng)及方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于電子信息技術(shù)領(lǐng)域，涉及一種年齡估計系統(tǒng)，尤其涉及一種基于人工 免疫識別系統(tǒng)的年齡估計系統(tǒng)；同時，本發(fā)明還涉及一種基于人工免疫識別系統(tǒng)的年齡估 計方法。
【背景技術(shù)】
[0002] 年齡估計是一個很復(fù)雜的問題。這是因?yàn)?，人的年齡特征在外表上很難準(zhǔn)確地被 觀察出來，即使是人用眼睛也很難準(zhǔn)確地判斷出一個人的年齡。人臉的年齡特征通常表現(xiàn) 在皮膚紋理、皮膚顏色、光亮程度和皺紋紋理等方面，然而這些因素通常與個人的遺傳基 因、生活習(xí)慣、性別、性格特征和工作環(huán)境等方面相關(guān)。因此，很難用一個統(tǒng)一的模型去定義 人臉圖像的年齡，通常需要通過大量樣本的學(xué)習(xí)才能較好地估計出人的年齡層次。
[0003]目前，要準(zhǔn)確地估計出一個人的具體年齡，仍然是一個很困難的問題。近年來，根 據(jù)人臉圖像進(jìn)行年齡自動估計的方法在收集市場信息方面有著廣闊的應(yīng)用前景。
[0004] 有鑒于此，如今迫需要設(shè)計一種新的年齡估計系統(tǒng)，以便克服現(xiàn)有估計模型的上 述缺陷。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明所要解決的技術(shù)問題是：提供一種基于人工免疫識別系統(tǒng)的年齡估計系 統(tǒng)，可提尚年齡估計的精確度。
[0006] 此外，本發(fā)明還提供一種基于人工免疫識別系統(tǒng)的年齡估計方法，可提高年齡估 計的精確度。
[0007] 為解決上述技術(shù)問題，本發(fā)明采用如下技術(shù)方案：
[0008] -種基于人工免疫識別系統(tǒng)的年齡估計系統(tǒng)，所述年齡估計系統(tǒng)包括：
[0009] 人臉特征自動提取模塊，用以自動提取人臉特征；
[0010] 人工免疫識別系統(tǒng)，用以確定人臉圖像與年齡段類別之間的所屬關(guān)系，從而得到 想要的年齡分類器。
[0011] 作為本發(fā)明的一種優(yōu)選方案，所述人臉特征自動提取模塊利用AAM人臉自動標(biāo)注 方法來自動提取人臉特征，通過對人臉的自動標(biāo)定，標(biāo)定出人臉最能表達(dá)人臉年齡特征部 分點(diǎn)。
[0012] 作為本發(fā)明的一種優(yōu)選方案，為了建立人臉形狀模型，對訓(xùn)練庫中一組人臉樣本 的每個樣本的特征點(diǎn)進(jìn)行標(biāo)記；將所有形狀對齊到一個平均形狀上，并使用PCA分析則可 得到任意形狀的表示：
⑴
[0014] 其中，f是平均形狀，Ps是正交的特征向量矩陣，b s是形狀參數(shù)集合；
[0015] 在建立人臉紋理模型過程中，先使用Delaunay三角形準(zhǔn)則對每個樣本進(jìn)行變換 以映射到平均形狀，之后對樣本進(jìn)行歸一化處理，最后使用PCA分析獲得線性紋理統(tǒng)計模 型：
(2；)
[0017] 其中，g是紋理樣本的平均灰度值，Pg是正交的特征向量矩陣，bg是灰度參數(shù)集合；
[0018] 對任意人臉，其形狀和紋理模型可利用參數(shù)bs，\來表示；由于形狀和紋理之間的 關(guān)聯(lián)性，需要進(jìn)一步應(yīng)用PCA方法。先建立b s，bg的連接向量：
⑶
[0020] 其中，1；3是一個對角矩陣，用來調(diào)節(jié)形狀模型和紋理模型的之間的權(quán)重；再次應(yīng)用 PCA分析，得到人臉對象的最終參數(shù)向量：b = Qc。其中，Q是特征向量，c是外觀參數(shù)向量， 用于控制形狀模型和紋理模型。由于模型的線性特性，我們可以直接用c表示形狀模型和 紋理模型：
⑷
[0022] AAM人臉定位過程就是在圖像中搜索人臉對象，并用c表示人臉對象的過程。給定 初始人臉模型估計參數(shù)c〇,通過運(yùn)算，最終使人臉模型與被檢測人臉圖像的輪廓和紋理匹 配，從而得出新的c值。
[0023] 作為本發(fā)明的一種優(yōu)選方案，在人臉圖像自動標(biāo)定58個點(diǎn)，使用形狀s和紋理g 特征構(gòu)成最終的人臉年齡特征信息X。
[0024] 作為本發(fā)明的一種優(yōu)選方案，所述人工免疫識別系統(tǒng)為基于Partial HausdorfT 距離的人工免疫識別系統(tǒng)，人體免疫系統(tǒng)與人工免疫識別系統(tǒng)映射關(guān)系如下：抗體對應(yīng)特 征向量，識別球ab對應(yīng)特征向量與向量類的結(jié)合，克隆膨脹對應(yīng)最能與抗原進(jìn)行匹配的人 工識別球體的復(fù)制，抗原ag對應(yīng)訓(xùn)練樣本特征，親和度成熟對應(yīng)具有最少刺激值的人工識 別球隨機(jī)的變異與轉(zhuǎn)移，免疫記憶對應(yīng)變異后的人工識別球的記憶設(shè)置；
[0025] 人工識別球ARB的概念在Timmis機(jī)器學(xué)習(xí)模型RLAIS中得到定義，其代表B細(xì)胞； 每一個ARB將代表一定數(shù)量的相同的B細(xì)胞，基于刺激水平對B細(xì)胞進(jìn)行分配，當(dāng)ARB不再 需要B細(xì)胞時該ARB將被去除，由此實(shí)現(xiàn)有效的群體控制；刺激水平即B細(xì)胞和訓(xùn)練數(shù)據(jù)以 及相鄰B細(xì)胞的匹配程度；
[0026] 通過在訓(xùn)練數(shù)據(jù)中隨機(jī)選取η個作為初始B細(xì)胞，然后B細(xì)胞成為血漿細(xì)胞經(jīng)歷 克隆膨脹過程，在克隆過程中，B細(xì)胞根據(jù)自身與抗原匹配的程度的比例來進(jìn)行克隆，然后 再通過親和度成熟，即根據(jù)其抗原親和度所占反比進(jìn)行變異，最后經(jīng)過資源競爭過程成為 記憶細(xì)胞。
[0027] 作為本發(fā)明的一種優(yōu)選方案，所述人工免疫識別系統(tǒng)包括：親和度計算模塊、初始 化模塊、人工識別球的初步產(chǎn)生模塊、資源競爭與記憶細(xì)胞生成模塊、分類模塊；
[0028] 所述親和度計算模塊采用Partial Hausdorff距離來計算親和度，Partial Hausdorff距離的定義是從Hausdorff距離引申而來的，是根據(jù)Hausdorff距離改進(jìn)的，相 比Hausdorff距離具有抗干擾性和容錯性更強(qiáng)的特性點(diǎn)；Hausdorff距離定義如下：
[0029] 給定兩點(diǎn)向量 A = {a1; a2,…，aj 和 B = Od1, b2,…，bj，Hausdorff 距離為：
[0030] H (A, B) = max (h (B, A), h (A, B))
[0031] 其中：
，其中d 為歐氏距離，如果定義A中點(diǎn)a到B的距離為a與B中所有點(diǎn)距離的最小值，那么h(A，B) 則為A中所有點(diǎn)到B的距離的最大值；
[0032] 由Hausdorff距離引申的Partial Hausdorff距離定義為：
[0033] HKi l (A, B) = max (hK (B, A), hL (A, B)) (5)
[0034] 其中：hK(B，A)表示B中所有的點(diǎn)到A距離按從小到大排序，其中第K大距離的值； 同理k (A，B)表示A中所有的點(diǎn)到B距離按從小到大排序，其中第L大距離的值；
[0035] 這樣通過定義Partial Hausdorff距離就消除了計算Hausdorff距離時孤立點(diǎn)對 其造成的影響；
[0036] 在本發(fā)明中，通過AAM方法自動提取人臉年齡特征Xi、x_j兩特征間親和度計算方法 為：
[0037] HKjL= max (h κ (χ?； Xi), hL (xi; Xj)) (6)
[0038] 其中Xj分別為訓(xùn)練圖片中的第i、j副圖片的特征向量；
[0039] 所述初始化模塊將人臉圖片按年齡段不同分為：0~5, 5~10,15~20,…，75~ 80共16類，通過AAM方法提取所有訓(xùn)練樣本特征X = U1, X2,…，xj ;計算任意兩兩之間的 親和度值即Partial Hausdorff距離，并對親和度值進(jìn)行標(biāo)準(zhǔn)化，即將值縮小到[0，1]范圍 內(nèi)，然后計算親和度門限值：
Π )
[0041 ] 其中，η表示訓(xùn)練數(shù)據(jù)個數(shù)，agJP ag 表示第i和第j個訓(xùn)練抗原向量， affinity (X，y)返回標(biāo)準(zhǔn)化后的X與y間的Partial Hausdorff距離；
[0042] 最后在訓(xùn)練抗原向量集中隨機(jī)選取t個抗原向量作為初始記憶細(xì)胞群和初始ARB 群；t〈n ;
[0043] 所述人工識別球的初步產(chǎn)生模塊的處理過程中，訓(xùn)練過程為一次性增加算法，每 一個訓(xùn)練數(shù)據(jù)在學(xué)習(xí)算法中只出現(xiàn)一次，在這一步中給出一個有效的抗原ag，根據(jù)式（8) 找出記憶細(xì)胞集中與之最能匹配的的記憶細(xì)胞HlC niateh;
[0045] 其中ag為抗原，ag. c為第C類抗原，me為記憶細(xì)胞，MCag e為第C類的記憶細(xì)胞 集，stimulation (x，y)的定義如式（9):
[0046] stimulation (x,y) = 1-affinity(x, y) (9)
[0047] 如果記憶細(xì)胞集中與抗原同類的記憶細(xì)胞為空，那么此抗原則作為這類的Hicniateh 加入到記憶細(xì)胞集中；如果不為空，則先找出與抗原同類的記憶細(xì)胞中的HlCniateh，那么 mcmteh就成為ABR參與克隆、變異，每類的me "^克隆數(shù)與抗原和me mteh之間的刺激值成正 比，而變異數(shù)則與刺激值成反比；最后加入到人工識別球集合AB當(dāng)中；
[0048] 所述資源競爭與記憶細(xì)胞生成模塊對克隆變異后形成的人工識別球集合AB，重新 計算每一個人工識別球ab的刺激值，如果ab與給定的ag同類，那么：
(10) (115
[0052] 按刺激值大小成正比的方法對資源進(jìn)行分配，總資源數(shù)自行設(shè)定，如果分配后的 每一類資源數(shù)大于最大允許資源分配數(shù)，則刪除刺激值相對較小的ab，同時刪除刺激值為 0的ab，直至最后這一類資源分配數(shù)等于最大允許資源分配數(shù)；
[0053] 如果資源競爭后的人工識別球集合AB符合停止標(biāo)準(zhǔn)，表示訓(xùn)練結(jié)束，停止標(biāo)準(zhǔn)如 下：
(12)
[0055] 其中ab」表示屬于第i類的人工識別球集合AB i的第j個ab，當(dāng)AB中所有類別的 s多刺激值門限滿足條件；
[0056] 如果資源競爭后的AB不滿足停止標(biāo)準(zhǔn)，那么AB中的所有ab參與克隆、變異，然后 再進(jìn)行資源競爭，不斷的循環(huán)進(jìn)行，直到滿足停止標(biāo)準(zhǔn)為止。就表示對這一給定的ag訓(xùn)練 結(jié)束，候選記憶