(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 20221048316 5.3 (22)申请日 2022.05.06 (65)同一申请的已公布的文献号 申请公布号 CN 114582006 A (43)申请公布日 2022.06.03 (73)专利权人 广东红橙云大 数据有限公司 地址 510700 广东省广州市黄埔区瑞和路 39号G2栋215房G2栋216房G2栋217房 G2栋218房G2栋219房G2栋2 20房 (72)发明人 林伟辉　 (74)专利代理 机构 北京超凡宏宇专利代理事务 所(特殊普通 合伙) 11463 专利代理师 张萍 (51)Int.Cl. G06V 40/16(2022.01) G06V 10/44(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (56)对比文件 CN 111209878 A,2020.0 5.29 CN 110197099 A,2019.09.0 3 CN 114241585 A,202 2.03.25 CN 113705383 A,2021.1 1.26 CN 113128278 A,2021.07.16 US 20210 64851 A1,2021.0 3.04 CN 113205017 A,2021.08.0 3 郑天悦.基 于深度学习的跨 年龄人脸识别问 题. 《全国优秀硕士学位 论文全文数据库 信息科 技辑》 .2019,I138-1 159. Debayan Deb et.al. .Identifyi ng Missing Children: Face Age-Progres sion via Deep Feature Agi ng. 《2020 25th Internati onal Conference o n Pattern Recognition (ICPR)》 .2021,10 540-10547. 审查员 张倩倩 (54)发明名称 儿童跨年龄的面部识别方法、 装置、 电子设 备及介质 (57)摘要 本申请提供一种儿童跨年龄的面部识别方 法、 装置、 电子设备及介质。 该方法在获取待识别 面部图像中当前儿童的目标年龄和待识别面部 图像的待识别面部特征后， 查找存储的面部特征 库中预测年龄段对应的多个儿童标识的面部特 征、 预测年龄段对应的平均面部特征和目标年龄 所属的目标年龄段对应的平均面部特征； 将任一 儿童标识对应的面部特征、 预测年龄段对应的平 均面部特征和目标年龄段对应的平均面部特征， 输入训练好的特征预测网络中， 得到该儿童标识 在目标年龄段的预测面部特征， 若目标儿童标识 对应的预测面部特征与待识别面部特征匹配， 则 将目标儿童标识确定为当前儿童的儿童标识。 该方法提高了儿童 面部识别的准确性。 权利要求书3页 说明书13页 附图3页 CN 114582006 B 2022.07.08 CN 114582006 B 1.一种儿童 跨年龄的面部识别方法， 其特 征在于， 所述方法包括： 获取待识别面部图像中当前儿童的目标年龄和所述待识别面部图像的待识别面部特 征； 所述待识别面部图像中当前儿童的头 部姿态满足预设姿态； 基于预设的预测年龄段， 查找存储的面部特征库中所述预测年龄段对应的多个儿童标 识的面部特征、 所述预测年龄段对应的平均面部特征和所述目标年龄所属的目标年龄段对 应的平均面部特征； 所述面部特征库包括各儿童标识在不同年龄段对应的面部特征和所述 不同年龄段对应的平均面部特征， 所述平均面部特征是根据各年龄段中的面部特征和相应 个数确定的； 所述预测年龄段与所述目标年龄段不同； 针对各儿童标识， 将所述儿童标识对应的面部特征、 所述预测年龄段对应的平均面部 特征和所述 目标年龄段对应的平均面部特征， 输入训练好的特征预测网络中， 得到所述特 征预测网络 输出的所述儿童标识在所述目标年龄段的预测面部特 征； 若目标儿童标识对应的预测面部特征与 所述待识别面部特征匹配， 则将所述目标儿童 标识确定为所述当前儿童的儿童标识。 2.如权利要求1所述的方法， 其特征在于， 基于预设的预测年龄段， 查找存储的面部特 征库中所述预测年龄段对应的多个儿童标识的面部特征、 所述预测年龄段对应的平均面部 特征和所述目标年龄段对应的平均面部特 征， 包括： 基于预设的预测年龄段， 查找存储的面部特征库中所述预测年龄段对应的多个儿童标 识的面部特 征； 将所述待识别面部特征分别和所述预测年龄段对应的多个儿童标识的面部特征进行 匹配； 若匹配失败， 则基于预设的预测年龄段， 查找存储的面部特征库中所述预测年龄段对 应的平均面部特 征和所述目标年龄段对应的平均面部特 征。 3.如权利要求1所述的方法， 其特征在于， 确定所述待识别面部特征对应的目标儿童标 识之后， 所述方法还 包括： 将所述待识别面部特征确定为所述目标儿童标识在所述目标年龄段的面部特征， 并基 于所述待识别面部特 征， 对所述 面部特征库进行 更新。 4.如权利要求1所述的方法， 其特征在于， 所述特征预测网络包括： 特征预测模块、 特征 叠加模块和L2范 数归一化模块； 将所述儿童标识对应的面部特征、 所述预测年龄段对应的平均面部特征和所述目标年 龄段对应的平均面部特征， 输入训练好的特征预测网络中， 得到所述特征预测网络输出 的 所述儿童标识在所述目标年龄段的预测面部特 征， 包括： 将所述儿童标识对应的面部特征、 所述预测年龄段对应的平均面部特征和所述目标年 龄段对应的平均面部特征， 输入所述特征预测模块， 输出所述儿童标识在所述目标年龄段 的中间预测特 征； 将所述中间预测特征和所述儿童标识对应的面部特征， 输入所述特征叠加模块， 输出 叠加后的中间预测特 征； 将所述叠加后的中间预测特征输入所述L2范数归一化模块， 输出所述儿童标识在所述 目标年龄段的预测面部特 征。 5.如权利要求1或4所述的方法， 其特 征在于， 所述特 征预测网络的训练过程：权　利　要　求　书 1/3 页 2 CN 114582006 B 2采集训练数据， 所述训练数据包括各儿童标识在第 一年龄段的第 一面部图像和相应儿 童标识在第二年龄段 的第二面部图像； 所述第一年龄段和所述第二年龄段不同； 所述第一 面部图像和所述第二 面部图像中儿童的头 部态满足预设姿态； 获取所述第一 面部图像的面部特 征和所述第二 面部图像的面部特 征； 基于所述第 一年龄段内第 一面部图像的面部特征和相应个数， 计算所述第 一年龄段对 应的平均面部特征， 以及基于所述第二年龄段内第二面部图像的面部特征和相 应个数， 计 算所述第二 年龄段对应的平均面部特 征； 针对各儿童标识， 基于所述儿童标识对应的第一面部 图像的面部特征、 所述第一年龄 段对应的平均面部特征、 所述第二年龄段对应的平均面部特征， 以及所述儿童标识对应的 第二面部图像的面部特征， 对预训练的神经网络进行迭代训练， 得到训练出 的特征预测网 络。 6.如权利要求5所述的方法， 其特 征在于， 采集训练数据之后， 所述方法还 包括： 若采集的训练数据的数量不大于预设数量阈值， 则获取待扩充面部图像和所述待扩充 面部图像中扩充儿童的年龄所属的当前年龄段； 所述待扩充面部图像中扩充儿童的头部姿 态满足预设姿态； 利用预先配置的位置图回归网络PRNet模型， 得到所述待扩充面部图像对应的面部网 格和相应纹理图， 并获取所述待扩充面部图像对应的姿态标准化的待扩充面部图像的面部 网格； 所述姿态标准化是指将所述扩充儿童的头部姿态中偏航角、 俯仰角与滚转角的角度 均更新为0°； 将存储的面部网格训练集中扩充儿童标识在当前年龄段对应的姿态标准化的平均面 部网格和所述扩充儿童标识在 扩充年龄段对应的姿态标准化的平均面部网格， 以及所述姿 态标准化的待扩充面部图像的面部网格， 输入预先训练好的姿态标准化面部网格合成网 络， 得到所述姿态标准化面部网格合成网络输出的所述扩充年龄段对应的姿态标准化的合 成面部网格； 其中， 所述面部网格训练集包括各儿童标识在不同年龄段的姿态标准化的面 部网格、 不同年龄段对应的姿态标准化的平均面部网格； 所述当前年龄段与所述扩充年龄 段不同； 所述姿态标准化面部网格合成网络是基于面部网格训练集中相同儿童标识在两个 不同年龄段对应的姿态标准化的面部网格和所述两个不同年龄段分别对应的姿态标准化 的平均面部网格， 对神经网络进行迭代训练得到的； 将所述姿态标准 化的合成面部网格转换为满足所述预设姿态的合成面部网格； 基于转换后的合成面部网格和所述纹 理图， 生成新的面部图像； 将所述新的面部图像确定为 新的训练数据。 7.如权利要求6所述的方法， 其特征在于， 所述姿态标准化面部网格合成网络包括一个 合并函数层和编码 ‑解码网络结构。 8.如权利要求6所述的方法， 其特 征在于， 所述 面部网格训练集的获取 过程： 获取初始的面部网格训练集， 所述初始的面部网格训练集包括各儿童标识在不同年龄 段对应的面部图像； 所述待识别面部图像中各儿童的头 部姿态满足预设姿态； 针对各儿童标识， 利用预先配置的位置 图回归网络模型， 得到所述儿童标识对应的面 部图像的面部网格和相应纹理图， 并获