用于识别年龄的方法和装置

摘要

本公开的实施例公开了用于识别年龄的方法和装置。该方法的一具体实施方式包括：从待处理的人物视频中提取出人脸图像集合；基于人脸图像之间的匹配关系，将人脸图像集合划分成至少一个人脸图像组，其中，不同的人脸图像组对应不同的人物；对于该至少一个人脸图像组中的每个人脸图像组，将该人脸图像组输入预先训练的三维卷积神经网络，得到与该人脸图像组所对应的人物相对应的年龄识别结果，其中，三维卷积神经网络用于进行年龄识别。该实施方式可以实现对人物视频所显示的一个或多个人物进行年龄识别。另外，通过对三维卷积神经网络的利用，可以提高年龄识别效率，以及获得具有较高准确度的年龄识别结果。

权利要求

1.一种用于识别年龄的方法，包括：从待处理的人物视频中提取出人脸图像集合；

基于人脸图像之间的匹配关系，将所述人脸图像集合划分成至少一个人脸图像组，其中，不同的人脸图像组对应不同的人物；

对于所述至少一个人脸图像组中的每个人脸图像组，将该人脸图像组输入预先训练的三维卷积神经网络，得到与该人脸图像组所对应的人物相对应的年龄识别结果，其中，所述三维卷积神经网络用于进行年龄识别；

其中，所述三维卷积神经网络通过以下步骤训练得到：获取训练样本集合，其中，训练样本包括样本人脸图像组和与样本人脸图像组对应的年龄值，样本人脸图像组中的各张样本人脸图像为同一样本用户的人脸图像；将所述训练样本集合中的训练样本所包括的样本人脸图像组作为输入，将对应输入的样本人脸图像组的年龄值作为输出，训练得到所述三维卷积神经网络。

2.根据权利要求1所述的方法，其中，所述三维卷积神经网络用于对输入的人脸图像组中的每张人脸图像进行特征提取，并基于提取出的特征信息进行年龄识别，其中，所述特征信息包括人脸图像对应的年龄信息和以下至少一项：三维姿态信息、质量信息。

3.根据权利要求1‑2之一所述的方法，其中，所述从待处理的人物视频中提取出人脸图像集合，包括：

对所述人物视频进行抽帧，并将抽取出的图像组成图像集合；

对所述图像集合中的各张图像分别进行人脸检测，得到人脸检测结果，其中，包括人脸区域的图像所对应的人脸检测结果包括人脸区域的位置信息；

基于人脸检测结果中的位置信息，从所述图像集合中提取出人脸图像集合。

4.根据权利要求3所述的方法，其中，包括人脸区域的图像所对应的人脸检测结果还包括人脸特征信息；以及

所述基于人脸图像之间的匹配关系，将所述人脸图像集合划分成至少一个人脸图像组，包括：

对所述人脸图像集合中的各张人脸图像分别对应的人脸特征信息进行聚类，并基于聚类结果，将所述人脸图像集合划分成至少一个人脸图像组。

5.一种用于识别年龄的装置，包括：提取单元，被配置成从待处理的人物视频中提取出人脸图像集合；

划分单元，被配置成基于人脸图像之间的匹配关系，将所述人脸图像集合划分成至少一个人脸图像组，其中，不同的人脸图像组对应不同的人物；

识别单元，被配置成对于所述至少一个人脸图像组中的每个人脸图像组，将该人脸图像组输入预先训练的三维卷积神经网络，得到与该人脸图像组所对应的人物相对应的年龄识别结果，其中，所述三维卷积神经网络用于进行年龄识别；

所述三维卷积神经网络通过以下步骤训练得到：获取训练样本集合，其中，训练样本包括样本人脸图像组和与样本人脸图像组对应的年龄值，样本人脸图像组中的各张样本人脸图像为同一样本用户的人脸图像；将所述训练样本集合中的训练样本所包括的样本人脸图像组作为输入，将对应输入的样本人脸图像组的年龄值作为输出，训练得到所述三维卷积神经网络。

6.根据权利要求5所述的装置，其中，所述三维卷积神经网络用于对输入的人脸图像组中的每张人脸图像进行特征提取，并基于提取出的特征信息进行年龄识别，其中，所述特征信息包括人脸图像对应的年龄信息和以下至少一项：三维姿态信息、质量信息。

7.根据权利要求5‑6之一所述的装置，其中，所述提取单元进一步被配置成：对所述人物视频进行抽帧，并将抽取出的图像组成图像集合；

对所述图像集合中的各张图像分别进行人脸检测，得到人脸检测结果，其中，包括人脸区域的图像所对应的人脸检测结果包括人脸区域的位置信息；

基于人脸检测结果中的位置信息，从所述图像集合中提取出人脸图像集合。

8.根据权利要求7所述的装置，其中，包括人脸区域的图像所对应的人脸检测结果还包括人脸特征信息；以及

所述划分单元进一步被配置成：

对所述人脸图像集合中的各张人脸图像分别对应的人脸特征信息进行聚类，并基于聚类结果，将所述人脸图像集合划分成至少一个人脸图像组。

9.一种电子设备，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1‑4中任一所述的方法。

10.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1‑4中任一所述的方法。

说明书

用于识别年龄的方法和装置

技术领域

[0001] 本公开的实施例涉及计算机技术领域，具体涉及用于识别年龄的方法和装置。

背景技术

[0002] 随着移动互联网技术的飞速发展，各种各样的应用层出不穷，例如社交应用等。其中，用户可以在社交应用中进行个人信息设置，例如设置头像，昵称、年龄等。有些用户为了
保护个人隐私，可能会将显示有非本人头像的图片设置为社交应用中的头像，以及不在社
交应用中设置年龄，或者随便设置一个非真实的年龄。此外，用户还可以利用社交应用进行
视频录制，并发布所录制的视频。

发明内容

[0003] 本公开的实施例提出了用于识别年龄的方法和装置。

[0004] 第一方面，本公开的实施例提供了一种用于识别年龄的方法，该方法包括：从待处理的人物视频中提取出人脸图像集合；基于人脸图像之间的匹配关系，将人脸图像集合划
分成至少一个人脸图像组，其中，不同的人脸图像组对应不同的人物；对于上述至少一个人
脸图像组中的每个人脸图像组，将该人脸图像组输入预先训练的三维卷积神经网络，得到
与该人脸图像组所对应的人物相对应的年龄识别结果，其中，三维卷积神经网络用于进行
年龄识别。

[0005] 在一些实施例中，上述三维卷积神经网络用于对输入的人脸图像组中的每张人脸图像进行特征提取，并基于提取出的特征信息进行年龄识别，其中，特征信息包括人脸图像
对应的年龄信息和以下至少一项：三维姿态信息、质量信息。

[0006] 在一些实施例中，从待处理的人物视频中提取出人脸图像集合，包括：对人物视频进行抽帧，并将抽取出的图像组成图像集合；对图像集合中的各张图像分别进行人脸检测，
得到人脸检测结果，其中，包括人脸区域的图像所对应的人脸检测结果包括人脸区域的位
置信息；基于人脸检测结果中的位置信息，从图像集合中提取出人脸图像集合。

[0007] 在一些实施例中，包括人脸区域的图像所对应的人脸检测结果还包括人脸特征信息；以及基于人脸图像之间的匹配关系，将人脸图像集合划分成至少一个人脸图像组，包
括：对人脸图像集合中的各张人脸图像分别对应的人脸特征信息进行聚类，并基于聚类结
果，将人脸图像集合划分成至少一个人脸图像组。

[0008] 在一些实施例中，上述三维卷积神经网络通过以下步骤训练得到：获取训练样本集合，其中，训练样本包括样本人脸图像组和与样本人脸图像组对应的年龄值，样本人脸图
像组中的各张样本人脸图像为同一样本用户的人脸图像；将训练样本集合中的训练样本所
包括的样本人脸图像组作为输入，将对应输入的样本人脸图像组的年龄值作为输出，训练
得到上述三维卷积神经网络。

[0009] 第二方面，本公开的实施例提供了一种用于识别年龄的装置，该装置包括：提取单元，被配置成从待处理的人物视频中提取出人脸图像集合；划分单元，被配置成基于人脸图
像之间的匹配关系，将人脸图像集合划分成至少一个人脸图像组，其中，不同的人脸图像组
对应不同的人物；识别单元，被配置成对于上述至少一个人脸图像组中的每个人脸图像组，
将该人脸图像组输入预先训练的三维卷积神经网络，得到与该人脸图像组所对应的人物相
对应的年龄识别结果，其中，三维卷积神经网络用于进行年龄识别。

[0010] 在一些实施例中，上述三维卷积神经网络用于对输入的人脸图像组中的每张人脸图像进行特征提取，并基于提取出的特征信息进行年龄识别，其中，特征信息包括人脸图像
对应的年龄信息和以下至少一项：三维姿态信息、质量信息。

[0011] 在一些实施例中，提取单元进一步被配置成：对人物视频进行抽帧，并将抽取出的图像组成图像集合；对图像集合中的各张图像分别进行人脸检测，得到人脸检测结果，其
中，包括人脸区域的图像所对应的人脸检测结果包括人脸区域的位置信息；基于人脸检测
结果中的位置信息，从图像集合中提取出人脸图像集合。

[0012] 在一些实施例中，包括人脸区域的图像所对应的人脸检测结果还包括人脸特征信息；以及划分单元进一步被配置成：对人脸图像集合中的各张人脸图像分别对应的人脸特
征信息进行聚类，并基于聚类结果，将人脸图像集合划分成至少一个人脸图像组。

[0013] 在一些实施例中，上述三维卷积神经网络通过以下步骤训练得到：获取训练样本集合，其中，训练样本包括样本人脸图像组和与样本人脸图像组对应的年龄值，样本人脸图
像组中的各张样本人脸图像为同一样本用户的人脸图像；将训练样本集合中的训练样本所
包括的样本人脸图像组作为输入，将对应输入的样本人脸图像组的年龄值作为输出，训练
得到上述三维卷积神经网络。

[0014] 第三方面，本公开的实施例提供了一种电子设备，该电子设备包括：一个或多个处理器；存储装置，其上存储有一个或多个程序；当该一个或多个程序被该一个或多个处理器
执行，使得该一个或多个处理器实现如第一方面中任一实现方式描述的方法。

[0015] 第四方面，本公开的实施例提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面中任一实现方式描述的方法。

[0016] 本公开的上述实施例提供的用于识别年龄的方法和装置，通过从待处理的人物视频中提取出人脸图像集合，而后基于人脸图像之间的匹配关系，将人脸图像集合划分成至
少一个人脸图像组，其中，不同的人脸图像组对应不同的人物，然后对于该至少一个人脸图
像组中的每个人脸图像组，将该人脸图像组输入预先训练的三维卷积神经网络，以便得到
与该人脸图像组所对应的人物相对应的年龄识别结果，其中，三维卷积神经网络用于进行
年龄识别。本公开的上述实施例提供的方案，可以实现对人物视频所显示的一个或多个人
物进行年龄识别。另外，通过对三维卷积神经网络的利用，可以提高年龄识别效率，以及获
得具有较高准确度的年龄识别结果。

附图说明

[0017] 通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显：

[0018] 图1是本公开的一些实施例可以应用于其中的示例性系统架构图；

[0019] 图2是根据本公开的用于识别年龄的方法的一个实施例的流程图；

[0020] 图3是根据本公开的用于识别年龄的方法的一个应用场景的示意图；

[0021] 图4是根据本公开的用于识别年龄的方法的又一个实施例的流程图；

[0022] 图5是根据本公开的用于识别年龄的装置的一个实施例的结构示意图；

[0023] 图6是适于用来实现本公开的一些实施例的电子设备的计算机系统的结构示意图。

具体实施方式

[0024] 下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关公开，而非对该公开的限定。另外还需要说明的是，为了
便于描述，附图中仅示出了与有关公开相关的部分。

[0025] 需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。

[0026] 图1示出了可以应用本公开的用于识别年龄的方法或用于识别年龄的装置的实施例的示例性系统架构100。

[0027] 如图1所示，系统架构100可以包括服务器101、103和网络102。网络102用以在服务器101和服务器103之间提供通信链路的介质。网络102可以包括各种连接类型，例如有线、
无线通信链路或者光纤电缆等等。

[0028] 服务器101可以是提供各种服务的服务器，例如用于存储用户发布的视频的信息存储用服务器。服务器103可以是提供各种服务的服务器，例如用于基于用户发布的人物视
频进行年龄识别的服务器，该服务器例如可以响应于接收到与用户发布的人物视频有关的
年龄识别请求，基于该请求从服务器101获取该人物视频，并基于该人物视频进行年龄识别
操作。

[0029] 其中，服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成
多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在
此不做具体限定。

[0030] 需要说明的是，本公开的一些实施例提供的用于识别年龄的方法一般由服务器103执行，相应地，用于识别年龄的装置一般设置于服务器103中。

[0031] 需要指出的是，当服务器103所获取的人物视频预先存储在服务器103中时，或者包含在所接收的年龄识别请求中时，系统架构100可以不包括服务器101。

[0032] 应该理解，图1中的网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的网络和服务器。

[0033] 继续参考图2，其示出了根据本公开的用于识别年龄的方法的一个实施例的流程200。该用于识别年龄的方法的流程200，包括以下步骤：

[0034] 步骤201，从待处理的人物视频中提取出人脸图像集合。

[0035] 在本实施例中，用于识别年龄的方法的执行主体(例如图1所示的服务器103)可以从待处理的人物视频中提取出人脸图像集合。

[0036] 实践中，上述执行主体例如可以响应于接收到与上述人物视频有关的年龄识别请求，而从上述人物视频中提取出人脸图像集合。其中，该年龄识别请求可以包括以下至少一
项：上述人物视频、上述人物视频的视频标识。当该年龄识别请求不包括上述人物视频时，
上述执行主体可以基于该视频标识从本地或所连接的服务器(例如图1所示的服务器101)
获取上述人物视频，而后从上述人物视频中提取出人脸图像集合。

[0037] 需要说明的是，上述人物视频所归属的用户可以是指定的社交应用的用户。具体地，上述人物视频所归属的用户例如可以是在该社交应用中没有设置真实年龄或没有设置
年龄的用户。其中，上述人物视频可以是其所归属的用户通过该社交应用发布的显示有人
物的视频。此外，上述人物视频可以是其所归属的用户使用该社交应用录制的视频。

[0038] 在本实施例中，若上述人物视频已预先对应人脸检测结果，上述执行主体可以基于该人脸检测结果，从上述人物视频中提取出人脸图像集合。其中，上述人物视频中的包括
人脸区域的图像所对应的人脸检测结果可以包括该人脸区域的位置信息。具体地，上述执
行主体可以先对上述人物视频进行抽帧，例如抽取出所有图像，或者按照间隔帧数(例如1
或2等)对上述人物视频进行间隔抽帧。应该理解，间隔帧数是可以根据实际需要设置的，在
此不做具体限定。而后，上述执行主体可以将抽取出的图像组成图像集合。然后，上述执行
主体可以基于人脸检测结果中的位置信息，从图像集合中提取出人脸图像集合。

[0039] 需要指出的是，人脸图像集合中的人脸图像可以是指定通道(例如3通道)的、大小为指定大小(例如224*224)的图像。

[0040] 步骤202，基于人脸图像之间的匹配关系，将人脸图像集合划分成至少一个人脸图像组。

[0041] 在本实施例中，上述执行主体可以基于人脸图像之间的匹配关系，将人脸图像集合划分成至少一个人脸图像组。其中，不同的人脸图像组对应不同的人物。例如，当人脸图
像集合被划分成多个人脸图像组时，意味着上述人物视频显示有多个人物，该多个人脸图
像组中的每个人脸图像组对应该多个人物中的一个人物，且该多个人脸图像组分别对应的
人物互不相同。

[0042] 需要说明的是，上述执行主体例如可以采用基于深度学习的人脸比对算法，对人脸图像集合中的人脸图像进行两两比对，以判断任意两张人脸图像是否属于同一人。而后，
上述执行主体可以基于比对结果，将属于同一人的人脸图像划分到同一个人脸图像组。

[0043] 可选地，上述人物视频预先对应的人脸检测结果中的、对应包括人脸区域的图像的人脸检测结果还可以包括人脸区域的人脸特征信息。其中，人脸特征信息可以用于表征
其所对应的人脸区域。上述执行主体可以确定人脸图像集合中的各张人脸图像分别对应的
人脸特征信息两两之间的相似度，而后基于所确定的相似度，将人脸图像集合划分成至少
一个人脸图像组。这里，上述执行主体可以采用各种相似度计算方法(例如欧氏距离、余弦
相似度等)计算人脸特征信息之间的相似度。

[0044] 作为示例，假设人脸图像集合包括人脸图像A、B、C、D、E。其中，人脸图像A、B、C中的任意两张人脸图像分别对应的人脸特征信息之间的相似度大于相似度阈值，人脸图像D、E
分别对应的人脸特征信息之间的相似度大于相似度阈值。上述执行主体可以将人脸图像A、
B、C归入同一个人脸图像组，以及将人脸图像D、E归入同一个人脸图像组。

[0045] 步骤203，对于至少一个人脸图像组中的每个人脸图像组，将该人脸图像组输入预先训练的三维卷积神经网络，得到与该人脸图像组所对应的人物相对应的年龄识别结果。

[0046] 在本实施例中，对于上述至少一个人脸图像组中的每个人脸图像组，上述执行主体可以将该人脸图像组输入预先训练的三维卷积神经网络，得到该三维卷积神经网络输出
的年龄识别结果，并将该年龄识别结果确定为与该人脸图像组所对应的人物相对应的年龄
识别结果。其中，该三维卷积神经网络用于进行年龄识别。另外，该三维卷积神经网络可以
运行于上述执行主体上。

[0047] 需要说明的是，上述三维卷积神经网络可以是模型训练端(例如上述执行主体或上述执行主体所连接的服务器)通过以下步骤训练得到：

[0048] 首先，获取训练样本集合。其中，训练样本可以包括样本人脸图像组和与样本人脸图像组对应的年龄值。样本人脸图像组中的各张样本人脸图像为同一样本用户的人脸图
像，该样本人脸图像组所对应的年龄值为该样本用户的真实年龄。对于训练样本集合中的
每个训练样本，该训练样本中的样本人脸图像组可以是通过对相应的样本用户的目标人物
视频进行预处理得到的。该目标人物视频例如可以是样本用户通过对其本人进行视频录制
得到的。此外，样本人脸图像可以是指定通道(例如3通道)的、大小为指定大小(例如224*
224)的图像。

[0049] 而后，将训练样本集合中的训练样本所包括的样本人脸图像组作为输入，将对应输入的样本人脸图像组的年龄值作为输出，训练得到上述三维卷积神经网络。具体地，上述
模型训练端可以将训练样本集合中的训练样本所包括的样本人脸图像组作为输入，将对应
输入的样本人脸图像组的年龄值作为输出，对初始三维卷积神经网络进行训练。当模型训
练结束后，可以将经训练后的初始三维卷积神经网络确定为用于进行年龄识别的三维卷积
神经网络。需要指出的是，初始三维卷积神经网络可以是未经训练或未训练完成的三维卷
积神经网络。

[0050] 继续参见图3，图3是根据本实施例的用于识别年龄的方法的应用场景的一个示意图。在图3的应用场景中，服务器301上可以存储有用户A通过社交应用B发布的人物视频C。
其中，人物视频C可以是用户A使用社交应用B对其个人进行视频录制所得的视频。另外，用
户A在社交应用B中未设置年龄。当服务器302接收到包括人物视频C的视频标识的年龄识别
请求时，服务器302可以根据该视频标识，从服务器301获取人物视频C。而后，服务器302可
以从人物视频C中提取出人脸图像集合。之后，服务器302可以基于人脸图像之间的匹配关
系，将人脸图像集合划分成一个人脸图像组。其中，人脸图像组对应用户A。然后，服务器302
可以将该人脸图像组输入预先训练的三维卷积神经网络303，得到与用户A对应的年龄识别
结果。其中，三维卷积神经网络303用于进行年龄识别。

[0051] 本公开的上述实施例提供的方法，通过从待处理的人物视频中提取出人脸图像集合，而后基于人脸图像之间的匹配关系，将人脸图像集合划分成至少一个人脸图像组，其
中，不同的人脸图像组对应不同的人物，然后对于该至少一个人脸图像组中的每个人脸图
像组，将该人脸图像组输入预先训练的三维卷积神经网络，以便得到与该人脸图像组所对
应的人物相对应的年龄识别结果，其中，三维卷积神经网络用于进行年龄识别。本公开的上
述实施例提供的方案，可以实现对人物视频所显示的一个或多个人物进行年龄识别。另外，
通过对三维卷积神经网络的利用，可以提高年龄识别效率，以及获得具有较高准确度的年
龄识别结果。

[0052] 进一步参考图4，其示出了用于识别年龄的方法的又一个实施例的流程400。该用于识别年龄的方法的流程400，包括以下步骤：

[0053] 步骤401，对待处理的人物视频进行抽帧，并将抽取出的图像组成图像集合。

[0054] 在本实施例中，用于识别年龄的方法的执行主体(例如图1所示的服务器103)可以对待处理的人物视频进行抽帧，并将抽取出的图像组成图像集合。这里，上述执行主体例如
可以从该人物视频中抽取出所有图像，或者按照间隔帧数(例如1或2等)对该人物视频进行
间隔抽帧。应该理解，间隔帧数是可以根据实际需要设置的，在此不做具体限定。

[0055] 实践中，上述执行主体例如可以响应于接收到与上述人物视频有关的年龄识别请求，而对上述人物视频进行抽帧，并将抽取出的图像组成图像集合。其中，该年龄识别请求
可以包括以下至少一项：上述人物视频、上述人物视频的视频标识。当该年龄识别请求不包
括上述人物视频时，上述执行主体可以基于该视频标识从本地或所连接的服务器(例如图1
所示的服务器101)获取上述人物视频，而后对上述人物视频进行抽帧，并将抽取出的图像
组成图像集合。

[0056] 需要说明的是，上述人物视频所归属的用户可以是指定的社交应用的用户。具体地，上述人物视频所归属的用户例如可以是在该社交应用中没有设置真实年龄或没有设置
年龄的用户。其中，上述人物视频可以是其所归属的用户通过该社交应用发布的显示有人
物的视频。此外，上述人物视频可以是其所归属的用户使用该社交应用录制的视频。

[0057] 步骤402，对图像集合中的各张图像分别进行人脸检测，得到人脸检测结果，其中，包括人脸区域的图像所对应的人脸检测结果包括人脸区域的位置信息和人脸特征信息。

[0058] 在本实施例中，上述执行主体可以对图像集合中的各张图像分别进行人脸检测，得到人脸检测结果，其中，包括人脸区域的图像所对应的人脸检测结果包括人脸区域的位
置信息和人脸特征信息。人脸特征信息可以用于表征其所对应的人脸区域。

[0059] 这里，上述执行主体上可以运行有人脸检测模型，上述执行主体可以将图像集合中的每张图像输入该人脸检测模型，得到相应的人脸检测结果。其中，人脸检测模型例如可
以是使用朴素贝叶斯模型(Naive Bayesian Model，NBM)、支持向量机(Support Vector 
Machine，SVM)、XGBoost(eXtreme Gradient Boosting)或卷积神经网络(Convolutional 
Neural Networks，CNN)等模型进行训练得到的。人脸检测模型可以用于检测输入的图像是
否包括人脸区域，当检测出该图像包含人脸区域时，还用于进一步对该人脸区域进行定位
及人脸特征提取。

[0060] 步骤403，基于人脸检测结果中的位置信息，从图像集合中提取出人脸图像集合。

[0061] 在本实施例中，上述执行主体可以基于人脸检测结果中的位置信息，从图像集合中提取出人脸图像集合。其中，人脸图像集合中的人脸图像可以是指定通道(例如3通道)
的、大小为指定大小(例如224*224)的图像。

[0062] 步骤404，对人脸图像集合中的各张人脸图像分别对应的人脸特征信息进行聚类，并基于聚类结果，将人脸图像集合划分成至少一个人脸图像组。

[0063] 在本实施例中，上述执行主体例如可以采用预设的聚类算法，例如K均值聚类算法(k‑means clustering algorithm)等，对人脸图像集合中的各张人脸图像分别对应的人脸
特征信息进行聚类，并基于聚类结果，将人脸图像集合划分成至少一个人脸图像组。这里，
上述执行主体可以将包含在同一类簇中的人脸特征信息所对应的人脸图像划分到同一个
人脸图像组中。

[0064] 步骤405，对于至少一个人脸图像组中的每个人脸图像组，将该人脸图像组输入预先训练的三维卷积神经网络，得到与该人脸图像组所对应的人物相对应的年龄识别结果，
其中，三维卷积神经网络用于对输入的人脸图像组中的每张人脸图像进行特征提取，并基
于提取出的特征信息进行年龄识别，特征信息包括人脸图像对应的年龄信息和以下至少一
项：三维姿态信息、质量信息。

[0065] 在本实施例中，对于上述至少一个人脸图像组中的每个人脸图像组，上述执行主体可以将该人脸图像组输入预先训练的三维卷积神经网络，得到该三维卷积神经网络输出
的年龄识别结果，并将该年龄识别结果确定为与该人脸图像组所对应的人物相对应的年龄
识别结果。其中，该三维卷积神经网络用于对输入的人脸图像组中的每张人脸图像进行特
征提取，并基于提取出的特征信息进行年龄识别。该特征信息包括人脸图像对应的年龄信
息和以下至少一项：三维姿态信息、质量信息。

[0066] 三维姿态信息可以包括俯仰角度值、偏航角度值和翻滚角度值。俯仰角度值可以是俯仰角(pitch)的角度值。偏航角度值可以是偏航角(yaw)的角度值。翻滚角度值可以是
翻滚角(roll)的角度值。质量信息可以包括模糊程度值。模糊程度值例如可以是处于[0，
100]内的数值。模糊程度值越大，可以表征其所对应的人脸图像越模糊。模糊程度值越低，
可以表征其所对应的人脸图像越清晰。

[0067] 实践中，对于输入上述三维卷积神经网络的人脸图像组中的每张人脸图像，上述三维卷积神经网络可以基于该人脸图像对应的以下至少一项：三维姿态信息、质量信息，确
定与该人脸图像对应的权重值。而后，上述三维卷积神经网络可以基于该人脸图像组中的
多张人脸图像分别对应的权重值和年龄信息，进行年龄识别。

[0068] 对于输入上述三维卷积神经网络的人脸图像组中的每张人脸图像，若上述三维卷积神经网络针对该人脸图像提取出的特征信息包括该人脸图像对应的三维姿态信息，三维
姿态信息包括俯仰角度值、偏航角度值和翻滚角度值，上述三维卷积神经网络可以计算出
该人脸图像所对应的俯仰角度值、偏航角度值和翻滚角度值的绝对值之间的总和，并将第
一预设值(例如1)与该总和之间的比值确定为该人脸图像所对应的权重值。若该特征信息
包括该人脸图像对应的质量信息，质量信息包括模糊程度值，上述三维卷积神经网络可以
将第一预设值与该模糊程度值之间的比值确定为该人脸图像所对应的权重值。若该特征信
息包括三维姿态信息和质量信息，三维姿态信息包括俯仰角度值、偏航角度值和翻滚角度
值，质量信息包括模糊程度值，上述三维卷积神经网络可以计算出该人脸图像所对应的俯
仰角度值、偏航角度值和翻滚角度值的绝对值以及所对应的模糊程度值之间的总和，并将
第一预设值与所确定的总和之间的比值确定为该人脸图像所对应的权重值。

[0069] 另外，上述三维卷积神经网络可以采用以下公式，基于该人脸图像组中的多张人脸图像(例如全部或部分人脸图像)分别对应的权重值和年龄信息，进行年龄识别：

[0070]

[0071] 其中，C代表年龄识别结果；n为该多张人脸图像的数量；i为处于[1，n]内的自然数；W代表权重值，Wi代表该多张人脸图像中的第i张人脸图像对应的权重值，Wn代表该多张
人脸图像中的第n张人脸图像对应的权重值；V代表年龄信息中的年龄值，Vi代表该多张人
脸图像中的第i张人脸图像对应的年龄信息中的年龄值。

[0072] 需要说明的是，上述三维卷积神经网络可以通过以下步骤训练得到：获取训练样本集合，其中，训练样本包括样本人脸图像组和与样本人脸图像组对应的年龄值，样本人脸
图像组中的各张样本人脸图像为同一样本用户的人脸图像；将训练样本集合中的训练样本
所包括的样本人脸图像组作为输入，将对应输入的样本人脸图像组的年龄值作为输出，训
练得到上述三维卷积神经网络。

[0073] 从图4中可以看出，与图2对应的实施例相比，本实施例中的用于识别年龄的方法的流程400突出了对人脸图像集合提取方法进行扩展的步骤；对人脸图像组的划分方法进
行扩展的步骤；以及对三维卷积神经网络的功能进行限定的步骤。由此，本实施例描述的方
案可以实现信息处理的多样性，并且可以进一步提高年龄识别结果的准确度。

[0074] 进一步参考图5，作为对上述各图所示方法的实现，本公开提供了一种用于识别年龄的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应
用于各种电子设备中。

[0075] 如图5所示，本实施例的用于识别年龄的装置500可以包括：提取单元501被配置成从待处理的人物视频中提取出人脸图像集合；划分单元502被配置成基于人脸图像之间的
匹配关系，将人脸图像集合划分成至少一个人脸图像组，其中，不同的人脸图像组对应不同
的人物；识别单元503被配置成对于上述至少一个人脸图像组中的每个人脸图像组，将该人
脸图像组输入预先训练的三维卷积神经网络，得到与该人脸图像组所对应的人物相对应的
年龄识别结果，其中，三维卷积神经网络用于进行年龄识别。

[0076] 在本实施例中，用于识别年龄的装置500中：提取单元501、划分单元502和识别单元503的具体处理及其所带来的技术效果可分别参考图2所示的实施例中的步骤201、步骤
202和步骤203的相关说明，在此不再赘述。

[0077] 在本实施例的一些可选的实现方式中，提取单元501可以进一步被配置成：对人物视频进行抽帧，并将抽取出的图像组成图像集合；对图像集合中的各张图像分别进行人脸
检测，得到人脸检测结果，其中，包括人脸区域的图像所对应的人脸检测结果包括人脸区域
的位置信息；基于人脸检测结果中的位置信息，从图像集合中提取出人脸图像集合。

[0078] 在本实施例的一些可选的实现方式中，上述三维卷积神经网络用于对输入的人脸图像组中的每张人脸图像进行特征提取，并基于提取出的特征信息进行年龄识别，其中，特
征信息包括人脸图像对应的年龄信息和以下至少一项：三维姿态信息、质量信息。

[0079] 在本实施例的一些可选的实现方式中，包括人脸区域的图像所对应的人脸检测结果还包括人脸特征信息；以及划分单元502可以进一步被配置成：对人脸图像集合中的各张
人脸图像分别对应的人脸特征信息进行聚类，并基于聚类结果，将人脸图像集合划分成至
少一个人脸图像组。

[0080] 在本实施例的一些可选的实现方式中，上述三维卷积神经网络可以通过以下步骤训练得到：获取训练样本集合，其中，训练样本包括样本人脸图像组和与样本人脸图像组对
应的年龄值，样本人脸图像组中的各张样本人脸图像为同一样本用户的人脸图像；将训练
样本集合中的训练样本所包括的样本人脸图像组作为输入，将对应输入的样本人脸图像组
的年龄值作为输出，训练得到上述三维卷积神经网络。

[0081] 本公开的上述实施例提供的装置，通过从待处理的人物视频中提取出人脸图像集合，而后基于人脸图像之间的匹配关系，将人脸图像集合划分成至少一个人脸图像组，其
中，不同的人脸图像组对应不同的人物，然后对于该至少一个人脸图像组中的每个人脸图
像组，将该人脸图像组输入预先训练的三维卷积神经网络，以便得到与该人脸图像组所对
应的人物相对应的年龄识别结果，其中，三维卷积神经网络用于进行年龄识别。本公开的上
述实施例提供的方案，可以实现对人物视频所显示的一个或多个人物进行年龄识别。另外，
通过对三维卷积神经网络的利用，可以提高年龄识别效率，以及获得具有较高准确度的年
龄识别结果。

[0082] 下面参考图6，其示出了适于用来实现本公开的实施例的电子设备(例如图1中的服务器103)600的结构示意图。本公开的实施例中的终端设备可以包括但不限于诸如移动
电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒
体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等
等的固定终端。图6示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用
范围带来任何限制。

[0083] 如图6所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问
存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有电子设备
600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM603通过总线604彼此相连。
输入/输出(I/O)接口605也连接至总线604。

[0084] 通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(LCD)、扬声器、振
动器等的输出装置607；包括例如硬盘等的存储装置608；以及通信装置609。通信装置609可
以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种
装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地
实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置，也可以根据需要
代表多个装置。

[0085] 特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质
上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实
施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608
被安装，或者从ROM 602被安装。在该计算机程序被处理装置601执行时，执行本公开的实施
例的方法中限定的上述功能。

[0086] 需要说明的是，本公开的实施例所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以
是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上
的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的
电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程
只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD‑ROM)、光存储器件、磁存
储器件、或者上述的任意合适的组合。在本公开的实施例中，计算机可读存储介质可以是任
何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其
结合使用。而在本公开的实施例中，计算机可读信号介质可以包括在基带中或者作为载波
一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采
用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介
质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以
发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计
算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、
RF(射频)等等，或者上述的任意合适的组合。

[0087] 上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多
个程序被该电子设备执行时，使得该电子设备：从待处理的人物视频中提取出人脸图像集
合；基于人脸图像之间的匹配关系，将人脸图像集合划分成至少一个人脸图像组，其中，不
同的人脸图像组对应不同的人物；对于该至少一个人脸图像组中的每个人脸图像组，将该
人脸图像组输入预先训练的三维卷积神经网络，得到与该人脸图像组所对应的人物相对应
的年龄识别结果，其中，三维卷积神经网络用于进行年龄识别。

[0088] 可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、
Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语
言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立
的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或
服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包
括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利
用因特网服务提供商来通过因特网连接)。

[0089] 附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代
表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用
于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标
注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上
可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注
意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执
行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令
的组合来实现。

[0090] 描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定，例如，提
取单元还可以被描述为“从待处理的人物视频中提取出人脸图像集合的单元”。

[0091] 以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术
方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行
任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功
能的技术特征进行互相替换而形成的技术方案。