3 。 1 基本 LBP 算子概述 8

3 。2 类 LBP 算子 10

3 。 3 本章 小结 15

4 年龄估计模型 16

4 。 1 K- 均值聚类 方法 16

4 。 2 K- 近邻 分类算法 16

4 。 3 本文年龄估计方法设计 17

4 。 4 实验结果与分析 17

4。 5 本章小结 22

结论 24

参 考 文 献 25

本科毕业设计说明书 第 1 页

1 绪论

人脸年龄估计在日益发展的当今社会，越来越有其实际应用价值。比如可以对未成年人 有一定的监督作用，通过估计人脸年龄可以判断顾客的大致年龄，防止销售一些烟酒等禁止 商品给未成年人或阻止未成年人进入一些成年人才能进入的场所；还可以根据估计用户的年 龄提供合适的使用界面或服务等等。文献综述

1。1 课题研究背景及意义

人脸的年龄估计会受许多因素的影响，比如存在性别不同、种族差异、身体状态好坏、 生活环境优劣等内在因素，而头发、表情、光照、化妆品等这些外在的因素也会影响很大。 举个例子，比如说一个人生活在没有太多压力，环境比较舒适的条件下，虽然也会慢慢变老， 但是他的老化速度应该比一般情况下的要慢一些，所以面部的年龄特征也会是相对比较年轻 的;然而，一个人生活在压力比较大、环境比较糟糕的条件下，他的老化速度应该会比会比一 般情况下的要快一些，此时面部的年龄特征会是相对比较年老的状态。由于这些因素的影响， 年龄估计技术一直都是一个研究的难点，到目前为止还没有一个特别理想的估计算法，所以 研究出高效的人脸年龄估计算法显得尤为重要。

1。2 国内外研究现状

1。2。1 人脸特征表示

1。2。2 年龄估计方法

1。3。1 本文主要研究内容

本文主要研究的是基于 LBP 组合的人脸年龄估计方法的研究。首先对图像进行预处理，然后使用几种 LBP 算子以及它们的组合算子来表征年龄特征。使用 K-均值聚类算法把每个 年龄类别训练样本的 LBP 特征训练出 km 个代表，再用 K-近邻分类算法在这些代表中选出与测

试样本距离最近的代表。最后在得到的候选年龄代表中，采用投票选举的方法得到最终估计 的年龄类别。

1。3。2 本文主要技术支持

此次毕业设计是在 Matlab2012 的实验环境下进行的。这次毕业设计所要研究的方法是基 于 LBP 算子的估计方法，所以要用到 LBP 算子的原理。但是在此之前也不能少了人脸的预 处理，这样可用于降低其他不利环境的影响。在后面的年龄估计当中用到了 K-均值聚类算法 和 K-近邻分类算法以及投票选举的方法，这些都是本文实现年龄估计的重点技术，是重点讨 论的对象。