面向智慧城市应用的多视觉特征的年龄估计

Human age estimation is a significant problem in computer vision and pattern recognition and an essential part of Smart City. Most of the research on age estimation is based on face information, but in practical applications, accurate age estimation remains a problem to be solved due to the difficulty of obtaining ideal face information and the lack of data on training. This project proposes a multi-visual age estimation based on the overall appearance of people and establishes an intelligent demography age distribution statistical system. Age-related information is extracted by taking advantage of various visual features of the person such as face, pose, hair, appearance, behavior, etc. The robustness of age estimation in surveillance video is improved by a hierarchical age estimation algorithm. Age estimation algorithm and urban video surveillance are combined to establish an intelligent population age distribution statistical system. The system will achieve the non-contact real-time dynamic population statistics of urban areas through the age estimation algorithm. This topic is expected to publish more than 5 high-quality academic papers for the basic theory of age estimation research and technology to play a catalytic role.

年龄估计一直是计算机视觉和模式识别领域的重要研究课题，也是智慧城市建设的必要环节。目前绝大多数年龄估计的研究都基于人脸信息，但在实际应用中，由于理想的人脸信息获取困难以及年龄训练数据缺乏等原因，准确的年龄估计依然是一个待解决的难题。本项目致力于研究基于多视觉特征的年龄估计及其在智慧城市下的应用开发。本课题提出基于人的整体外观的多视觉的年龄估计，并建立智能的人口年龄分布统计系统。通过人的多种视觉特征，比如人脸、姿态、头发、外观和行为等，来提取出与年龄相关的信息；通过层次式的年龄估计算法提高监控视频中年龄估计的鲁棒性；将年龄估计算法与城市视频监控相结合，建立智能的人口年龄分布统计系统，通过年龄估计算法来实现对城市区域人口年龄数据的非接触式实时动态统计。本课题预期发表5篇以上高质量的学术论文，为年龄估计的基础理论研究和技术应用发挥推动作用。

年龄估计一直是计算机视觉和模式识别领域的重要研究课题，也是智慧城市建设的必要环节。目前绝大多数年龄估计的研究都基于人脸信息，但在实际应用中，由于理想的人脸信息获取困难以及年龄训练数据缺乏等原因，准确的年龄估计依然是一个待解决的难题。本项目主要完成了多模态的年龄数据采集和整理，建立了年龄数据库；研究了基于生成对抗网络的迁移学习和跨模态融合，对年龄估计的多特征融合和迁移有重要意义；研究了深度课程学习来提高图像分类模型的精度，进一步提高年龄估计模型的准确性。本课题发表4篇高质量的学术论文，申请两项专利，为年龄估计的基础理论研究和技术应用发挥推动作用。研究成果对未来建立智能的人口年龄分布统计系统，通过年龄估计算法来实现对城市区域人口的非接触式实时动态统计具有重要意义。