别人都在晒18岁照片，而我却在学习~

这两天大家的朋友圈、微博有没有被18岁的照片刷屏，那18到底是什么梗呢？

其实18岁的梗是因为2017年12月31日，最后一批90后（生于1999年12月31日）度过了他们18岁的生日。

这意味着：90后一代已全部成年，集体告别了少年时代。00后终于粉墨登场了！

跟你们这一个个70，80后有什么关系吗？

对此，小编只想说：真羡慕你们这些能晒18岁照片的人，我要过两年才满18岁！！

好了，言归正传，照片是个好东西，留下了你那段青葱岁月的美好记忆，也留下了你当时的容颜。时间带走了你当时的容颜，图像帮你完好的保存了下来。今天我们就来讲一讲计算机图像识别中，人脸年龄识别的奥秘。

在开始之前，先看一下微软那个在线测试年龄的网站叫做：https://www.how-old.net/ 上传照片就能知道你性别和年龄。或许大家上传照片之前，是不是应该先在网站上测试下。。再发送朋友圈。下图是网站给的测试图片。

年龄估计

年龄估计的问题，它既可以是分类问题，亦可是回归问题。如果将年龄分成几类，比如：少年、青年、中年和老年时，年龄估计就是分类问题；如果精确的估计具体年龄时，年龄估计就是回归问题。

说到底，年龄估计是一个比性别识别更为复杂的问题。原因在于：人的年龄特征在外表上很难准确地被观察出来，即使是人眼也很难准确地判断出一个人的年龄。再看人脸的年龄特征，它通常表现在皮肤纹理、皮肤颜色、光亮程度和皱纹纹理等方面，而这些因素通常与个人的遗传基因、生活习惯、性别和性格特征和工作环境等方面相关。所以说，我们很难用一个统一的模型去定义人脸图像的年龄。若想要较好地估出人的年龄层，则需要通过大量样本的学习，比如说年龄估计开始。

▲『年龄估计』

年龄估计大致分为预估和详细评估两个阶段。

预估阶段：

提取出照片中人脸的肌肤纹理特征，对年龄范围做一个大致的评估，得出一个特定的年龄段；

详细评估阶段：

通过支持向量机的方法，建立了对应于多个年龄段的多个模型分类器，并选择合适的模型进行匹配。这其中，以一项融合LBP和HOG特征的人脸年龄估计算法最为人们所熟知。

融合LBP和HOG特征的人脸年龄估计算法

解析：

融合LBP和HOG特征的人脸年龄估计算法提取与年龄变化关系紧密的人脸的局部统计特征。LBP（局部二值化模式）特征和HOG（梯度直方图）特征，并用CCA（典型相关分析）的方法融合，最后通过SVR（支持向量机回归）的方法对人脸库进行训练和测试。

小结

年龄估计问题本身只能作为一个参考值，毕竟岁月对有些人来说是杀猪刀。。。。有些人来说是美工刀。。。。

最后，祝大家2018年还能自称 18岁……