基于Boosting RBF神经网络的人脸年龄估计

年龄变化是引起人脸外观变化的主要原因，但每个人的生活方式不同，难以准确地从人脸图像中估计年龄。该文提出了一种基于人脸图像的年龄估计方法，用NMF方法提取人脸特征，通过RBF神经网络确定一个人脸图像及其相符年龄之间的估计函数。在此基础上，为了提高神经网络的泛化能力和故障诊断的准确性，利用Boosting方法构造一个基于神经网络的函数序列，将它们组合成一个加强的估计函数，实验结果表明了该方法的正确性。     

一种基于人脸图像的年龄估计方法

有关年龄估计的研究在人机交互领域有着非常重要的意义。该文提出一种基于人脸图像的年龄估计方法,该方法首先基于颅面成长模式理论建立人脸测量模板,在此模板上计算面部几何比例特征,然后运用分数阶微分提取人脸局部区域的纹理特征,结合这两类特征构成个体年龄特征向量;通过聚类学习的方法训练年龄特征向量获得年龄-特征映射矩阵,最后由此矩阵表决出输入人脸的估计年龄。实验结果表明,基于这两种特征构建的年龄估计模型可以获得较好的年龄估计结果,年龄误差较小,分类准确率接近人的主观判断结果。     

基于加权字典对学习的人脸年龄估计方法

针对现有人脸年龄估计方法多数将人脸各部分同等对待或忽视部分特征的问题,提出一种基于加权字典对学习(DPL)的人脸年龄估计方法。将人脸进行分块,使用局部二值模式算法对人脸的主要特征区域和次要特征区域分别进行特征提取,得到人脸的主要特征和次要特征,再利用这2种特征分别训练DPL模型,并赋予不同的权重,使用训练好的加权DPL模型对目标人脸图像进行年龄分类。在MORPH和FG-NET数据集上的实验结果表明,该方法具有较高的分类准确率。     

基于人脸图像的年龄估计

年龄是人固有的生物特征,随着年龄的变化,人脸特征也不断变化.近年来基于人脸图像的年龄估计方法的研究不断深入.基于人脸图像的年龄估计主要有两个阶段:特征提取和估计方法.针对以上两个阶段,分别提出相应的方法.在特征提取方面,为了更好地描述年龄变化,特别是针对未成年人,引入了方向梯度直方图(Histogram ofOriented Gradient,HOG)特征,并将其与局部二元模式(Local Binary Pattern,LBP)特征进行融合;在估计方法方面,提出了软双层估计模型,其采用由粗到细的策略.首先,在第一层将人脸分成“未成年人”与“成年人”两类;然后,在第二层通过在两类的边界设置重叠区域,分别对其建立年龄估计模型,以对第一层的错误分类进行补救.通过实验发现,融合的特征具有更强的年龄判别性,同时,软双层模型也进一步提高了年龄估计的准确度.     

基于代价敏感卷积神经网络的人脸年龄识别方法

当年龄识别被看作是分类问题时,基于卷积神经网络(CNN)的方法通常直接采用一般图像分类的CNN进行年龄识别,常常忽略了进行人脸年龄识别时需要考虑的误分类代价问题,比如,将一个青年人误分类为中年人和老年人的代价是不同的。基于上述观察,提出一种基于代价敏感卷积神经网络(CS-CNN)的人脸年龄估计方法。具体来讲,基于期望类最大原则(Desired Class Maximum Principle, DCMP)提出了一种能够使CNN学习到鲁棒人脸特征的代价敏感交叉熵损失函数(CS-CE),最后通过理论与实验的方法进行验证。相较之前的人脸年龄识别方法,提升的效果是显著的。     

基于集成卷积神经网络的人脸年龄分类算法研究

人脸年龄估计由于在人机交互和安全控制等领域有潜在应用,因此得到了广泛关注。文中主要进行人脸年龄分组的研究,针对人脸年龄分类问题提出了一种基于集成卷积神经网络的年龄分类算法。首先,训练两个以人脸图像为输入的卷积神经网络,当用卷积神经网络直接提取人脸图像的特征时,主要对 深度的全局特征 进行提取。为了补充人脸图像的局部特征,尤其是纹理信息,将提取的LBP(Local Binary Pattern)特征作为另一个网络的输入。最后,为了结合人脸的全局特征和局部特征,将这3个网络进行集成。该算法在广泛使用的年龄分类数据集Group上取得了不错的效果。     

基于局域二值模式与支持向量机的年龄估计

为了解决在人脸识别过程中由于年龄的变化而使人脸识别率急剧下降的问题,可在识别过程中加入快速、准确的年龄估计。提出了一种基于局域二值模式LBP（Local Binary Pattern）与支持向量机SVM（Support Vector Machine）回归相结合的年龄估计方法。对于人脸图像首先采用基于局部纹理特征的LBP算子进行人脸纹理特征提取;然后用基于整体特征的PCA方法对提取出来的纹理特征向量进行降维;最后使用SVM回归进行训练得到全局年龄函数,建立纹理特征向量与年龄之间的对应关系。实验结果表明,这种方法可以快速有效地对人脸图像进行年龄估计。     

非受限条件下多级残差网络人脸图像年龄估计

年龄是人的固有属性,在人的社会交往中起到了基础性作用,因此人脸图像的年龄估计是人工智能领域的重要问题之一.为了解决非受限条件下人脸图像年龄估计困难的问题,提出一种非受限条件下的多级残差网络人脸年龄估计方法.首先针对高分辨率图像数据集构建多级残差神经网络模型;然后采用Image Net数据集对多级残差网络进行预训练,以获得图像的基本特征表达;最后在非受限人脸年龄数据集上结合随机深度算法对网络模型进行微调.在非受限的Adience人脸年龄分类数据集上进行年龄分类对比实验的结果表明,该方法能够明显地提高非受限条件下人脸年龄估计的准确率,并在提高网络学习能力的同时有效地抑制小规模数据集带来的过拟合问题.     

基于Trace变换的人脸特征提取技术研究*

为了提高人脸特征的稳定性和区分度,提出了一种基于Trace变换的人脸特征提取算法。算法通过几种不同的泛函函数对预处理后的人脸图像进行组合作用,得到该图像的一个Trace特征向量,从而建立了一种新的人脸特征表达方式。基于ORL人脸数据库的实验结果表明,该算法所提出的人脸特征对同一个人不同表情、不同光照条件下的图像变化能够保持较好的稳定性,同时对不同人的人脸图像具有较高的区分能力,在人脸识别的实际应用中是一种可行的方法。     

基于优选LBP与加权SVM的年龄估计*

针对人脸识别中由于年龄变化使识别率急剧下降的问题,提出了一种基于优选局域二值模式与加权支持向量机回归相结合的年龄估计方法。该方法首先对人脸图像进行分块,提取出各分块的LBP直方图;然后采用神经网络贡献分析法计算出各个特征的贡献值,筛选掉贡献较小的特征并对筛选后的特征赋予相应的权值;最后使用加权SVM回归训练得到年龄函数估算出目标图像的年龄。实验结果表明,该方法可以较为准确快速地对人脸图像进行年龄估计。     

基于一种改进NMF算法的人脸年龄估计方法

基于人脸图像的年龄自动估计是人脸识别领域的一个重要研究方向,同时也是一个难点。对此,提出了一种改进的NMF算法来实现人脸年龄估计,该算法首先对NMF分解的基图像进行判别分析,保留最具判别力的基图像来构造子空间,然后将整体训练集图像向得到的子空间进行投影,并用RBF(radial basis function)神经网络进行训练和测试,提取包含在大多数人脸图像上的年龄信息来进行年龄估计,实验结果表明,该算法获得了较好的测试结果。     

Estimating Facial Reflectance Properties Using Shape-from-Shading

In this paper we show how to estimate facial surface reflectance properties (a slice of the BRDF and the albedo) in conjunction with the facial shape from a single image. The key idea underpinning our approach is to iteratively interleave the two processes of estimating reflectance properties based on the current shape estimate and updating the shape estimate based on the current estimate of the reflectance function. For frontally illuminated faces, the reflectance properties can be described by a function of one variable which we estimate by fitting a curve to the scattered and noisy reflectance samples provided by the input image and estimated shape. For non-frontal illumination, we fit a smooth surface to the scattered 2D reflectance samples. We make use of a novel statistical face shape constraint which we term ‘model-based integrability’ which we use to regularise the shape estimation. We show that the method is capable of recovering accurate shape and reflectance information from single grayscale or colour images using both synthetic and real world imagery. We use the estimated reflectance measurements to render synthetic images of the face in varying poses. To synthesise images under novel illumination, we show how to fit a parametric model of reflectance to the estimated reflectance function.     

基于Gabor小波与LBP直方图序列的人脸年龄估计

提出了一种基于Gabor小波和局域二值模式(Local binary pattern,LBP)直方图序列的人脸年龄估计方法。首先对人脸图像提取多方向与多尺度的Gabor幅值域图谱(Gabor magnitude maps,GMMs);然后采用基于局部特征的LBP算子对GMMs编码,并对之分块,由各子块的直方图序列来描述人脸;为进一步降低人脸特征维数,再对人脸直方图序列特征应用主成分分析(PCA);最后使用支持向量机回归(SVR)的LOPO策略对人脸年龄库进行训练和测试。实验结果表明,该方法可以较为快速有效地对人脸图像进行年龄估计。     

基于密度分类及组合特征的人数估计算法*

为了克服不同人群密度及所采用特征对人数估计的影响,提出了一种基于人群密度分类及组合特征的人数统计算法。该算法包括离线特征组合选取和在线实时估计两个阶段。在离线阶段,选取密度阈值将图像样本分为高、低密度两类,然后通过实验方法选取最优的特征组合。在线估计阶段首先通过分类器将样本分为高、低密度两类,然后利用离线阶段选取的特征组合训练得到高斯模型,并分别对两类样本进行人数估计。实验结果表明,与不分高低密度相比,平均估计误差由10.6%降至8.1%;与目前主流的人数估计算法相比,本文算法的平均估计误差也更小。     

基于地理区域分布的人脸几何特征研究

文中提出了利用人脸面部几何特征地理区域分布的差异性进行人脸识别的新方法。首先针对比较典型的中国华北和西南两大区域采集100幅人脸面部图像,然后采用一种自动提取算法抽取面部几何特征,再利用感知器算法对这两大区域进行面部特征分类。实验结果表明该方法是可行而有效的。     

Toward automatic simulation of aging effects on face images

The process of aging causes significant alterations in the facial appearance of individuals. When compared with other sources of variation in face images, appearance variation due to aging displays some unique characteristics. Changes in facial appearance due to aging can even affect discriminatory facial features, resulting in deterioration of the ability of humans and machines to identify aged individuals. We describe how the effects of aging on facial appearance can be explained using learned age transformations and present experimental results to show that reasonably accurate estimates of age can be made for unseen images. We also show that we can improve our results by taking into account the fact that different individuals age in different ways and by considering the effect of lifestyle. Our proposed framework can be used for simulating aging effects on new face images in order to predict how an individual might look like in the future or how he/she used to look in the past. The methodology presented has also been used for designing a face recognition system, robust to aging variation. In this context, the perceived age of the subjects in the training and test images is normalized before the training and classification procedure so that aging variation is eliminated. Experimental results demonstrate that, when age normalization is used, the performance of our face recognition system can be improved     

Automatic facial feature extraction and 3D face modeling using two orthogonal views with application to 3D face recognition

We present a fully automated algorithm for facial feature extraction and 3D face modeling from a pair of orthogonal frontal and profile view images of a person's face taken by calibrated cameras. The algorithm starts by automatically extracting corresponding 2D landmark facial features from both view images, then compute their 3D coordinates. Further, we estimate the coordinates of the features that are hidden in the profile view based on the visible features extracted in the two orthogonal face images. The 3D coordinates of the selected feature points obtained from the images are used first to align, then to locally deform the corresponding facial vertices of the generic 3D model. Preliminary experiments to assess the applicability of the resulted models for face recognition show encouraging results.     

Joint gender,ethnicity and age estimation from 3D faces: An experimental illustration of their correlations

Humans present clear demographic traits which allow their peers to recognize their gender and ethnic groups as well as estimate their age. Abundant literature has investigated the problem of automated gender, ethnicity and age recognition from facial images. However, despite the co-existence of these traits, most of the studies have addressed them separately, very little attention has been given to their correlations. In this work, we address the problem of joint demographic estimation and investigate the correlation through the morphological differences in 3D facial shapes. To this end, a set of facial features are extracted to capture the 3D shape differences among the demographic groups. Then, a correlation-based feature selection is applied to highlight salient features and remove redundancy. These features are later fed to Random Forest for gender and ethnicity classification, and age estimation. Extensive experiments conducted on FRGCv2 dataset, under Expression-Dependent and Expression-Independent settings, demonstrate the effectiveness of the proposed approaches for the three traits, and also show the accuracy improvement when considering their correlations. To the best of our knowledge, this is the first study exploring the correlations of these facial soft-biometric traits using 3D faces. This is also the first work which studies the problem of age estimation from 3D Faces.¹