魏文明

【摘 要】作為計算機(jī)視覺領(lǐng)域帶你一個重要研究方向，人臉年齡估計具有非常廣泛的實(shí)際應(yīng)用價值。本文主要介紹了人臉年齡估計的相關(guān)方法：基于概率模式的方法、年齡函數(shù)方法、子空間模式方法。

【關(guān)鍵詞】年齡估計、圖像處理

【中圖分類號】TP75【文獻(xiàn)標(biāo)識碼】A【文章編號】1672-5158（2013）02-0170-01

1 引言

人臉年齡估計是計算機(jī)視覺領(lǐng)域和圖像處理領(lǐng)域的重要研究課題，一直受到諸多研究人員的關(guān)注。所謂人臉年齡估計就是根據(jù)人臉圖像提取年齡特征，采用計算機(jī)技術(shù)進(jìn)行相關(guān)處理分析，自動判定人臉圖像年齡的計算機(jī)視覺技術(shù)。人的年齡是一個隨時間變化的長期的過程，在人的外部表現(xiàn)比較明顯，如：人臉輪廓的變化、人臉皮膚的變化等，隨著年齡的增長，人臉外貌會產(chǎn)生很大變化。

2 人臉年齡估計的方法分類

人臉年齡估計方法根據(jù)不同分類標(biāo)準(zhǔn)可分成不同的類別。多數(shù)分類是根據(jù)提取的特征進(jìn)行的，可以分成三類：基于局部特征的人臉年齡估計方法，基于整體特征的人臉年齡估計方法，局部特征和整體特征相結(jié)合的人臉年齡估計方法。本文根據(jù)年齡估計發(fā)展歷程進(jìn)行分類：基于概率模式的方法，基于年齡函數(shù)的方法，基于年齡模式子空間的方法和其他新方法在年齡估計中的應(yīng)用四類。

2.1 基于概率模式的方法

Hayashi等人[2]研究了基于Hough變換的皺紋紋理和人臉圖像膚色分析的年齡和性別識別，由于主要采用皺紋特征進(jìn)行分析統(tǒng)計，加上同齡男女皺紋相差巨大，所以精度不高。Lga等人開發(fā)一個用于估計年齡和性別識別的系統(tǒng)[3]，采用Gabor小波提取臉部特征，用支持向量機(jī)做為分類器進(jìn)行年齡估計，得到較好效果。Lanitis等人[3]提出了一種定量的年齡分類器評估方法，可以合理而準(zhǔn)確地估計未知人臉的年齡，但其人臉庫中的圖像僅限于 0～30歲，很難進(jìn)行整個年齡段的年齡估計。

概率模型方法是最早使用在年齡估計中的一種方法，早期進(jìn)行年齡估計主要是通過一些簡單的特征如紋理的數(shù)量、顱骨的形狀比例、顏色信息等進(jìn)行統(tǒng)計分析，得出這些特征與年齡之間的簡單關(guān)系，仍后根據(jù)這些關(guān)系進(jìn)行年齡分類。這種方法簡單、計算量小，但是估計精度不高，沒有什么使用價值。

2.2 年齡函數(shù)方法

Lanitis et al [5]提出了第一個真正的年齡估計算法（年齡函數(shù)法），他們的年齡估計模式是采用一個年齡函數(shù)：通過對個人不同年齡的人臉圖像進(jìn)行訓(xùn)練，從而得到一個確定的二次年齡函數(shù)。實(shí)驗(yàn)結(jié)果表明，這種方法對年齡估計十分有效。

胡斕，夏利民在文獻(xiàn)[6]中提出了基于Boosting RBF神經(jīng)網(wǎng)絡(luò)得到年齡估計函數(shù)的方法，文中首先用NMF方法提取人臉特征，然后用徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)RBF（Radial Basis Function）逼近的方法，確定一個人臉圖像特征與相應(yīng)年齡之間的估計函數(shù)。樊莉靜和張建明提出了一種基于局域二值模式LBP與SVM回歸相結(jié)合的年齡估計方法。張建明[4]于2010年又提出了提出了一種基于優(yōu)選LBP與加權(quán)SVM回歸相結(jié)合的年齡估計方法。

實(shí)驗(yàn)表明年齡函數(shù)方法要比基于概率模型的年齡特征分類方法性能要好，主要是基于概率模型方法沒有考慮年齡變化的獨(dú)立特征。但是年齡函數(shù)也有其缺陷：第一，采用二次函數(shù)表示人臉隨年齡變化的規(guī)律主要是憑經(jīng)驗(yàn)，沒有理論證明；第二，年齡函數(shù)沒有很好的應(yīng)用人臉隨年齡變化的時序特征；第三，訓(xùn)練的年齡函數(shù)是單獨(dú)的個人年齡函數(shù)，而不同人的人臉隨年齡變化差異巨大；第四，待估計年齡的人臉圖像的年齡函數(shù)只是通過已知年齡函數(shù)的線性組合，而不是從某個模型生成年齡函數(shù)。

2.3 子空間模式方法

子空間模式方法主要有三類：線性判別分析，非負(fù)矩陣分解算法和年齡模式子空間。線性判別分析是一種常用的子空間分析方法，它通過最大化樣本類間差異，最小化樣本類內(nèi)差異，提取最具判別能力的低維特征，屬于有監(jiān)督的學(xué)習(xí)方法。高峰等人提出一種基于Gabor特征和模糊線性判別分析（模糊 LDA）相結(jié)合的人臉年齡分類方法。

Xin Geng等人先后提出了一種基于子空間的自動年齡估計方法年齡模式子空間AGES（Aging Pattern Subspace），AGES是單個人的人臉圖像在時間序列上的排列。在單個年齡模式中所有的人臉圖像都必須是一個人的，所以一般的年齡模式都是不完整的。

子模式空間方法比年齡函數(shù)方法性能要好，它的優(yōu)點(diǎn)表現(xiàn)為：它很好的應(yīng)用了人臉隨年齡變化的時序特征；有相應(yīng)的理論基礎(chǔ)；可以構(gòu)建完整的年齡估計模型用于人臉年齡估計。但該方法的缺點(diǎn)是計算量大，很難應(yīng)用于實(shí)際。

3 結(jié)束語

人臉年齡估計是人臉識別領(lǐng)域的一個新的研究方向，近年來已經(jīng)成為一個研究熱點(diǎn)。由于發(fā)展時間不長，所有存在很多問題需要解決，首先是需要建立比較完整的人臉年齡估計圖像數(shù)據(jù)庫，其次是尋找好的預(yù)處理方法和年齡特征提取方法。并且人臉年齡估計技術(shù)的發(fā)展在推動社會發(fā)展方面起著重要作用，并對其他技術(shù)有一定的促進(jìn)作用。在今后的工作中，我們要努力需找圖像預(yù)處理方法、年齡特征提取方法和分類模型用以提高年齡估計的精度。

參考文獻(xiàn)

[1] H.K.Young，V.L.Niels， “Age Classification from Facial Images，”Proceedings of IEEE Conf.on Computer Vision and Pattern Recognition. Seattle， Washington，U. S.A，1994：762-767

[2] J.Hayashi，“Age and Gender Estimation Based on Wrinkle Texture and Color of Facial Images，” Proceedings of the 16th International Conference. 2002：405-408

[3] Lanitisa， Taylorc，Cootesytf，“Toward automatic simulation of aging effects on face images”IEEE Trans on Pattern Analysis and Ma chine Intelligence， 2002，24 （4）： 442-445

[4] Jian-Ming Zhang，F(xiàn)ang Fang，Li Chen，F(xiàn)eng Qing-Yang， Xiao Liu，“Age estimati on based on selected local binary and weighted support vector machine，”Application Research of Computers，Vol.27，No.1 ，Jan.2010

[5] A. Lanitis，C.J.Taylor， and T.Cootes，“Toward Automatic Simulation of Aging Effects on Face Images，” IEEE Trans.Pattern Analysis and Machine Intelligence，vol.24，no.4，pp.442-455，Apr.2002

[6] 胡 斕，夏利民，“基于 Boosting RBF 神經(jīng)網(wǎng)絡(luò)的人臉年齡估計，”計算機(jī)工程，第32卷 第19期，2006