تخمین خودکار سن از روی تصویر چهره با تلفیق ویژگی‌های آماری و بافت

نویسندگان

1 دانشگاه گیلان - پردیس دانشگاهی - گروه مهندسی فناوری اطلاعات

2 دانشگاه گیلان - دانشکده فنی - گروه مهندسی کامپیوتر

چکیده

برآورد خودکار سن از تصویر چهره کاربردهای مختلفی ازجمله در پزشکی قانونی، مدیریت ارتباط با مشتری و کنترل امنیت دسترسی دارد. بدین منظور ویژگی‌های مختلفی از تصاویر چهره استخراج، پردازش و انتخاب می‌شوند و با استفاده از الگوریتم‌های دسته‌بندی، سن تصویر چهره موردنظر تخمین زده می‌شود. استخراج و انتخاب ویژگی‌های مناسب یک مرحله اساسی و مهم در این فرآیند برآورد خودکار است، که انجام آن معمولاً سخت و مشکل است به‌طوری‌که دقت برآورد تا حد زیادی به این مرحله وابسته است. ویژگی‌های که برای برآورد سن استفاده می‌شود هم در ویژگی‌های محلی در قسمت‌های مختلف چهره مانند  انواع چین‌وچروک‌ها و هم در ویژگی‌های عمومی مانند اندازه، شکل و ظاهر چهره وجود دارند. هدف این مقاله افزایش دقت برآورد سن، با استفاده از تلفیق ویژگی‌های محلی و عمومی است. ویژگی‌های محلی با استفاده از الگوریتم‌های هارالیک و هیستوگرام‌های گرادیان‌های جهت‌دار استخراج می‌شوند درحالی‌که ویژگی‌های عمومی با استفاده از مدل ظاهر فعال به دست می‌آیند. همچنین بررسی می‌شود که چه ترکیبی از ویژگی‌های محلی و عمومی باعث افزایش دقت می‌شود. نتایج پیاده‌سازی‌ها بر روی پایگاه تصاویر چهره محک زن نشان داد که تلفیق ویژگی‌های محلی و عمومی باعث افزایش دقت و همچنین تلفیق ویژگی‌های هیستوگرام‌های گرادیان‌های جهت‌دار با مدل ظاهر فعال نسبت به تلفیق ویژگی‌های هارالیک با مدل ظاهر فعال دارای دقت برآورد بیش‌تری است.

کلیدواژه‌ها

عنوان مقاله [English]

Automatic Age Estimation of Face Image using Fusion of Statistical and Texture Features

نویسندگان [English]

  • N. Asadiparvar Masouleh 1
  • A. Shahbahrami 2
1 Information Technology Engineering Department, Pardis International, University of Guilan, Rasht, Iran
2 Computer Engineering Department, Faculty of Engineering, University of Guilan, Rasht, Iran
چکیده [English]

Automatic age estimation of the face images has different uses such as forensics, customer relationship management and access security control. For this purpose, different features are extracted, processed and selected and the age is estimated using classification algorithms. Extraction and selection of suitable features are a crucial step in this process of age estimation and it is usually so difficult that the estimation accuracy is significantly depends on this stage. Features that can be used to estimate the age are included in both local features in different parts of the face such as wrinkles and global features such as size, shape and appearance. The purpose of this paper is to increase the accuracy of age estimation using fusion of local and global features.  Local features are extracted by Haralik and histograms of oriented gradients algorithms while global features are extracted by active appearance model. It is also considered that which combination of local and global features is suitable for increasing age estimation accuracy. Experimental results on some benchmarks show that the fusion of local and global features can improve the accuracy and in addition, fusion of histograms oriented gradients feathers with active appearance model has more accuracy compared to fusion of Haralik with active appearance model features.

کلیدواژه‌ها [English]

  • Age estimation
  • feature extraction algorithm
  • feature selection algorithm
  • nearest neighbor algorithm

فایل ها

هم رسانی

ارجاع به این مقاله

آمار