سمانه محمدی - دانشجوی کارشناسی ارشد نرم افزار، دانشگاه آزاد اسلامی کاشان
سیدمحمدرضا لاجوردی - استادیار، دانشگاه آزاد اسلامی، واحد کاشان

تخمین سن و گروه سنی به عنوان چالش اساسی در بینایی ماشین و هوش مصنوعی میباشد، مغز انسان به راحتی میتواند با تحلیل روابط ابعادی چهره به تخمین نسبتا دقیقی از سن فرد دست پیدا کند. در این تحقیق ابتدا به بررسی مثلث چهره جهت تخمین گروه سنی پرداخته شد، که مثلث شامل سه راس (مرکز چشم چپ و مرکز چشم راست و نوک بینی)می باشد، که نتیجه با خطایی در حدود 60 درصد روبرو شد، و سپس به روش بعدی، بررسی ابعاد صورت روی آوردیم، تا اینگونه تخمین را دقیق تر و درصد خطا راکاهش دهیم، که برنامه با 40درصد خطا روبرو شد، و سپس به بررسی چین و چروک صورت پرداختیم که درصد خطا برای شش گروه سنی در حدود 25 درصد گردید. زاویه چهره و تحلیل ابعادی و چین و چروک صورت و آموزش، چهار مرحله معمول میباشد که تقلیدی از عملکرد مغز است. نتیجه تحقیق حاضر نشان دهنده تمیز بالا در شش گروه سنی، شامل کودکان، نوجوانان، جوانان، بزرگسالان، میانسالان و سالخوردگان میباشد. مدل ایجاد شده با استفاده از 217 تصویر تا 5,75 %درصد جنسیت را درست تشخیص می دهد، درصد تشخیص درست در شش گروه سنی بین زنان و مردان، 4,73 %و میانگین خطای مطلق 2 %میباشد.

مثلث چهره، تشخیص گروه سنی، ویژگی های چین و چروک، تشخیص جنسیت، group age ،dimensions Face