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

برآورد خودکار سن از تصویر چهره کاربردهای مختلفی از جمله در پزشکی قانونی، مدیریت ارتباط با مشتری و کنترل امنیت دسترسی دارد. بدین منظور ویژگیهای مختلفی از تصاویر چهره استخراج، پردازشی و انتخاب می شوند و با استفاده از الگوریتم های دسته بندی، سن تصویر چہرہ موردنظر تخمین زدہ می شود. استخراج 9 انتخاب ویژگیهای مناسب یک مرحله اساسی و مهم در این فرآیند برآورد خودکار است، که انجام آن معمولا سخت 9 مشکل است به طوری که دقت برآورد تاحد زیادی به این مرحله وابسته است. ویژگیهای که برای برآورد سرن استفاده می شود. هم در ویژگیهای محلی در قسمتهای مختلف چهره مانند انواع چین و چروکها و هم در ویژگیهای عمومی مانند اندازه، شکل و ظاهر چهره وجود دارند. هدف این مقاله افزایش دقت برآورد سن، با استفاده از تلفیق ویژگی های محلی و عمومی است. ویژگیهای محلی با استفاده از الگوریتمهای هارالیک و هیستوگرامهای گرادیان های جهتدار استخراج می شوند درحالی که ویژگیهای عمومی با استفاده از مدل ظاهر فعال به دست می آیند. همچنین بررسی میشود که چه ترکیبی از ویژگیهای محلی و عمومی باعث افزایش دقت میشود . نتایج پیادهسازی ها بر روی پایگاهتصاویر چهره محک زن نشان داد که تلفی ویژگیهای محلی و عمومی باعث افزایش دقت و همچنین تلفی ویژگیهای هیستوگرام های گرادیانهای جهتدار با مدل ظاهر فعال نسبت به تلفی ویژگیهای هارالیک با مدل ظاهر فعال دارای دقت برآورد بیشتری است.

کلیدواژه ها:

برآورد سن ، الگوریتمهای استخراج ویژگی ، الگوریتم انتخاب ویژگی ، الگوریتم نزدیکترین همسایه