بهبود دقت تخمین سن از تصاویر چهره با استفاده از ویژگی های محلی چین و چروک چهره و الگوریتم ژنتیک

در این مقاله سیستمی به منظور تخمین سن افراد از روی چهره و مبتنی بر الگوریتم ژنتیک ارایه شده است. در روش پیشنهادی، 4 مرحلهی اصلی وجود دارد. مرحله ی اول پیش پردازش است و شامل بهبود کنتراست تصاویر، شناسایی چهره و تغییر اندازه ی تصاویر می باشد، مرحله ی دوم شامل استخراج نواحی چین و چروک می باشد، که ویژگی های استخراج شده ورودی مرحله ی بعدی را تشکیل می دهند. در مرحله ی سوم با استفاده از الگوریتم ژنتیک، عملیات انتخاب ویژگی انجام شده و طول بردار ویژگی کاهش می یابد. در نهایت در مرحله ی چهارم ویژگی های انتخابی با استفاده از طبقه بند ماشین بردار پشتیبان (SVM) به 4 گروه سنی طبقه بندی شده و به دنبال آن از رگرسیون بردار پشتیبان (SVR) به منظور تخمین سن افراد استفاده می شود. نرخ بازشناسی سیستم بر روی مجموعه دادهای استاندارد FG - net ، 74٫35 درصد و بر اساس معیار MAE برابر 4٫29 سال به دست آمده است که نسبت به روش های مشابه عملکرد و دقت بالاتری را دارا می باشد

کلیدواژه ها:

الگوریتم ژنتیک ، تخمین سن ، تشخیص چهره ، رگرسیون بردار پشتیبان ، ماشین بردار پشتیبان