基于形状和纹理特征的人脸年龄估计方法  

Age estimation by extracting facial features of shape and texture

作　　者：王甦菁[1] 周春光[1] 张娜[1] 李建朋[2] 张利彪[1] 

机构地区：[1]吉林大学计算机科学与技术学院,长春130012 [2]空军工程大学电讯工程学院西安710077

出　　处：《吉林大学学报（工学版）》2011年第5期1383-1387,共5页Journal of Jilin University:Engineering and Technology Edition

基　　金：国家自然科学基金项目(60873146,60973092,60903097);“863”国家高技术研究发展计划项目(2009AA02Z307);吉林省生物识别新技术重点实验室项目(20082209);吉林大学“211工程”三期建设项目;吉林大学基本科研业务费项目(93K-17-2009-Z03);吉林省科技发展计划项目(20080168)

摘　　要：采用活动形状模型ASM将人脸分成若干个三角形,然后使用局部二值模式LBP提取每个三角形区域的纹理特征,并通过支持向量回归对年龄进行估计。本文在著名的FG-NET年龄数据库上采用Leave-one-person-out(LOPO)模式进行实验,使用平均绝对误差和累积指数作为评价标准。实验结果表明,无论是年龄估计还是年龄段估计,本文提出的算法的平均绝对误差都小于AGES算法。同时在实验中也发现,嘴部区域的纹理对年龄估计的影响不大。In this study Active Shape Model（ASM） was used to divide facial image into a number of triangles,and Local Binary Pattern（LBP） was applied to extract the texture feature of each triangle;then support vector regression was employed to estimate the age.Experiments were conducted on the FG-NET age database by Leave-One-Out strategy.The mean Absolute error（MAE） and the CumScore were taken as the evaluation criteria.Results show that the MAEs of the proposed algorithm is smaller than that of the state-of-the-art algorithm,AGES,in both age estimation and age range estimation.Meanwhile,it was found that the texture around the mouth has little influence on age estimation.

关 键 词：人工智能 人脸识别 年龄估计 活动形状模型 局部二值模式 支持向量回归 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]