吉林大学学报(工学版) ›› 2011, Vol. 41 ›› Issue (05): 1383-1387.

• 论文 • 上一篇    下一篇

基于形状和纹理特征的人脸年龄估计方法

王甦菁1,周春光1,张娜1,李建朋2,张利彪1   

  1. 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
  • 收稿日期:2010-07-11 出版日期:2011-09-01 发布日期:2011-09-01
  • 通讯作者: 张利彪(1973-),男,讲师,博士.研究方向:计算智能,图像处理. E-mail:lbzhang@jlu.edu.cn
  • 作者简介:王甦菁(1976-)男,博士研究生.研究方向:模式识别,机器学习,机器视觉.E-mail:wangsj08@mails.jlu.edu.cn
  • 基金资助:

    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).

Age estimation by extracting facial features of shape and texture

WANG Su-jing1, ZHOU Chun-guang1, ZHANG Na1, |LI Jian-peng2, ZHANG Li-biao1   

  1. 1.College of Computer Science and Technology, Jilin University, Changchun 130012, China|2.Telecommunication Engineering Institute, Air Force Engineering University, Xi'an 710077, China
  • Received:2010-07-11 Online:2011-09-01 Published:2011-09-01

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。

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

Abstract:

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.

Key words: artificial intelligence, facial recognition, age estimation, active shape model, local binary pattern, support vector regression

中图分类号: 

  • TP18
[1] 董飒, 刘大有, 欧阳若川, 朱允刚, 李丽娜. 引入二阶马尔可夫假设的逻辑回归异质性网络分类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1571-1577.
[2] 顾海军, 田雅倩, 崔莹. 基于行为语言的智能交互代理[J]. 吉林大学学报(工学版), 2018, 48(5): 1578-1585.
[3] 王旭, 欧阳继红, 陈桂芬. 基于垂直维序列动态时间规整方法的图相似度度量[J]. 吉林大学学报(工学版), 2018, 48(4): 1199-1205.
[4] 张浩, 占萌苹, 郭刘香, 李誌, 刘元宁, 张春鹤, 常浩武, 王志强. 基于高通量数据的人体外源性植物miRNA跨界调控建模[J]. 吉林大学学报(工学版), 2018, 48(4): 1206-1213.
[5] 黄岚, 纪林影, 姚刚, 翟睿峰, 白天. 面向误诊提示的疾病-症状语义网构建[J]. 吉林大学学报(工学版), 2018, 48(3): 859-865.
[6] 李雄飞, 冯婷婷, 骆实, 张小利. 基于递归神经网络的自动作曲算法[J]. 吉林大学学报(工学版), 2018, 48(3): 866-873.
[7] 刘杰, 张平, 高万夫. 基于条件相关的特征选择方法[J]. 吉林大学学报(工学版), 2018, 48(3): 874-881.
[8] 王旭, 欧阳继红, 陈桂芬. 基于多重序列所有公共子序列的启发式算法度量多图的相似度[J]. 吉林大学学报(工学版), 2018, 48(2): 526-532.
[9] 杨欣, 夏斯军, 刘冬雪, 费树岷, 胡银记. 跟踪-学习-检测框架下改进加速梯度的目标跟踪[J]. 吉林大学学报(工学版), 2018, 48(2): 533-538.
[10] 刘雪娟, 袁家斌, 许娟, 段博佳. 量子k-means算法[J]. 吉林大学学报(工学版), 2018, 48(2): 539-544.
[11] 曲慧雁, 赵伟, 秦爱红. 基于优化算子的快速碰撞检测算法[J]. 吉林大学学报(工学版), 2017, 47(5): 1598-1603.
[12] 李嘉菲, 孙小玉. 基于谱分解的不确定数据聚类方法[J]. 吉林大学学报(工学版), 2017, 47(5): 1604-1611.
[13] 邵克勇, 陈丰, 王婷婷, 王季驰, 周立朋. 无平衡点分数阶混沌系统全状态自适应控制[J]. 吉林大学学报(工学版), 2017, 47(4): 1225-1230.
[14] 王生生, 王创峰, 谷方明. OPRA方向关系网络的时空推理[J]. 吉林大学学报(工学版), 2017, 47(4): 1238-1243.
[15] 马淼, 李贻斌. 基于多级图像序列和卷积神经网络的人体行为识别[J]. 吉林大学学报(工学版), 2017, 47(4): 1244-1252.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
No Suggested Reading articles found!