顔画像による年齢の自動推定システム

注釈

人は、ビデオ監視システムで最も重要な追跡オブジェクトです。 それにもかかわらず、人を追跡するだけでは、その動機、意図、欲望などについて十分な情報を提供しません。 この作業では、コンピュータービジョン技術を使用した自動年齢推定のための新しい信頼性の高いシステムを紹介します。 ガボールウェーブレットを組み合わせてローカル投影の直交性を保持することで得られるグローバルな顔の特徴を使用します（ 直交局所性保持投影法 、OLPP）。 さらに、システムはリアルタイム画像から年齢を推定することができます。 これは、提案されたシステムが他の半自動システムよりも大きな可能性を持っていることを意味します。 提案されたアプローチのアプリケーションで得られた結果は、実際のアプリケーションに関連するアプリケーションの開発に必要な年齢推定の分野のアルゴリズムをより明確に理解することができます。

キーワード：ガボールウェーブレット、顔画像、年齢推定、サポートベクターマシン （ サポートベクターマシン 、SVM）。



1.はじめに

人間の顔の画像には、顔の特徴、感情、性別、年齢などを含む人に関する豊富な情報が含まれています。一般に、人の顔の画像は、肌の色、顔の特徴の幾何学的特徴など、多くの顔のプロパティで構成される複雑な信号と考えることができます。 これらの属性は、実際の顔画像分析アプリケーションで重要な役割を果たします。 このようなアプリケーションでは、キャプチャされた顔画像から評価されたさまざまなプロパティ（属性）を使用して、システムのさらなる反応（アクション）を行うことができます。 特に、年齢は最も重要な属性の1つです。 たとえば、ユーザーは、年齢に依存する対話型コンピューターシステム、アクセス制御を提供するために年齢を推定できるシステム、またはインテリジェンスを収集するシステムを必要とする場合があります。 顔画像解析を使用した自動年齢推定は、膨大な数の実際のアプリケーションを意味します。

自動年齢推定システムは、画像内の顔検出と年齢推定自体の2つの部分で構成されています。 検出結果は、環境、動き、照明、空間内の顔の向き、感情の表現など、多くの条件に大きく依存するため、画像内の顔を検出することは非常に困難です。 これらの要因により、画像の色、明るさ、影、輪郭に歪みが生じる可能性があります。 このため、ViolaとJonesは有名な顔検出システムを2004年に提案しました。Viola-Jones分類器は、分類器カスケードの各ノードでAdaBoostアルゴリズムを使用して、カスケード全体で無視される顔の数を減らすことで高度な顔検出を訓練します。 このアルゴリズムには、次の機能があります。1） Haar機能を使用-しきい値を持つ2つの長方形領域のピクセル強度の合計の差の比較。 2）矩形領域または45度回転した矩形領域内のピクセルの合計の計算を加速するための統合画像の使用。 3）AdaBoostアルゴリズムは、統計的ブースティングを使用して、顔を検出する確率が高く、顔を見逃す確率が低いことを特徴とするバイナリ（顔ではない）分類ノードを作成します。 4）弱い分類器のノードは、アルゴリズムの初期段階で顔以外の画像を除去する目的でカスケードに編成されます（つまり、カスケードの最初のレベルでは、誤った分類のエラーが多くなりますが、カスケード分類器の後続のレベルよりも速く動作します）。 人は、カスケード分類子のすべてのレベルを通過する場合にのみ、人として分類されます。

画像の自動顔検出は多くのアプリケーションが関与する成熟した手法ですが、顔画像から年齢を推定することは依然として難しい作業です。 これは、老化プロセスが異なるレース間だけでなく、レース内でも異なるように表現されるためです。 このプロセスはほとんど個人的なものです。 さらに、ライフスタイル（適切な栄養、スポーツ）、居住地、気象条件などの外部要因の影響によっても決定されます。 したがって、持続可能な年齢評価の問題は未解決の問題です。

一般に、文献には人の年齢を評価するための特徴抽出方法の3つのカテゴリがあります。 最初のカテゴリーは統計的アプローチです。 Xin Geng et al。[2、3]は、自動年齢推定のための方法であるAGing pattErn Subspace（AGES）を提案しました。 このアプローチの考え方は、顔の加齢の個人的な画像のシーケンスによって決定される加齢のパターン（パターン）をモデル化することです。 このモデルは、主成分分析 （PCA）のEM反復学習法のような部分空間を研究することによって構築されます。 他の作品[4、5]では、Guodong Guo et al。特徴空間の次元を減らすための3つの典型的な方法と、PCA、局所線形埋め込み（LLE）、直交局所性保存などのさまざまな埋め込み方法を比較します。 プロジェクション 、OLPP）。 OLPPサブスペースのデータの分布によると、彼らは、人の年齢を訓練し、予測するためのローカル調整ロバスト回帰 （LARR）メソッドを提供します。 LARRは、大まかな予測にサポートベクター回帰 （SVR）を使用し、 サポートベクターマシン （SVM）メソッドを使用して、結果を中心とした狭い限られた範囲内のローカル設定を決定します。

メソッドの2番目のカテゴリには、 アクティブな外観モデル （AAM）に基づくアプローチが含まれます。 外観モデルの使用は、すべての顔画像分析方法の中で最も直感的な方法です。

Young H. Kwon et al。[6]は、視覚年齢特徴を使用して人体測定モデルを構築しました。 主な特徴は、目、鼻、口、あごです。 これらの特徴の関係は、異なる年齢のカテゴリーを区別するために計算されました。 二次的な特徴を分析するとき、しわの検出と測定を制御するために、しわマップが使用されました。 Jun ‐ Da Txia et al。[7]は、 アクティブな外観モデル （AAM）に基づいて年齢を推定し、年齢固有の特徴の領域を抽出する方法を提案しました。 各顔は28個の特別なポイントの計算を必要とし、10個のしわの領域に分割されます。 Shuicheng Yan等[8]は、パッチカーネルと呼ばれるパスベースの外観モデルを使用しました。 この方法は、任意の2つの画像の最大事後確率（MAP）を使用して、 混合ガウス （GMM）のグローバルモデルから導出されたモデル間のカルバックライブラー距離を決定するように設計されています。 その後、分類する能力は、インターモーダル類似性同期と呼ばれる弱い学習プロセスの使用によって強化されました。 最後に核回帰を使用して年齢を推定します。

メソッドの3番目のカテゴリは、頻度ベースのアプローチを使用します。 画像処理とパターン認識において、周波数領域分析は、画像の特徴を抽出する最も一般的な方法の1つです。 Guodong Guo et al。[9]は、画像内の人々の年齢を推定するために、画像の「生物学的」特徴（ 生物学的に触発された特徴 、BIF）を調査しました。 以前の作品[4、5]とは異なり、GuoはGaborフィルターを使用して人の顔をシミュレートしました[10]。 ガボールフィルターは、画像内のオブジェクトの境界を強調するために画像処理で使用される線形フィルターです。 ガボールフィルター表現の周波数と方向は、人間の視覚に似ており、テクスチャ表現と判別問題の解決に適しています。

私たちのシステムは、顔検出のトレーニングにカスケードAdaBoostを使用し、GaborおよびOLPPウェーブレットを使用して年齢の推定値を受け取ります。 この記事は、次のセクションで構成されています。 最初のものには、顔検出システムの説明が含まれます：ヒストグラム調整、特徴選択、カスケード分類、訓練されたAdaBoost、および顔画像の領域をクラスタリングするためのアルゴリズム。 2番目のセクション：年齢を評価するプロセスには、ガボールウェーブレットを使用した特徴の抽出、特徴のフィルタリング、最適な選択、年齢の分類が含まれます。 記事の最後に、シミュレーション結果が表示され、結論が導き出されます。

この記事では、ガボールウェーブレットを使用してエージングプロセスを表す完全自動の年齢評価システムを提案します。 当社が提供するシステムには、4つの主要なモジュールがあります。1）顔検出。 2）ガボールウェーブレットに基づく分析。 3）OLPPの削減。 4）サポートベクターの方法による分類。 入力画像はカメラから取得するか、ファイルから読み取ることができます。 顔画像は、[12]に示されているアプローチを使用して、顔検出器を使用して元の画像から選択されます。 次に、画像は64 * 64ピクセルのサイズにスケーリングされます。 次に、40個のGaborウェーブレットコアを使用して、特徴が抽出され、OLPP削減がそれらに適用されます。 最後に、訓練されたSVM分類器を使用して年齢の評価が開始されます。

記事の残りの部分は次のように構成されています。セクション2では、AdaBoostを使用した顔検出サブシステムについて説明します。 セクション3では、年齢推定アルゴリズムについて説明します。ガボールウェーブレットによるテクスチャ分析、OLPP削減、およびSVM分類が含まれます。 セクション4は、実験結果を示しています。 セクション5では、提案されたシステムについて結論を出します。



図1.システムの概要



2.顔検出

図1に、本研究で提案した自動年齢推定システムのアーキテクチャを示します。 システム全体は、画像および年齢推定サブシステムで顔の領域を検出することがタスクである顔検出サブシステムで構成されています。 画像内の顔を検索するには、さまざまなサイズのスキャンウィンドウが使用されます。 画像をキャプチャするとき、オブジェクトはカメラから異なる距離に配置できます。 スキャンには合計12のスケールレベルがあり、画像サイズは24 * 24から始まり、1.25のスケールファクターで変化します。 画像がキャプチャされる照明条件に応じて、画像の明るさにはさまざまなバリエーションがあります。 画像の明るさを正規化した後、画像をより正確に認識することができます（より正確には、画像内の顔）。



2.1。 照明の正規化

照明の正規化は、ヒストグラムの位置合わせ（調整）の方法に基づいています。 ヒストグラムを近似する主なタスクは、元のヒストグラムH（l）をターゲットヒストグラムG（l）に変換することです。 顔データベースの平均ヒストグラムに近い画像ヒストグラムとして、ターゲットヒストグラムG（l）が選択されます。 図2（a）に示すように、ターゲット画像とヒストグラムG（l）を選択します。 正規化の前後の画像を図2（b）に示します。



図2.照明の正規化。 （a）ターゲット画像。 （b）入力画像。 （c）正規化された画像



暗すぎる、または明るすぎる入力画像は、ターゲット画像のヒストグラムに従って正規化されます。 ヒストグラムH（l）は、次のようにヒストグラムG（l）に変換されます。



どこで そして -ヒストグラムH（l）およびG（l）の同種（均一）分布のヒストグラムへの直接および逆マッピング。



2.2機能の選択

図3 [13]に示すように、4つの長方形Haarサインを選択しました。



図3. 4種類の長方形の特徴



画像の明るい領域と暗い領域を表すために、異なる明るさの長方形の組み合わせを使用することは許容されます。 機能は次のように定義されます。



ここで、（x、y）は、スキャンウィンドウ内の長方形の特徴の相対座標系の中心を示します。 wとhの重要度は、それぞれ長方形の特徴の相対的な幅と高さを示します。 タイプ-長方形の特徴のタイプ、 -明るい領域と暗い領域のピクセルの合計の差。

顔を非顔から効果的に分離できる長方形の特徴は、弱い分類器と見なされます。





弱い分類器 は、長方形の特徴、しきい値q、および極性（不等式の方向）pのカウントに基づいて、画像の現在の部分が顔であるかどうかを判断するために使用されます。 弱い分類器ごとに、誤った分類のエラーを最小限に抑えるように最適なしきい値が選択されます。 しきい値は、4000の顔画像と59000の非顔画像のサンプルでトレーニングすることにより選択されます。 図4（a）-（b）は、個人および非個人のデータベースの例です。 この手順では、各フィーチャの分布を計算します データベース内の各画像に対して、最大の識別能力を持つしきい値を選択します（つまり、画像を他のクラスよりも優れた2つのクラスに分割します）。



図4.人（a）と非人（b）のデータベース



各長方形の特徴は非常に効率的に計算されますが、すべての組み合わせの計算は非常に計算コストがかかります。 たとえば、最小のスライディングウィンドウ（24 * 24）の場合、機能の完全なセットは160,000です。

AdaBoostアルゴリズムは、弱い分類器のセットを組み合わせて、強い分類器を形成します。 強力な分類器は顔検出アプリケーションに効果的ですが、かなり長い間実行されています。 検出能力を向上させ、計算時間を短縮するカスケード分類子構造が、Viola and Jones [14]によって提案されました。 この考えに基づいて、カスケードAdaBoostは強力な分類器を形成します。 最初のステップで、スライディングウィンドウからの画像が顔として分類される場合、ステップ2に進みます。別の場合では、画像は破棄されます。 同様のプロセスがすべてのステップで実行されます。 ステップの数は、十分な程度の認識を達成するのに十分であると同時に、計算​​時間を最小限に抑える必要があります。 たとえば、各ステップで顔を検出する確率が0.99である場合、10ステップの分類器は0.9の確率に達します（0.9〜= 0.99 ^ 10であるため）。 この確率を達成することは非常に難しい作業のように聞こえるかもしれませんが、これは簡単に行うことができます。これは、各ステップで約30％の誤検知認識エラーが発生するだけだからです

AdaBoostアルゴリズムを使用する手順は次のように説明できます。mとlがそれぞれ人と非人の数であり、jが非人と人の合計である場合。 i番目のステップの初期重みw_（i、j）は、次のように定義できます。 。 弱分類器の正規化された重み付き誤差は、次のように表現できます。



重みは、各反復で式（5）によって更新されます。 オブジェクトが正しく分類されている場合、 それ以外の場合、ej = 1。



i番目のステップの最終的な分類器を以下に定義します。



どこで



2.3エリアベースのクラスタリング

顔検出器は、画像内で単一の顔であっても、通常は複数の顔を検出します（図5を参照）。



図5.顔検出器の結果



したがって、この問題を解決するには、エリアベースのクラスタリングが使用されます。 提案された方法は、ローカルクラスタリングとグローバルクラスタリングの2つのレベルのクラスタリングで構成されています。 ローカルクラスタリングは、単一のスケールでブロックをクラスター化し、単純なフィルターを形成してクラスター内の画像ブロックの数を決定するために使用されます。 クラスター内のブロックの数が複数の場合、このクラスターはおそらく人を含むとマークされ、そうでない場合、クラスターは拒否されます。 ローカルクラスタリング方法には、クラスターのラベル付けを決定するための次のルールもあります。



式（7）では、オーバーラップの割合（x、y）は、検出された2つの候補領域間の距離を示し、これらの領域の中心間の距離に等しくなります。 平等 xとyが同じクラスターにあり、これらの領域がほぼ完全に重なり合っていることを意味します

図6は、重複する領域のいくつかの可能なケースを示しています。



図6.重複する領域とブロックの距離中心の図



図6（a）では、2つのブロックが1つのクラスターに分類されます。 図6（b）では、2つのブロックが異なるクラスターに分類されています。 中心間の距離がしきい値を超えています。 図6（c）に示すように、特殊なケースでは、すべてのブロックが候補と見なされますが、それらのほとんどは偽の顔です。 したがって、この作業では、実際のアプリケーションでは、複数のブロックではなく、式（7）を満たすブロックを1つだけ選択します。 最終的に、グローバルクラスタリングはローカルクラスタリング段階で取得したブロックを使用し、顔領域のラベルは使用可能なすべてのブロックの平均サイズに対応します。 ローカルおよびグローバルレベルの領域の選択に基づくクラスタリングプロセス全体の結果を図7に示します。実際、図7の右側の画像から、ローカルおよびグローバルクラスタリングを適用した結果、顔領域として1つのブロックのみが正確に分類されます（5を超える場合でも） 5人しか含まれていない画像に対して取得された候補）。



図7.クラスタリング結果。 （a）ローカルクラスタリングの結果。 （b）グローバルクラスタリングの結果



3.年齢推定

, : , . , - . 2D , - . , , , . , Donato [15] , . , , .



3.1

[16]:



どこで そして , , :



どこで そして — , f — . , (8) , — , — , (9) , . — .

, , , 8 5 8 , :



8.



— , (8). させる — . I :



どこで * ().

, () . (11) (12) — .



どこで そして .



9. 40



9 . 9, . , . , .



3.2

, [19, 20]. , , , — . 3 : () (, Parallel Dimension Reduction Scheme, PDRS): 10. , . (b) (, Ensemble Dimension Reduction Scheme , EDRS): — , . 11, , . () (, Multi-channel Dimension Reduction , MDRS). Xiaodong Li [21] 2009. 12, . [21] Xiaodong Li . , , .



10.





11.





12.



k- (KNN). , « », 40 . KNN 40 . . — . . FG-NET [22] . 1002 ( ) , . 82 ( ) 0 69 . (, mean absolute error , MAE) . . :



どこで — k, — . N — . 1 . , .

1.





3.3

, . . : () () , , , [23]. (b) (LPP) , , [24]. OLPP LPP [25]. , KNN . LPP OLPP . 2 . OLPP .



2.





3.4

- . . . ., . [25-27]. 1 11 . . 1002 ( ) , . 82 ( ) 0 69 . 43 ( 2). , KNN.



4.

FG-NET [20]. 1002 ( ) , . 82 ( ) 0 69 . 13 .



13. FG-NET



, , 2. , , , . , .

64*64 , 256 . ( Radial basis function kernel , RBF) , c = 0,5 g = 0.0078125. , .

: () (). . [2-10]. :



どこで — , j.

3 . , FG-NET. -OLSS, 8.43 5.71 KNN , , . 16% AGES [2]. 3, , LARR [4] BIF [9] : 5.07 4.77, .



3.





, — . LARR AAM FG-NET , . , . , LARR . BIF , , . , BIF . , 10.32. , BIF . , BIF . 12-15 .

14. Gabor-OLPP , WAS , . AGES GAbor-OLPP , Gabor-OLPP, .



14.



5.

. , , . , .

. , . , , . , . . OLPP .



6.

: 100‐EC-17‐A‐02‐S1‐032, , , : NSC‐100‐2218-E‐009‐023.



文学

[1] Paul V, Jones MJ (2004) Robust Real‐Time Face Detection. International Journal of Computer Vision 57(2), 137‐154

[2] Geng X, Zhou Z‐H, Zhang Y, Li G, Dai H. (2006) Learning from facial aging patterns for automatic age estimation, In ACM Conf. on Multimedia, pages 307– 316

[3] Geng X, Zhou Z‐H, Smith‐Miles K. (2007) Automatic age estimation based on facial aging patterns. IEEE Trans。 on PAMI, 29(12): 2234–2240

[4] Guo G, Fu Y, Dyer, CR, Huang, TS (2008) Image‐Based Human Age Estimation by Manifold Learning and Locally Adjusted Robust Regression. IEEE Trans。 on Image Processing, 17(7): 1178‐1188

[5] Guo G, Fu Y, Huang TS and Dyer, CR (2008) Locally Adjusted Robust Regression for Human Age Estimation. IEEE Workshop on Applications of Computer Vision, pages 1‐6,.

[6] Kwon Y, Lobo N. (1999) Age classification from facial images. Computer Vision and Image Understanding, 74(1): 1–21

[7] Txia J‐D and Huang C‐L. (2009) Age Estimation Using AAM and Local Facial Features. Fifth International Conference on Intelligent Information Hiding and Multimedia Signal Processing, pages 885‐888

[8] Yan S‐C, Zhou X and Liu M. Hasegawa‐Johnson, M., Huang, TS (2008) Regression from patch‐kernel. IEEE Conference on CVPR, pages 1‐8

[9] Guo G, Mu G, Fu Y and Huang TS (2009) Human age estimation using bio‐inspired features. IEEE Conference on CVPR, pages 112‐119.

[10] Serre T, Wolf L, Bileschi S, Riesenhuber M and Poggio T. (2007) “Robust Object Recognition with Cortex‐Like Mechanisms. IEEE Trans。 on PAMI, 29(3): 411–426

[11] Lin C‐T, Siana L, Shou Y‐W, Yang C‐T (2010) Multiclient Identification System using Adaptive

Probabilistic Model. EURASIP Journal on Advances in Signal Processing. 巻 2010

[12] Paul V and Jones MJ (2004) Robust Real‐Time Face Detection. International Journal of Computer Vision 57(2), 137‐154

[13] Papageorgiou C. P, Oren M and Poggio T. (1998) A general framework for object detection. で

Proceedings of the 6th IEEE International Conference on Computer Vision, pp. 555–562

[14] Viola P and Jones MJ (2004) Robust real‐time face detection. International Journal of Computer Vision, vol. 57, no. 2、pp。 137–154

[15] Donato G, Bartlett MS, Hager JC, Ekman P and Sejnowski TJ (1999) Classifying facial actions. IEEE Trans。 Pattern Anal. Machine Intell., vol. 21, pp. 974– 989

[16] Wiskott L, Fellous J, Kruger N and Malsburg C. (1997) Face recognition by elastic bunch graph matching. IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 19, pp. 775–779

[17] Liu C and Wechsler H. (2002) Gabor feature based classification using enhanced fisher linear discriminant model for face recognition. IEEE Transactions on Image Processing, vol. 11, pp. 467– 476

[18] Liu C. (2004) Gabor‐based kernel PCA with fractional power polynomial models for face recognition. IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 26, pp. 572–581.

[19] Belhumeur PN, Hespanha JP and Kriegman DJ (1997). ʺEigenfaces vs. Fisherfaces: Recognition using class specific linear projection.ʺ IEEE Transactions on Pattern Analysis and Machine Intelligence 19(7): 711‐ 720.

[20] Duda RO, Hart PE, and Stork DG (2000) Pattern Classification, 2nd ed. New York: Wiley Interscience

[21] Li X, Fei S and Zhang T. (2009) Novel Dimension Reduction Method of Gabor Feature and Its Application to Face Recognition. International Congress on Image and Signal Processing, 2009. CISP ʹ09. 2nd, Page(s): 1‐5

[22] The FG‐NET Aging Database [Online]. Available: www.fgnet.rsunit.com

[23] He X‐F, Yan S‐C, Hu Y‐X, Niyogi P and Zhang H‐J. (2005) Face recognition using Laplacianfaces. IEEE Transactions on Pattern Analysis and Machine Intelligence 27(3): 328‐340.

[24] Cai D, He X‐F, Han J‐W and Zhang H‐J. (2006) Orthogonal Laplacianfaces for Face Recognition. IEEE Transactions on Image Processing 15(11): 3608‐ 3614.

[25] Mercier G and Lennon M. (2003) Support vector machines for hyperspectral image classification with spectral‐based kernels. in Proc. IGARSS, Toulouse, France, July 21–25.

[26] Abe S. (2005) Support Vector Machines for Pattern Classification. London: Springer‐Verlag London Limited.

[27] Wang L. (2005) Support Vector Machines: Theory and Applications. New York: Springer, Berlin.

[28] Lanitis A, Draganova C and Christodoulou C. (2004) Comparing different classifiers for automatic age estimation. IEEE Trans。 Syst., Man, Cybern. B, Cybern., vol. 34, no. 1, pp. 621–628