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

برآورد خودکار سن از تصویر چهره کاربردهای مختلفی ازجمله در پزشکی قانونی، مدیریت ارتباط با مشتری و کنترل امنیت دسترسی دارد. بدین منظور ویژگی های مختلفی از تصاویر چهره استخراج، پردازش و انتخاب می شوند و با استفاده از الگوریتم های دسته بندی، سن تصویر چهره موردنظر تخمین زده می شود. استخراج و انتخاب ویژگی های مناسب یک مرحله اساسی و مهم در این فرآیند برآورد خودکار است، که انجام آن معمولا سخت و مشکل است به طوری که دقت برآورد تا حد زیادی به این مرحله وابسته است. ویژگی های که برای برآورد سن استفاده می شود هم در ویژگی های محلی در قسمت های مختلف چهره مانند انواع چین وچروک ها و هم در ویژگی های 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. ویژگی های محلی با استفاده از الگوریتم های هارالیک و هیستوگرام های گرادیان های جهت دار استخراج می شوند درحالی که ویژگی های عمومی با استفاده از مدل ظاهر فعال به دست می آیند. همچنین بررسی می شود که چه ترکیبی از ویژگی های محلی و عمومی باعث افزایش دقت می شود. نتایج پیاده سازی ها بر روی پایگاه تصاویر چهره محک زن نشان داد که تلفیق ویژگی های محلی و عمومی باعث افزایش دقت و همچنین تلفیق ویژگی های هیستوگرام های گرادیان های جهت دار با مدل ظاهر فعال نسبت به تلفیق ویژگی های هارالیک با مدل ظاهر فعال دارای دقت برآورد بیش تری است.