CN102870136B - 年龄估计方法 - Google Patents
年龄估计方法 Download PDFInfo
- Publication number
- CN102870136B CN102870136B CN201180022353.6A CN201180022353A CN102870136B CN 102870136 B CN102870136 B CN 102870136B CN 201180022353 A CN201180022353 A CN 201180022353A CN 102870136 B CN102870136 B CN 102870136B
- Authority
- CN
- China
- Prior art keywords
- age
- spatial frequency
- intensity
- correlation
- image data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30088—Skin; Dermal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/178—Human faces, e.g. facial parts, sketches or expressions estimating age from face image; using age information for improving recognition
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Medical Informatics (AREA)
- Image Analysis (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Image Processing (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
公开了使用面部图像的用于高精度性别确定和年龄估计的新颖技术。所公开的年龄估计方法包括:获取主体的面部图像数据的步骤;根据所获取的面部图像数据计算空间频率强度的步骤;以及通过应用从面部图像数据获得的所计算的空间频率强度至预先准备的表示年龄与从面部图像数据获得的空间频率强度之间的相关性的模型或公式,计算主体的估计年龄的步骤。
Description
技术领域
本发明涉及年龄估计方法、年龄估计装置、年龄估计程序、性别确定方法、性别确定装置和性别确定程序。更特别地,本发明涉及使用空间频率的年龄估计方法、年龄估计装置和年龄估计程序以及使用空间频率的性别确定方法、性别确定装置和性别确定程序。
背景技术
不仅女性而且所有的人们都希望永葆青春。出于这个原因,存在着各种美容方式,诸如美容治疗、基本护肤产品、化妆品、特殊化妆品、健康食品或者整容手术。
年青(尤其是面部的年青)的客观评估,换言之,实际年龄与“根据外表的印象年龄”之间的差距的客观评估在评估各种美容方式(诸如美容治疗和美容材料)的效果方面是非常重要的。
然而,例如,为了评估美容治疗或美容材料的效果,当根据外表的印象年龄被使用时,根据外表的印象年龄会受到评估者之间的差异或者性别之间的差异的影响,因此存在着不能获得评估的再现性的问题。
在广泛多样的领域中都非常需要使用良好的再现性来估计年龄的技术,所述各种领域从诸如上面描述的美容治疗和美容材料之类的各种美容方式的效果的评估到年龄的验证或酒、香烟等的销售、用于确认面部特征以用于安全性的安全系统等。
鉴于这些情况,作为技术的示例,通过将眼睛、嘴、鼻子和下巴的大小或长度的实际测量值或感官评估值用作特征值的年龄估计方法已经是公知的(专利文献1和2)。另外,使用皱纹或松弛的评分的年龄估计方法已经是公知的(专利文献3)。另外,基于面部组成部分或各部分的物理量(大小和距离)来估计年龄变化的技术已经是公知的(专利文献4)。
近年来,根据除了成像设备的发展之外的图像处理和统计分析处理的发展,用于通过将面部图像存储在计算机上来快速和准确地监控和识别、识别年龄组、性别和面部特征以及对人进行估计的系统已经急剧发展。
作为技术的示例,已知存在着使用来自图像处理(诸如边缘处理或二进制处理)的为包含在图像中的特征量的值的年龄估计系统(例如,专利文献5和6)、使用特征点(诸如眼、鼻子和嘴)的特征值(位置、明暗和皱纹数)的人属性估计技术(例如,专利文献7)、用于选择鉴别器和用于基于人的感知年龄距离来将尺寸压缩应用至图像作为评估标准的方法的年龄估计技术(例如,专利文献8)。另外,公开了使用面部图像的特征信息(图像的每个部分的明暗信息、所述部分的大小等)的类似性的年龄和性别确定技术(例如,专利文献11)。
同时,近年来,聚焦于空间频率的技术,即聚焦于通过空间周期的图像的纹理特征的变化的技术也得到发展。例如,公开了根据空间频率的变化来准备呈现各种纹理的皮肤仿真图像的方法(例如,专利文献9)。
本发明的申请人公开了一种通过使用采用空间频率的技术在化妆时执行空间频率模式分析来评估化妆品对“面部的三维效果”的影响的技术(例如,专利文献10)。
引用列表
专利文献
专利文献1:JP 11-265443A
专利文献2:JP 2000-014661A
专利文献3:JP 2002-330943A
专利文献4:JP 2002-360544A
专利文献5:JP 2009-086901A
专利文献6:JP 2009-271885A
专利文献7:JP 2008-282089A
专利文献8:JP 2010-113526A
专利文献9:JP 2004-283357A
专利文献10:JP 2004-272849A
专利文献11:JP 2005-165447A
发明内容
本发明要解决的技术问题
专利文献1、2和4中公开的基于物理构成(诸如脸的一部分的大小以及所述部分之间的长度)来估计年龄的方法很难指定作为每个主体的测量标准的位置,而且不能高精度地估计年龄。
另外,专利文献2中公开的基于感官评估来估计年龄的方法的问题在于,评估者的个人差异大大地影响了年龄估计。另外,由于专利文献3中公开的通过使用皱纹或松弛度评分来估计年龄的方法仅聚焦于皱纹和松弛容易被看到的特定部分,所以很难评估包括较年轻的人在内的宽的年龄组范围内的主体的年龄。另外,还存在着如上所述的难于指定所述部分的问题。
专利文献5和6中公开的技术通过将基于多个不同标准的年龄估计结果进行组合来增加年龄估计的精确程度。另外,专利文献8中公开的技术用于获得接近于人们基于感知年龄距离的特定评估标准所感知的结果的估计值。另外,专利文献11所涉及的技术是基于类似程度的特定索引来最小化估计误差。这些技术通过为任意种类的年龄估计的计算准备多个标准来最小化估计误差。
另外,专利文献7中公开的技术是基于某种条件来校正估计中使用的评分并主要聚焦于改进估计中使用的输入数据的精度的技术。
如上所述,传统上,使用面部图像估计年龄或确定性别时使用的特征值局限于面部的一部分的大小、部分之间的距离、表示皱纹数或状况的评分、这部分脸的明暗或者它们的处理值。另外,在确定年龄或性别的常规方法中,为了增加评估精度,有必要处理信息以指定多个面部部分或者准备多个标准来增加估计精度。
因此,本发明的目的是提供新颖的技术来通过使用面部图像而在年龄估计时高精度和可再现地估计年龄。另外,本发明的目的是提供新颖的技术来通过使用面部图像而在性别确定时高精度和可再现地确定性别。
解决问题的方法
鉴于前述的情况,为了致力于获得用于精确地估计年龄或确定性别的技术,本发明的发明人发现在年龄与从面部图像数据获得的空间频率强度之间或者性别与空间频率的强度之间存在着紧密的相关性。而且,通过分析该相关性,发明人发现关于年龄增长结构或性别差异的特征的各种种类的信息(其与年龄估计和性别确定相关)在每个空间频率上不均匀分布。之后,发明人发现通过使用属于空间频带的与关于年龄增长结构或性别差异的特征的信息紧密相关的空间频率的强度可以高精度和可再现地执行年龄的估计(实际年龄或者根据外表的印象年龄)和性别的确定,从而完成本发明。
因此,本发明如下所述。
用于解决技术问题的本发明涉及年龄估计方法,包括基于年龄与从面部图像数据获得的空间频率的强度之间的相关性来根据主体的面部图像数据估计该主体的年龄。
如在下面描述的实施方式中所描述的,由于空间频率的强度与年龄高度相关,所以主体的年龄可以根据主体的面部图像数据而被高精度和可再现地 估计。
在本发明的优选实施方式中,由方程或模型来指示相关性,而且通过将从主体的面部图像数据获得的空间频率的强度应用于所述方程或模型来获得该主体的估计年龄。
通过应用指示相关性的方程或模型,可以通过使用计算机等容易地估计年龄。
在本发明的优选实施方式中,年龄估计方法可以包括以下步骤:
获得主体的面部图像数据;
根据所获得的面部图像数据计算空间频率的强度;以及
通过将所计算的所述空间频率的强度应用于预先准备并指示年龄与根据所述面部图像数据获得的空间频率的强度之间的相关性的方程或模型来计算所述主体的估计年龄。
在本发明的优选实施方式中,所述方程是从多重回归分析中获得的多重回归方程或者从PLS中获得的预测方程。
通过使用多重回归方程或预测方程,可以获得具有更高精度的主体的估计年龄。
可以将整个面部或面部的一部分的图像数据用作面部图像数据。也就是说,即使所使用的面部图像是整个面部或面部的一部分的图像仍然可以精确地估计年龄。
本发明可以用于估计实际年龄以及估计(评估)根据外表的印象年龄。当估计实际年龄时,可以使用实际年龄与空间频率的强度之间的相关性,而当估计根据外表的印象年龄时,可以使用根据外表的印象年龄与空间频率的强度之间的相关性。
在本发明的优选实施方式中,将彩色图像数据用作面部图像数据,而且空间频率的强度包括从多个彩色通道计算的空间频率的强度的组合。
通过将从彩色通道计算的空间频率的强度组合使用,与仅使用从单色面部数据(亮度数据)计算的空间频率的强度的情况相比,能够高精度地估计(评估)年龄,尤其是根据外表的印象年龄。
在本发明的优选实施方式中,空间频率属于多个不同的空间频带。
通过使用属于多个不同的空间频带的空间频率的强度,可以高精度地估计年龄。
在本发明的优选实施方式中,空间频带是50周期/图像宽度(cycles/image-width)或更低的低频带以及大于50周期/图像宽度的高频带。
通过将低频带和高频带中的空间频率的强度组合使用,关于不同种类的年龄增长结构的信息可以被组合使用,从而可以更高精度地估计年龄。
在使用不同空间频率的情况中,这些空间频率优选具有10周期/图像宽度或更高的差异。据此,关于不同种类的年龄增长结构的信息可以被更有效地使用,从而可以更高精度地估计年龄。
在本发明的优选实施方式中,主体是女性,相关性是年龄与根据女性的整个面部的面部图像数据获得的空间频率的强度之间的相关性,并且空间频率包括属于下述各个空间频带的至少四个空间频率:
0至50周期/图像宽度;
50至100周期/图像宽度;
100至200周期/图像宽度;以及
200周期/图像宽度或更多。
据此,有效地使用包括关于针对女性年龄增长结构的信息的空间频带,从而可以高精度地估计年龄。
在本发明的优选实施方式中,主体是男性,相关性是年龄与根据男性的整个面部的面部图像数据获得的空间频率的强度之间的相关性,并且空间频率包括属于下述各个空间频带的至少四个空间频率:
0至50周期/图像宽度;
50至100周期/图像宽度;
100至150周期/图像宽度;以及
150周期/图像宽度或更多。
据此,有效地使用包括关于针对男性年龄增长结构的信息的空间频带,从而可以高精度地估计年龄。
在本发明的优选实施方式中,相关性是年龄与根据嘴唇的图像数据获得的空间频率的强度之间的相关性,并且空间频率包括属于下述各个空间频带的至少三个空间频率:
0至40周期/图像宽度;
40至100周期/图像宽度;以及
100周期/图像宽度或更多。
据此,根据嘴唇的有限部分,有效地使用包括针对嘴唇年龄增长结构的信息的空间频带,从而可以高精度地估计年龄。
另外,用于解决所述问题的本发明涉及年龄估计装置,该年龄估计装置包括:强度计算单元,用于根据主体的面部图像数据计算空间频率的强度;存储单元,用于存储指示年龄与从所述面部图像数据获得的空间频率的强度之间的相关性的年龄相关性数据;以及年龄计算单元,用于通过将所述强度计算单元计算的空间频率的强度与存储在所述存储单元中的所述年龄相关性数据进行匹配来计算所述主体的估计年龄。
根据本发明的年龄估计装置可以根据主体的面部图像数据来高精度地估计年龄。
另外,用于解决所述问题的本发明涉及年龄估计程序,该年龄估计程序促使计算机用作:强度计算单元,用于根据主体的面部图像数据计算空间频率的强度;存储单元,用于存储指示年龄与从所述面部图像数据获得的空间 频率的强度之间的相关性的年龄相关性数据;以及年龄计算单元,用于通过将所述强度计算单元计算的空间频率的强度与存储在所述存储单元中的所述年龄相关性数据进行匹配来计算所述主体的估计年龄。
根据本发明的年龄估计程序促使计算机根据主体的面部图像数据来高精度地估计年龄。
用于解决所述问题的本发明涉及性别确定方法,该性别确定方法包括基于年龄与从面部图像数据获得的空间频率的强度之间的相关性来根据主体的面部图像数据确定该主体的性别。
如在下面描述的实施方式中所描述的,由于空间频率的强度与性别高度相关,主体的性别可以根据所述主体的面部图像数据而被高精度地确定。
在本发明的优选实施方式中,由方程或模型来指示相关性,从而通过将从主体的面部图像数据获得的空间频率的强度应用于所述方程或模型来确定该主体的性别。
通过应用指示相关性的方程或模型,可以通过使用计算机等容易地确定性别。
在优选实施方式中,所述方程是从判别分析获得的判别函数。
通过使用判别函数,可以高精度地确定主体的性别。
在优选实施方式中,空间频率属于从100至250周期/图像宽度的频带。
通过使用该频带中的空间频率的强度,可以通过有效地使用关于呈现性别之间的差异的结构的信息来高精度地确定性别。
在本发明的优选实施方式中,性别确定方法包括以下步骤:
获取面部图像数据;
根据所获取的面部图像数据计算空间频率的强度;
通过将所计算的空间频率的强度应用于预先准备并指示性别分组变量与从所述面部图像数据获得的空间频率的强度之间的相关性的判别函数来 获取性别分组变量;以及
基于所获得的分组变量来确定性别。
另外,用于解决所述问题的本发明涉及性别确定装置,该性别确定装置包括:强度计算单元,用于根据主体的面部图像数据计算空间频率的强度;存储单元,用于存储指示性别与从所述面部图像数据获得的空间频率的强度之间的相关性的性别相关性数据;以及性别确定单元,用于通过将所述强度计算单元计算的空间频率的强度与存储在所述存储单元中的所述性别相关性数据进行匹配来确定所述主体的性别。
根据本发明的性别确定装置根据主体的面部图像数据来高精度地确定性别。
另外,用于解决所述问题的本发明涉及性别确定程序,该性别确定程序促使计算机用作:强度计算单元,用于根据主体的面部图像数据计算空间频率的强度;存储单元,用于存储指示性别与从所述面部图像数据获得的空间频率的强度之间的相关性的性别相关性数据;以及性别确定单元,用于通过将所述强度计算单元计算的空间频率的强度与存储在所述存储单元中的所述性别相关性数据进行匹配来确定所述主体的性别。
根据本发明的性别确定程序促使计算机根据主体的面部图像数据来高精度地确定性别。
另外,用于解决所述问题的本发明涉及年龄估计装置,该年龄估计装置包括:强度计算单元,用于根据所述主体的面部图像数据来计算空间频率的强度;存储单元,用于存储指示性别与从面部图像数据获得的空间频率的强度之间的相关性的性别相关性数据以及指示年龄与从根据性别的面部图像数据获得的空间频率的强度之间的相关性的男性年龄相关性数据和女性年龄相关性数据;性别确定单元,用于通过将所述强度计算单元所计算的空间频率的强度与存储在所述存储单元中的所述性别相关性数据进行匹配来确 定所述主体的性别;年龄相关性数据选择单元,用于基于所述性别确定单元所确定的性别来选择所述男性年龄相关性数据或所述女性年龄相关性数据;以及年龄计算单元,用于通过将所述强度计算单元所计算的空间频率的强度与所述相关性数据选择单元所选择的相关性数据进行匹配来计算所述主体的估计年龄。
由于根据本发明的年龄估计装置通过使用考虑了依赖于性别确定结果的特定性别的年龄增长结构的相关性数据来估计年龄,所以可以非常高精度地估计年龄。
本发明的有益效果
根据本发明,通过使用从面部图像数据获得的空间频率,可以高精度并可再现地估计年龄(实际年龄或根据外表的印象年龄),或者可以高精度并可再现地确定性别。
另外,通过使用根据本发明的年龄估计技术或性别确定技术,可以容易地评估化妆品或美容治疗或美容材料的效果。
附图说明
图1是1024×1024像素的灰阶面部图像(相片代替绘图)。
图2是指示面部图像的空间频率的频谱图案的图示(空间频率与功率的对数)。
图3是示出了用于根据外表的印象年龄的年龄组的面部图像的标准图片的示例的绘图(相片代替绘图)。
图4是示出了指示空间频率的功率对数与根据空间频率的女性实际年龄之间的相关性系数的图示。
图5是示出了指示空间频率的功率对数与根据空间频率的男性实际年龄之间的相关性系数的图示。
图6是示出了根据外表的印象年龄的估计方法的过程的图示。
图7是示出了根据外表的印象年龄的估计装置的硬件框图。
图8是示出了来自第三方的根据外表的印象年龄与由根据本发明的方法所获得的从示例1中获取的估计图像之间的相关性的图示(校准曲线)。
图9是在示例3中使用的62岁女性的实际面部(右边)和化妆面部(左边)的灰阶图像(相片代替绘图)。
图10是示出了确定在示例4中获得的性别的线性判别函数的评分柱状图的图示。
图11是示出了在示例5中获得的实际年龄与由根据本发明的方法所获得的估计年龄之间的相关性的图示(校准曲线)。
图12是示出了在示例6中获得的实际年龄与由根据本发明的方法所获得的估计年龄之间的相关性的图示(校准曲线)。
图13是示出了在示例7中获得的实际年龄与由根据本发明的方法所获得的估计年龄之间的相关性的图示(校准曲线)。
具体实施方式
[1]根据本发明的年龄估计方法
本发明涉及年龄估计方法,该方法包括基于年龄与从面部图像数据获得的空间频率的强度之间的相关性来根据主体的面部图像数据估计该主体的年龄。优选地由方程或模型指示相关性。
方程或模型优选是回归方程或回归模型,更优选地为多重回归方程或预测方程。
<实际年龄和根据外表的印象年龄的定义>
本发明中的“年龄”包括实际年龄和根据外表的印象年龄。
“实际年龄”指的是由出生日期确定的年龄,而且估计实际年龄的技术 可以被提供给各种应用,诸如上面描述的各种监控系统。
另一方面,“根据外表的印象年龄”指的是由第三方客观估计的印象年龄,而且假设根据外表的印象比实际年龄看起来更年轻或更老。估计根据外表的印象年龄的技术在评估各种美容方式的效果方面是有用的。另外,评估因各种美容方式引起的根据外表的印象年龄的改变时有用的。例如,其可以被应用于评估由化妆品引起的根据外表的印象年龄的改变。除了根据整个外表的印象年龄,根据外表的印象年龄可以包括聚焦于特定年龄增长现象的根据外表的印象年龄,例如,聚焦于雀斑状况的“雀斑年龄”、聚焦于皱纹状况的“皱纹年龄”、聚焦于皮肤纹理的“皮肤纹理年龄”等等。
<面部图像数据>
可以将整个面部图像数据或一部分面部的图像数据用作在本发明中使用的主体的面部图像数据。
当使用整个面部的图像数据时,优选使用排除头发部分的整个面部数据(见图1)。据此,可以更高精度地估计年龄。鉴于用于计算空间频率的强度的采样定理以及估计实际年龄或根据外表的印象年龄所需的分辨率,在这种情况中,面部图像的大小可以在30cm×30cm的范围内被捕获,而且该图像优选为512×512像素或更大。如之后描述的,这是因为像素的数量与包括在图像内的空间频带的范围有关。
部分面部的图像数据包括嘴唇、眼睛、鼻子、前额、脸颊、脖子等的图像数据。在这些图像数据中,嘴唇的图像数据或脸颊的图像数据优选被使用。如下面的示例描述的,由于从嘴唇的图像数据获得的空间频率的强度与年龄高度相关,所以这能够用于高精度地估计年龄。例如,当诸如嘴唇、眼睛和鼻子等部分的图像被使用时,优选使用整个部分的图像。另外,当诸如脸颊或前额之类的部分面部的图像被使用时,优选使用至少2cm×2cm范围内的部分的图像。据此,关于其他年龄增长结构的信息能够被充分地获取,从 而能够高精度地估计年龄。另外,在这种情况中,图像数据的像素数量优选是256个像素或更多,并且更优选地为512个像素或更多。如之后描述的,这是因为像素的数量与包括在图像内的空间频带的范围有关。
另外,在本发明中,面部图像数据可以是单色图像数据(亮度数据)或彩色图像数据。单色图像或彩色图像可以根据目的或用途进行选择。例如,在肤色、皮肤病等的影响被抑制的估计年龄的情况中,优选使用单色图像数据。
当使用彩色图像数据时,从来自RGB色彩通道的数据中的任意通道中获得的数据可以被单独或组合使用。另外,下文中将被转换的单色图像数据(亮度数据)可以被进一步组合使用。例如,当根据年龄增长的雀斑信息被有效地用于估计“雀斑年龄”时,优选使用彩色图像的B通道数据。另外,当通过删除雀斑信息并聚焦于皮肤纹理、皱纹等来估计年龄时,优选使用彩色图像的R通道数据,而不使用彩色图像的B通道数据。
另外,通过将在每个彩色通道中计算的空间频率的强度组合使用,与仅使用从单色图像数据计算的空间频率的强度的情况相比,能够高精度地估计根据外表的综合的印象年龄。另外,优选地将在每个彩色通道中计算的空间频率的强度和从单色图像数据计算的空间频率的强度组合使用,因为其可以高精度地估计根据外表的综合印象年龄。鉴于这一点,优选地,这里使用的彩色通道包括R通道和B通道的组合。另外,优选包括所有RGB通道的组合。
“面部图像数据”可以根据常规方法来获取。例如,通过使用数码相机等捕获正脸,并将所捕获的作为数字信息的图像输入到个人计算机。
<空间频率的定义>
如之前知道的,“空间频率”指的是具有空间周期的任意结构的特征且指示包括在单元长度中的结构重复的数量。在SI单元中,空间频率指代每 米的周期,但是在图像处理领域中,空间频率指代每毫米的线数。
另外,可以将每图像宽度的周期数(周期/图像宽度)用作空间频率的单位。
包括在图像中的最大周期数是包括在图像宽度中的像素(点)的一半数量。也就是说,当图像具有512个像素的图像宽度时,空间频带是0至256周期/图像宽度,以及当图像具有1024个像素的图像宽度时,空间频带是0至512周期/图像宽度。
<计算空间频率的强度的方法>
“空间频率的强度”指代各个空间频率中的幅度值或功率(功率对数)。
空间频率的强度可以根据常规方法而从面部图像数据中计算。当使用单色图像数据时,来自目标图像数据的亮度数据(单色图像数据)可以通过使用例如商用图像处理软件(例如,由Adobe系统公司制造的Photoshop(注册商标)CS3或由Nano系统公司制造的NanoHunter NS2K-Pro(注册商标))进行调整。当使用商用图像分析软件(例如,由图像感测有限公司制造的傅里叶相位分析程序以及由Digital Being Kids公司制造的Poplmaging)等对调整后的单色图像数据或调整后的彩色图像数据执行FFT(快速傅里叶变换)时,可以计算为空间频率的强度的幅度值或功率。作为空间频率分析的示例,图2示出了作为对1024×1024像素的灰阶图像进行FFT处理的结果的频谱图案。通过FFT处理,0至1024/2(单位:周期/图像宽度)的每个空间频率的强度(幅度值或功率)被计算,从而包括面部图像的空间频率特征变得清晰。
另外,在彩色图像的情况中,计算每个彩色通道的空间频率的强度。
本发明的最大优点是能够容易地获得从主体的面部图像数据估计年龄所需的数值数据(空间频率的强度(功率频谱))。也就是说,在传统技术中,为了计算年龄估计所需的各个部分的大小或部分之间的距离,当应当详细地 指定主体的每个面部图像数据的给定位置但该位置没有被正确地指定时,估计精度降低。然而,本发明中使用的年龄估计所需的空间频率的强度可以使用常规使用的商用软件容易地进行量化计算。
<年龄估计方法>
在本发明中,基于年龄与从预先从主体的面部图像数据获得的空间频率的强度中分析的面部图像数据中获得的空间频率的强度的相关性来估计主体的年龄,该主体的年龄根据上面描述的方法进行估计。
可以将空间频率的任意强度用作在估计中使用的空间频率的强度,但是优选使用属于多个不同空间频带的空间频率,因为这可以高精度地执行估计。在本发明的优选实施方式中,空间频带是50周期/图像宽度或更低的低频率范围以及大于50周期/图像宽度的高频率范围。在更优选的实施方式中,高频率范围可以被划分成50至100周期/图像宽度的中频率范围以及100周期/图像宽度或更大的高频率范围。
通过使用不同频带内的空间频率的强度,关于存在于各个频带内的不同年龄增长结构的信息可以组合使用,从而可以综合地估计年龄。
另外,在这种情况中,多个空间频率优选具有10周期/图像宽度或更大的差异,或者更优选地,20周期/图像宽度或更大的差异。因此,关于不同年龄增长结构的信息可以被有效地使用。
年龄与从面部图像数据获得的空间频率的强度的相关性可以通过诸如回归分析之类的多变量分析预先进行计算。
下文中,将根据从面部图像数据获得的空间频率的强度来估计根据外表的印象年龄的情况作为示例,来描述计算相关性的方法。
(1)根据外表的印象年龄的估计
为了获得指示根据外表的印象年龄与从面部图像数据获得的空间频率的强度的相关性的方程或模型,评估者可视地估计多个人的根据外表的印象 年龄。
被估计的人数可以是至少50人或更多,优选100人或更多,并且更优选500人或更多。另外,优选每个年龄组具有相同的人数。
关于根据外表的印象年龄,由于在许多情况中自评估不同于第三方的评估,所以优选评估者是第三方。对根据外表的印象年龄进行评估的评估者可以根据选择恰当地表示第三方的评估者的观点进行选择,而且考虑诸如评估者的个人差异、性别差异、年龄差异和喜好以及进一步的可再现性等各种问题是重要的。具有诸如例如美容领域中的评估专业和经验的评估者优选被包括。优选地,评估者的数量是多数,尤其大约5至10人。可以通过统计地处理这多个估计者的估计结果,例如通过计算平均值、中间值等排除异常值来获得每个人的根据外表的客观印象年龄。
另外,为了改进评估的可再现性,更优选地使用参考图片等作为评估标准。例如,优选预先准备间隔为5至10年的每个年龄组的标准图片,并从作为标准的标准图片中确定年龄差异,或者呈现实际年龄并估计差异。图3是示出了间隔为10年的从20至80岁的每个年龄组中面部图像的示例性标准图片的绘图。从左至右,年龄组增加。准备标准图片的方法可以包括从面部识别的专家划分的年龄组的面部图片数据库中选择标准图片的方法、通过用变形软件处理年龄组的多个面部图片来准备平均面部图像的方法等。在本领域中的任何情况中,当作为准备的基础的人群是大约100人时,所准备的图片可以是具有一定可靠性水平的标准图片,并且当人群超过1000人时,所准备的图片可以是具有足够高的可靠性水平的参考图片。
人的根据外表的印象年龄可以在与跟该人接触时被评估。然而,如后面描述的,优选通过使用所捕获的该人的面部图像来执行评估。这是因为,如图1所示,可以排除由例如表情、头发类型、背影、肤色、皮肤病等引起的降低评估精度的影响。
(2)空间频率的强度的计算
接下来,从面部图像数据计算空间频率的强度,其中多个人被捕获。空间频率的强度被如上所述那样进行计算。这里使用的面部图像优选与在根据外表的印象年龄的评估中使用的面部图像相同。因此,根据外表的印象年龄与空间频率的强度之间的相关性可以被高精度地计算。
(3)数据库(DB)的准备
为了计算相关性,准备数据库(DB),在该数据库中,空间频率的强度和根据外表的印象年龄被关联。
用于准备方程或模型的DB优选通过性别和种族进行准备,该方程或模型被预先布置且指示根据外表的印象年龄与空间频率的强度之间的相关性。另外,每个年龄组优选具有相同的人群分布。另外,该DB的人群可以是至少50人或更多,优选100人或更多,更优选500人或更多。当该DB的结构是例如矩阵形式时,人可以被输入到行中,以及如上所述那样计算的根据外表的印象年龄、从面部图像数据计算的空间频率的强度可以被输入为列项。
另外,为了如下面所述那样使得该DB还可以被用于估计实际年龄或者如下面所述那样确定性别,列项可以进一步包括在面部图像中捕获的人的实际年龄和指示性别的性别分组变量。
可以通过在根据新获取的主体的面部图像数据估计根据外表的印象年龄之后添加空间频率的强度和所估计的值来更新该DB。如果需要,可以通过执行如后面描述的多变量分析来更新方程或模型。这是因为通过更新能够增加估计精度。
可以以相同的方式在实际年龄的估计中使用该DB。虽然该DB的使用将在将在后面描述的示例1和2中更具体地描述,但是通过该DB的使用可以理解下述内容。例如,当通过对所估计的空间频率功率和年龄执行相关性 分析来计算年龄与每个空间频率的功率之间的相关性系数时,可以指定具有高相关性系数的空间频带,从而包括关于年龄增长结构的非常大量的信息(年龄增长信息)的频带可以被知道(图4:对女性DB的相关性分析,图5:对男性DB的相关性分析)。另外,当执行对空间频率的聚类分析(通过平均欧几里得距离的沃德方法(Ward's method))时空间频带与面部图像的特征之间的相关性被清楚的绘出,从而包括在每个空间频带内的年龄增长信息被明确理解。
当对包括在在后面描述的示例中所准备的DB中的空间频率执行聚类分析时,呈现每个空间频带的年龄增长信息的非均匀分布,例如来自系统树图的在0至50(周期/图像宽度)中关于紧绷感或无力的信息以及在50至100(周期/图像带宽)中关于深皱纹和面部线的信息。因此,从每个空间频带,通过选择空间频率并将空间频率组合用作回归方程或预测方程中的解释变量,可以高精度地估计年龄。
(4)方程或模型的准备
为了准备指示根据外表的印象年龄与空间频率的强度之间的相关性的方程或模型,优选通过使用所述DB对根据外表的印象年龄和空间频率的强度执行多变量分析。多变量分析优选使用客观变量与解释变量之间的关系,而且多变量分析的优选示例包括判别分析和回归分析(MLR、PLS、PCR、逻辑分析)。在这些当中,尤其优选多重回归分析(MLR)和非线性回归分析(PLS:偏最小二乘法)。例如,当对作为解释变量的空间频率的强度以及作为客观变量的根据外表的印象年龄执行多重回归分析时,可以获得多重回归方程。另外,当以相同方式执行PLS时,可以获得预测方程(预测模型)。
另外,为了获得具有高精度的方程或模型,可以恰当地使用多变量分析,诸如主分量分析、因子分析、量化理论类型I、量化理论类型II、量化理论类型III、多维尺度、监督聚类、神经网络和集成学习(ensemble learning)。 在这些当中,优选选择神经网络、判别分析和量化理论类型I。
这些多变量分析可以通过使用免费软件或商用软件执行。
如上面描述那样获得的为方程或模型中的解释变量的空间频率的强度优选为属于多个不同频带的空间频率的强度。通过使用属于多个不同的空间频带的空间频率的强度,可以高精度地估计年龄。在本发明的优选实施方式中,空间频带可以是50周期/图像宽度或更低的低频率范围以及大于50周期/图像宽度的高频率范围。在更优选的实施方式中,高频率范围可以被划分成50至100周期/图像宽度的中等频率范围以及大于100周期/图像宽度的高频率范围。
通过使用不同频带内的空间频率的强度,存在于各个频带内的不同年龄增长结构信息可以组合使用,而且可以高精度地综合地估计年龄。
另外,在这种情况中,多个空间频率优选具有10周期/图像宽度或更大的差异,或者更优选地具有20周期/图像宽度或更大的差异。因此,不同年龄增长信息可以被有效地使用。
进一步地,为了高精度地估计年龄,可以依赖于性别来优化所使用的空间频带。当使用整个面部的图像数据来估计女性的年龄时,优选使用属于如下所述的各个频带的至少四个空间频率。如在后面描述的示例中所描述的,通过用聚类分析对从多个人获取的数据进行分析并将所述数据分类成在空间频率功率中具有类似变化特征的空间频率来指定频带。
(女性的年龄估计)
0至50周期/图像宽度
50至100周期/图像宽度
100至200周期/图像宽度
200周期/图像宽度或更多
另外,当使用整个面部的图像数据来估计男性的年龄时,优选使用属于 如下所述的各个频带的至少四个空间频率。
(男性的年龄估计)
0至50周期/图像宽度
50至100周期/图像宽度
100至150周期/图像宽度
150周期/图像宽度或更多
如通过对两者进行比较所理解的,优选使用200周期/图像宽度或更大的高空间频率来估计女性的年龄,但是没有必要使用这种空间频率来估计男性的年龄,因为女性的年龄增长信息存在于高频率范围内,而男性的年龄增长信息几乎不存在于高频带范围内。
在这一点上,用于估计女性的年龄的空间频带的上限可以是大约500周期/图像带宽,而用于估计男性的年龄的空间频带的上限可以是大约以200周期/图像宽度作为标准。
进一步地,为了高精度地估计年龄,可以依赖于用于估计的部分来改变所使用的空间频带。当使用嘴唇的图像数据时,优选使用属于如下所述的各个频带的至少三个空间频率。如在后面描述的示例中所描述的,通过用聚类分析对从多个人获取的数据进行分析并将所述数据分类成在空间频率功率中具有类似变化特征的空间频率来指定频带。
(使用嘴唇的年龄估计)
0至40周期/图像宽度
40至100周期/图像宽度
100周期/图像宽度或更多
由于嘴唇很少包括位于240周期/图像宽度或更大的高频率范围内的年龄增长信息,所以没有必要使用该频带。在这一点上,用于从嘴唇的图像数据估计年龄的空间频率范围的标准上限可以是大约以240周期/图像宽度作 为标准。
至此描述了用于计算空间频率的强度与根据外表的印象年龄之间的相关性的方法。然而,在估计实际年龄的情况中,空间频率的强度与实际年龄之间的相关性可以以相同的方式计算。
(5)年龄估计
通过将来自主体的面部图像数据的空间频率的强度应用于指示年龄与由如上所述的方法所获得的空间频率的强度之间的相关性的方程或模型来估计年龄(实际年龄或根据外表的印象年龄)。除了将数值代入方程之外,方程或模型的应用包括将数值匹配到模型。
据此,可以获得年龄的估计值。
图6是示出了本发明中使用空间频率来估计年龄(实际年龄或根据外表的印象年龄)的方法的过程示例的图示。换言之,可以通过获取将被估计年龄的主体的面部图像数据(面部图像获取步骤)并之后通过对面部图像数据执行FFT处理来计算空间频率的强度(空间频率计算步骤)来计算空间频率的强度。通过将主体的空间频率的强度(功率或幅度值)代入预先准备的用于指示“年龄与空间频率的强度之间的关系”的方程(回归方程等)或模型(预测方程)中来计算所估计的年龄(年龄计算步骤)。所计算的估计年龄可以在显示器等上进行显示(年龄显示步骤)。另外,可以通过将在年龄估计过程中计算的估计年龄和空间频率的强度一起添加到DB中来更新方程或模型(反馈)。这是因为通过更新能够增加估计精度。
[2]根据本发明的年龄估计装置
根据本发明的估计装置包括:强度计算单元,用于根据主体的面部图像数据计算空间频率的强度;存储单元,用于存储指示年龄与从所述面部图像数据获得的空间频率的强度之间的相关性的年龄相关性数据;年龄计算单元,用于通过将所述强度计算单元计算的空间频率的强度与存储在所述存储 单元中的所述年龄相关性数据进行匹配来计算所述主体的估计年龄。
根据本发明的估计装置可以例如被如下配置。下面的配置作为示例被描述,而且本发明并不局限于该实施方式的配置。图7是示出了使用从面部图像计算的空间频率的强度来估计实际年龄或根据外表的印象年龄的估计装置的硬件框图,且该估计装置包括输入单元1、CPU(中央处理单元)2、ROM(只读存储器)3、RAM(随机存取存储器)4、记录单元5、操作单元6以及显示单元7。这些单元通过总线彼此连接。
强度计算单元和年龄计算单元由CPU 2实施。另外,存储单元由ROM 3实施。
输入单元1是输入面部图像数据的设备,诸如数码相机、数字显微镜、数码摄像机或扫描仪。CPU 2执行诸如准备灰阶图像数据(亮度数据)、通过FFT处理来计算空间频率的强度以及使用用于指示年龄(实际年龄或根据外表的印象年龄)与由存储在ROM 3中的程序所得到的空间频率的强度之间的关系的方程或模型(年龄相关性数据)计算估计年龄之类的处理。ROM3存储操作根据本发明的年龄估计装置所需的程序和年龄估计所需的各种方程或模型(年龄相关性数据)。ROM 3还可以存储准备方程和模型所需的数据库。RAM 4临时存储OS(操作系统)程序或在CPU 2上执行的各种应用程序。记录单元5包括磁盘设备等,而且用作RAM 4的外部存储器。操作单元6例如在输入必要的数据(诸如特定命令、方程和模型)时被操作。显示单元7可以采用能够显示年龄估计结果的任意配置,例如诸如CRT(阴极射线管)或液晶显示器之类的显示器、诸如扬声器之类的音频输出设备、打印机等。
[3]根据本发明的年龄估计程序
根据本发明的估计程序促使计算机、其他设备、其他机器等用作:强度计算单元,用于根据主体的面部图像数据计算空间频率的强度;存储单元, 用于存储指示年龄与从所述面部图像数据获得的空间频率的强度之间的相关性的年龄相关性数据;以及年龄计算单元,用于通过将所述强度计算单元计算的空间频率的强度与存储在所述存储单元中的所述年龄相关性数据进行匹配来计算所述主体的估计年龄。另外,根据本发明的程序可以被存储在计算机可读存储媒体中。
[4]根据本发明的性别确定方法
根据本发明的性别确定方法可以包括基于年龄与从面部图像数据获得的空间频率的强度之间的相关性来根据主体的面部图像数据确定该主体的性别。相关性优选由方程或模型指示。
方程或模型优选为判别函数。
面部图像数据、面部图像数据的捕获方法、空间频率的强度的定义以及在本发明的性别确定方法中使用的空间频率的强度的计算方法与在年龄估计方法中所描述的相同。
在本发明中,基于性别与从面部图像数据获得的空间频率的强度之间的相关性,根据从将由上面描述的方法确定其性别的主体的面部图像数据获得的空间频率的强度来确定主体的性别。
任意的空间频率的强度可以被用作用于确定的空间频率。在这些当中,空间频率优选属于100至250周期/图像宽度的频率范围,更优选地属于150至200周期/图像宽度的频率范围。如在后面描述的示例4中所示,这是因为高频率范围内的空间频率的强度的差异清楚地解释了性别差异。
除了高频率范围,优选使用处于1至50周期/图像宽度的低频率范围内的空间频率的强度,因为能够更高精度地执行确定。据此,在高频率范围内没有被指示的性别差异可以被添加。
性别与从面部图像数据获得的空间频率的强度之间的相关性可以通过诸如判别分析之类的多变量分析预先进行计算。
下文中,计算相关性的方法将用使用从整个面部的图像数据获得的空间频率的强度的示例来描述。
(1)空间频率的强度的计算
空间频率的强度从具有多个人的面部图像数据进行计算。空间频率的强度被如上所述那样进行计算。
(2)数据库(DB)的准备
为了计算相关性,准备数据库(DB),在该数据库中,性别与空间频率的强度被彼此关联。
指示性别与空间频率的强度之间的关系且被预先布置以用于准备方程或模型的该DB对于每个年龄组而言优选具有相同的人群分布。另外,该DB的人群是至少50人或更多,优选100人或更多,且更优选500人或更多。当该DB的结构是矩阵形式时,例如,人可以在行中被输入,且性别可以被输入到列项中。性别可以被输入为性别分组变量。据此,可以由判别函数来指示相关性。
另外,列项可以进一步包括在面部图像中捕获的人的根据外表的印象年龄和实际年龄,从而该DB还可以被包括以用于如上所述那样估计实际年龄。
(3)方程或模型的准备
指示性别与空间频率的强度的相关性的方程或模型可以通过以相同的方式将年龄估计中的年龄代入性别分组变量中进行准备。也就是说,可以使用通过用多变量分析对性别分组变量和空间频率的强度进行分析所获得的方程。由于为性别分组的外部标准被量化地给出,所以多变量分析优选为判别分析、神经网络等。在将在下面描述的示例4中,本发明具有在不将年龄作为判别函数的解释变量的情况下仅通过使用空间频率来高精度地确定性别的非常实际的技术特征。
优选地,将属于100至250周期/图像宽度且优选150至200周期/图像 宽度频率范围内的空间频率的强度用作为如上所述获得的方程或模型中的解释变量的空间频率的强度。据此,可以精确地确定性别差异。进一步地,除了高频率范围,优选使用位于1至50周期/图像宽度的低频率范围内的空间频率的强度。据此,通过添加在高频率范围内未被指示的、用于解释性别差异的因子,可以更精确地执行确定。
(4)性别确定
通过将来自主体的面部图像数据的空间频率的强度应用于指示如上所述获得的空间频率的强度与性别分组变量之间的相关性的方程或模型来执行性别确定。除了将数值代入方程之外,该应用包括将数值匹配到模型。
据此,性别分组变量可以被计算,从而可以由性别分组变量确定性别。
在根据本发明的性别确定方法中,获取将确定其性别的主体的面部图像数据,以及对面部图像数据执行FFT处理以计算空间频率的强度。性别分组变量可以通过将主体的空间频率的强度(功率或幅度值)代入预先准备的指示“性别分组变量与空间频率的强度之间的关系”的方程(判别函数)来获得。基于所获得的性别分组变量,可以确定性别。
[5]根据本发明的性别确定装置
根据本发明的确定装置包括:强度计算单元,用于根据主体的面部图像数据计算空间频率的强度;存储单元,用于存储指示性别与从所述面部图像数据获得的空间频率的强度之间的相关性的性别相关性数据;以及性别确定单元,用于通过将所述强度计算单元计算的空间频率的强度与存储在所述存储单元中的所述性别相关性数据进行匹配来确定所述主体的性别。
根据本发明的确定装置可以被配置成与如上所述的根据本发明的年龄估计装置类似。
[6]根据本发明的性别确定程序
根据本发明的确定程序促使计算机、其他设备、其他机器等用作:强度 计算单元,用于根据主体的面部图像数据计算空间频率的强度;存储单元,用于存储指示性别与从所述面部图像数据获得的空间频率的强度之间的相关性的性别相关性数据;以及性别确定单元,用于通过将所述强度计算单元计算的空间频率的强度与存储在所述存储单元中的所述性别相关性数据进行匹配来确定所述主体的性别。另外,根据本发明的程序可以被存储在计算机可读存储媒体中。
[7]根据另一实施方式的年龄估计装置
如上所述,根据本发明的年龄估计方法和性别确定方法二者都使用从面部图像数据获得的空间频率的强度。
另外,应当理解,在年龄估计中使用的年龄与空间频率的强度之间的相关性在男性与女性之间是不同的。
这里,可以通过由根据本发明的性别确定方法确定性别、基于所述结果选择针对每个性别优化的年龄与空间频率的强度之间的相关性以及执行根据本发明的年龄估计方法来估计年龄。
执行该估计的年龄估计装置包括:强度计算单元,用于根据所述主体的面部图像数据来计算空间频率的强度;存储单元,用于存储指示性别与从面部图像数据获得的空间频率的强度之间的相关性的性别相关性数据以及指示年龄与从根据性别的面部图像数据获得的空间频率的强度之间的相关性的男性年龄相关性数据和女性年龄相关性数据;性别确定单元,用于通过将所述强度计算单元所计算的空间频率的强度与存储在所述存储单元中的所述性别相关性数据进行匹配来确定所述主体的性别;年龄相关性数据选择单元,用于基于所述性别确定单元所确定的性别来选择所述男性年龄相关性数据或所述女性年龄相关性数据;以及年龄计算单元,用于通过将所述强度计算单元所计算的空间频率的强度与所述相关性数据选择单元所选择的相关性数据进行匹配来计算所述主体的估计年龄。
另外,可以提供程序以促使计算机用作这些单元。
下文中,用下面描述的示例来更具体地描述本发明,但是本发明并不局限于这些示例。
示例1
<1>女性年龄的估计
(1)具有“实际年龄、根据外表的印象年龄以及空间频率的强度”的女性DB的准备
使用数码相机捕获30cm×30cm范围内140个女性(18至82岁,平均年龄49.01±17.02岁)的面部图像。通过使用由Adobe系统公司制造的Photoshop(注册商标)CS3来调整图像的亮度、获得1024×1024像素的灰阶图像(见图1)数据以及借助由MathWork公司制造的MATLAB(注册商标)使用由本发明的发明人的公司所制造的空间频率分析软件(见图2),来对图像执行空间频率分析。为了评估根据外表的印象年龄,通过使用预先准备的根据年龄分组的标准图片(见图3),由9个新成员(5个男性和4个女性)以及面部估计领域中的5个专业人员(2个男性和3个女性)评估具有灰阶图像的A4大小的打印材料的年龄,这9个新成员刚大学毕业且对面部评估研究没有经验。采用排除了从被估计为根据外表的印象年龄的年龄中的最大值和最小值之外的平均值。这样,具有实际年龄、根据外表的印象年龄(新成员的评估和专业人员的评估)以及空间频率的强度(功率或幅度值)的女性DB被准备。
(2)女性DB的特征的分析
通过使用SPSS公司制造的PASW(注册商标)Statistics 17.0,对女性DB执行相关性分析和聚类分析。根据年龄(实际年龄和根据外表的印象年龄)与空间频率的强度之间的皮尔森相关性系数(双尾)(见图4),应当理解,明显高的年龄增长信息存在于90至360(周期/图像宽度)的宽范围内 (相关性系数>0.60)。另外,从通过聚类分析获得的系统树图,在强度上具有类似的变化特征的空间频率被分类成如下所述的四个空间频率。当存在于各个频带内的年龄增长信息通过增加或减小各个频带内的空间频率的强度并改变面部图像数据进行分析时,年龄增长结构信息被非均匀地分布在每个空间频带内,例如,关于紧绷感或无力的信息存在于0至50(周期/图像宽度)内,关于深皱纹和面部线的信息存在于50至100(周期/图像宽度)内,关于细皱纹等的信息存在于100至200(周期/图像宽度)内,以及关于皮肤表面的纹理和明亮感的进一步信息存在于200至512(周期/图像宽度)内。另外,由于在所有的其他DB分组中存在非均匀分布,所以应当理解,从而被呈现的四个空间频率可以分别被定义为具有连续性的频带。另外,应当理解,期望通过从各个空间频率组中选择适当的频率或者通过对它们的组合进行执行来改进对年龄的估计等,以增加精确程度。
(3)指示“实际年龄与空间频率的强度之间的关系或者根据外表的印象年龄与空间频率的强度之间的关系”的方程的准备
通过使用由SPSS公司制造的SPSS(注册商标)15.0J对具有作为客观变量的实际年龄和根据外表的印象年龄以及具有作为解释变量的空间频率(f)的女性DB执行多重回归分析(逐步方法)。结果,提供了方程(1)和(2),也就是说,用于估计实际年龄和根据外表的印象年龄(由新成员评估)的多重回归方程的示例。在方程2中,应当理解,从四个空间频带组中选择8个解释变量,从而可以通过从各个空间频率组中选择适当的频率来正确地估计年龄。图8是指示根据外表的印象年龄(由新成员评估)与由方程(2)估计的估计年龄(预测值)之间的相关性的图示(校准曲线)。另外,当根据外表的印象年龄的评估者从新成员替换成专业人员时,预测方程的多重相关性系数(R)增加至0.937,从而应当理解,根据外表的印象年龄可以被更高精度地估计。
<实际年龄的估计值>=f132×84.220+f38×(-52.441)+f155×48.123+f3×(-18.802)+f102×46.773-124.562…(1)
多重相关性系数(R)=0.863
*f132、f38、f155、f3和f102是空间频率的功率的对数标度。
<根据外表的印象年龄的估计值(新成员的评估)>=f3×(-16.407)+f35×(-42.423)+f36(-37.139)+f43×43.577+f53×14.451+f132×96.466+f142×65.208+f242×19.649-198.272…(2)
多重相关性系数(R)=0.881
*f3、f35、f36、f43、f53、f132、f142和f242是空间频率的功率的对数标度。
(4)实际年龄和根据外表的印象年龄的估计
在获得了来自将被估计的8个女性被测试人(主体)(平均年龄43.1岁)的面部图像的空间频率的强度之后,如上所述那样,通过使用多重回归方程(1)和(2)来估计实际年龄和根据外表的印象年龄(新成员的评估)。另外,在使用专业人员所评估的根据外表的印象年龄的情况中,通过以类似的方式计算回归方程来执行估计。结果在表1中列出(误差=估计年龄-(实际年龄或根据外表的印象年龄))。据此,应当理解,可以高精度地估计实际年龄和根据外表的印象年龄。另外,应当理解,就精度而言,优选使用多重回归方程来估计根据外表的印象年龄,以及就更高的精确程度而言,优选使用专业人员评估的根据外表的印象年龄。
表1
示例2
<2>男性年龄的估计
通过将女性替换成男性、准备男性DB、分析该DB的特征以及准备指示“实际年龄与空间频率的强度之间的关系”的方程,来执行与示例1相同的估计。
(1)具有“实际年龄和空间频率的强度”的男性DB的准备
针对139个男性(年龄为19至84岁,平均年龄51.51±17.83岁),以与示例1相同的方式准备具有实际年龄和空间频率的强度(功率和频带值)的DB。
(2)男性DB的特征的分析
以相同的方式对男性DB执行相关性分析和聚类分析。根据实际年龄与空间频率的强度之间的皮尔森相关性系数(双尾)(见图5),应当理解,高年龄增长信息存在于60至240(周期/图像宽度)的范围内(相关性>0.60)。通过解释系统树图,可以得到,如女性DB中所呈现的那样,年龄增长结构信息在每个空间频带中不均匀地分布。通过将两种性别的DB进行比较,可以看到图4和5中所呈现的差异。也就是说,推断低频率范围和中频率范围(20至100周期/图像宽度)的差异是因年龄增长结构中男性的快速变化引起的,诸如紧绷或无力比女性的紧绷或无力更容易注意到,以及高频率范围(200周期/图像宽度或更大)内的差异是因不管年龄如何男性的皮肤纹理(粗糙感、纹理细度)都比女性的要差引起的而且年龄增长结构中男性的变化很难注意到。
也就是说,应当理解,在男性的情况中,使用大约0至200周期/图像宽度的频带来估计年龄是有效的。另外,类似于女性DB的分析,从系统树图的解释中应当理解,不同的年龄增长信息存在于0至50周期/图像宽度、50至100周期/图像宽度、100至150周期/图像宽度以及150周期/图像宽度或更大的频带范围内。
(3)指示“年龄和空间频率的强度之间的关系”的方程的准备
通过使用由SPSS公司制造的SPSS(注册商标)15.0对具有作为客观变量的实际年龄和作为解释变量的空间频率(f)的示例2中的男性DB执行多重回归分析(逐步方法)。结果,作为用于估计实际年龄的多重回归方程的示例的方程(3)如下表示。
<实际年龄的估计值>=f135×80.839+f5×(-23.510)+f3×(-10.595)+f105×64.765-164.187…(3)
多重相关性系数(R)=0.794
*f135、f5、f3和f105是空间频率的功率的对数标度。
(4)实际年龄的估计
类似于女性年龄估计方法,在从将被估计的5个男性被测试者(主体)(平均年龄40.8岁)的面部图像数据中获得空间频率的强度之后,通过使用如上所述计算的多重回归方程(3)来估计实际年龄。结果在表2中列出(误差=估计年龄-(实际年龄))。据此,应当理解,高精度地估计实际年龄。
表2
编号 | 实际年龄 | 误差 |
1 | 21 | 1.9 |
2 | 28 | -2.2 |
3 | 36 | 2.0 |
4 | 53 | -5.1 |
5 | 66 | 4.6 |
示例3
<3>化妆品对根据外表的印象年龄的影响
根据本发明来考虑化妆品对根据外表的印象年龄的影响。也就是说,在对两个女性(年龄为50和62岁)的未化妆的脸和化妆的脸执行示例1的过程以计算空间频率之后,应用用于估计根据外表的印象年龄的多重回归方程(2)以计算从未化妆的脸和化妆的脸评估的根据外表的印象年龄。当化妆的脸与作为标准的未化妆的脸的年龄误差被计算时,50岁女性的年龄误差是+0.7岁从而外表几乎没有改变,而62岁女性的年龄误差是-9.8岁从而外表看起来更年轻,而且应当理解,根据外表的印象年龄的计算是一种与由第三方的评估相同的量化技术。进一步地,由于从灰阶图像中评估化妆的效果,没有反映美容材料的颜色和饱和度的影响,但是美容材料对年龄增长结构的影响可以从多重回归方程(2)中的解释变量(来自灰阶图像的各个空间频带)的权重的变化来量化地推断。
示例4
<4>性别确定(确定方程和判别分析结果)
如示例1中所描述的,获得图像并对其进行处理以获得来自示例1中女性DB(N=140)和示例2中男性DB(N=139)的空间频率的强度。性别分组变量的项被添加到这些DB中,且之后使用由SPSS公司制造的PASW(注册商标)Statistics 17.0来执行判别分析。所获得的判别函数(确定方程(4)和确定结果(表3和图10))如下所示。应当理解,从表3和图10中看出,以90%或更高的精度执行性别确定。另外,在确定方程(4)中f173的功率的对数标度影响最大,但是如上所述,这是由因年龄增长引起的皮肤表面的 纹理改变时的性别差异导致的(见图4和5)。因此,应当理解,在性别确定中,皮肤纹理比面部的形成改变(皱纹和松弛)更重要。另外,据此可以推断,除了整个面部之外,脸颊、前额、鼻子足够用于在性别确定中所用的面部图像数据。
<线性判别函数>=f3×1.564+f6×3.340+f7×3.141+f41×0.669+f173×(-8.400)-8.895…(4)
典范相关性系数(R)=0.811
*f3、f6、f7、f41和f173是空间频率的功率的对数标度。
表3
性别 | 女性 | 男性 | 总数 | ||
原始数据 | 频率 | 女性 | 126 | 14 | 140 |
原始数据 | 频率 | 男性 | 11 | 128 | 139 |
原始数据 | % | 女性 | 90 | 10 | 100 |
原始数据 | % | 男性 | 8 | 92 | 100 |
交叉核实 | 频率 | 女性 | 124 | 16 | 140 |
交叉核实 | 频率 | 男性 | 11 | 128 | 139 |
交叉核实 | % | 女性 | 89 | 11 | 100 |
交叉核实 | % | 男性 | 8 | 92 | 100 |
示例5
<5>使用彩色图像的年龄估计
(1)具有“实际年龄和空间频率的强度”的DB的准备
使用数码相机获得30cm×30cm范围内140个女性(18至82岁,平均年龄49.01±17.02岁)的彩色图像。借助MathWork公司制造的MATLAB(注册商标),通过使用本发明人的公司制造的空间频率分析软件对1024×1024像素的彩色图像执行空间频率分析。随后,准备具有实际年龄和空间频率的强度的女性DB。
(2)DB的特征的分析
采用SPSS公司制造的PASW(注册商标)Statistics 17.0对女性DB执行相关性分析。结果,B和R通道的相关性系数与从单色图像数据获得的空间频率的相关性不同。也就是说,B通道的相关性在50至150周期/图像宽度内倾向于为高。另外,R通道的相关性在0至50周期/图像宽度内倾向于为高。
当通过改变这些通道的频带的功率来改变图像时,应当理解,关于雀斑的信息存在于B通道的范围内。
(3)指示“实际年龄和空间频率的强度”的方程的准备
通过使用PASW(注册商标)Statistics 17.0.3对具有作为客观变量的实际年龄和作为解释变量的空间频率(f)的DB执行多重回归分析(逐步方法),以获得多重回归方程。
结果,属于B通道的100至150周期/图像宽度的空间频率的强度具有最高的相关性系数。从所有RGB通道中选择作为解释变量的空间频率的强度。
图11是示出了实际年龄与由所获得的多重回归方程所估计的估计年龄(预测值)之间的相关性的曲线图(校准曲线)。应当理解,多重相关性系数(R)是0.945,以及用极高的精度估计实际年龄。
示例6
<6>使用嘴唇图像的年龄估计
(1)具有“实际年龄和空间频率的强度”的DB的准备
使用数码相机获得140个女性(18至82岁,平均年龄49.01±17.02岁)的面部图像。用于解释的1024×1024像素的彩色图像通过覆盖遮罩层以从面部图像中提取嘴唇部分来准备。借助MathWork公司制造的MATLAB(注册商标),通过使用本发明人的公司制造的空间频率分析软件,对四种类型的从彩色图像获得的图像数据(其是来自RGB通道的图像数据)和通过亮度转换获得的单色图像数据执行空间频率分析。随后,准备具有实际年龄和 空间频率的强度(功率和幅度值)的DB。
(2)DB的特征的分析
采用SPSS公司制造的PASW(注册商标)Statistics 17.0对DB执行相关性分析。结果,B通道的相关性系数与从单色图像数据获得的空间频率的相关性不同的趋向被发现。也就是说,B通道的相关性在大约170至180周期/图像宽度的频带中尤其高,其中在该频带中相关性通常是高的。据此,应当理解,关于嘴唇的重要年龄增长信息被包括在B通道的150至200周期/图像宽度的频带内。
另外,对单色图像的空间频率执行聚类分析。条件是(每个变量的)沃德方法、平方欧几里得距离和z评分。结果,空间频率被分类成四个范围,即0至40周期/图像宽度、40至100周期/图像宽度、100至240周期/图像宽度以及240至512周期/图像宽度。当通过增加或减小这些频带中的空间频率的强度并改变面部图像来分析存在于各个频带内的年龄增长信息时,应当理解,年龄增长信息很少存在于240至512周期/图像宽度范围内。
(3)指示“实际年龄和空间频率的强度之间的关系”的方程的准备
通过使用PASW(注册商标)Statistics 17.0对具有作为客观变量的实际年龄和作为解释变量的空间频率(f)的DB执行多重回归分析(逐步方法),从而获得多重回归方程。
结果,属于R和B通道的1至200周期/图像宽度的多个空间频率的强度被选为解释变量。在这些当中,属于B通道的170至180周期/图像宽度的空间频率的强度具有最高的相关性系数。
图12是示出了实际年龄与由所获得的多重回归方程所估计的估计年龄(预测值)之间的相关性的图示(校准曲线)。应当理解,多重相关性系数(R)是0.848,以及可以高精度地估计实际年龄。
示例7
<7>使用脸颊图像的年龄估计
(1)具有“实际年龄和空间频率的强度”的DB的准备
使用数码相机获得140个女性(18至82岁,平均年龄49.01±17.02岁)的面部图像(见图1)。用于解释的1024×1024像素的彩色图像数据通过覆盖遮罩层以从面部图像中提取脸颊部分来准备。借助MathWork公司制造的MATLAB(注册商标),通过使用本发明人的公司制造的空间频率分析软件,对四种类型的图像数据(为来自RGB通道的图像数据以及通过亮度转换获得的单色图像数据)执行空间频率分析。随后,准备具有实际年龄和空间频率的强度的DB。
(2)指示“实际年龄和空间频率的强度之间的关系”的方程的准备
通过使用PASW(注册商标)Statistics 17.0对具有作为客观变量的实际年龄和作为解释变量的空间频率(f)的DB执行多重回归分析(逐步方法),从而获得多重回归方程。结果,属于所有RGB通道的1至200周期/图像宽度的多个空间频率的强度被选为解释变量。在这些当中,属于B通道的150至170周期/图像宽度的空间频率的强度具有最高的相关性系数。
图13是示出了实际年龄与由所获得的多重回归方程所估计的估计年龄(预测值)之间的相关性的图示(校准曲线)。应当理解,多重相关性系数(R)是0.846,以及可以高精度地估计实际年龄。
根据示例6和7的结果,应当理解,可以通过使用诸如嘴唇和脸颊之类的部分面部来高精度地估计年龄。还应当理解,具有年龄增长信息的空间频带随着所述部分而改变,但是这些频带可以通过执行相关性分析来指定。据此,应当理解,可以通过使用随着年龄增长而改变的特定面部部分来估计年龄。
工业实用性
根据本发明的用于估计年龄的技术可以用于评估美容治疗、皮肤护理、化妆、健康食品、美容手术等的效果,以及用于用评估结果进行劝告或建议。另外,用于估计年龄或确定性别的技术可以在用于监控酒、香烟等的系统中广泛使用或者被广泛用作销售信息。
Claims (11)
1.一种年龄估计方法,该方法包括:
基于年龄与从面部图像数据获得的空间频率的强度之间的相关性,根据主体的面部图像数据估计所述主体的年龄,
其中所述空间频率属于多个不同空间频带,并具有10周期/图像宽度或更大的差异。
2.根据权利要求1所述的年龄估计方法,其中,所述相关性由方程或模型表示,而且该方法包括:
通过将来自所述主体的所述面部图像数据的所述空间频率的强度应用于所述方程或模型来获得所述主体的估计年龄。
3.一种年龄估计方法,该方法包括:
获取主体的面部图像数据;
根据所获取的面部图像数据计算空间频率的强度;以及
通过将所计算的所述空间频率的强度应用于预先准备并表示年龄与从面部图像数据获得的空间频率的强度之间的相关性的方程或模型来计算所述主体的估计年龄,
其中所述空间频率属于多个不同空间频带,并具有10周期/图像宽度或更大的差异。
4.根据权利要求2或3所述的年龄估计方法,
其中,所述方程是通过多重回归分析获得的多重回归方程或通过PLS获得的预测方程。
5.根据权利要求1至3中任一权利要求所述的年龄估计方法,
其中,所述面部图像数据是部分面部或整个面部的图像数据。
6.根据权利要求1至3中任一权利要求所述的年龄估计方法,
其中所述年龄是实际年龄或根据外表的印象年龄。
7.根据权利要求1至3中任一权利要求所述的年龄估计方法,
其中,所述面部图像数据是彩色图像数据,以及所述空间频率的强度包括从多个彩色通道计算的所述空间频率的强度的组合。
8.根据权利要求1至3中任一权利要求所述的年龄估计方法,
其中,所述空间频带是50周期/图像宽度或更低的低频带以及大于50周期/图像宽度的高频带。
9.根据权利要求1至3中任一权利要求所述的年龄估计方法,
其中所述主体是女性,
所述相关性是年龄与从所述女性的整个面部的面部图像数据获得的空间频率的强度之间的相关性,以及
所述空间频率包括属于下述各个空间频带的至少四个空间频率:
0至50周期/图像宽度;
50至100周期/图像宽度;
100至200周期/图像宽度;以及
200周期/图像宽度或更多。
10.根据权利要求1至3中任一权利要求所述的年龄估计方法,
其中所述主体是男性,
所述相关性是年龄与从所述男性的整个面部的面部图像数据获得的空间频率的强度之间的相关性,以及
所述空间频率包括属于下述各个空间频带的至少四个空间频率:
0至50周期/图像宽度;
50至100周期/图像宽度;
100至150周期/图像宽度;以及
150周期/图像宽度或更多。
11.根据权利要求1至3中任一权利要求所述的年龄估计方法,
其中,所述相关性是年龄与从嘴唇的图像数据获得的空间频率的强度之间的相关性,
所述空间频率包括属于下述各个空间频带的至少三个空间频率:
0至40周期/图像宽度;
40至100周期/图像宽度;以及
100周期/图像宽度或更多。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010140155 | 2010-06-21 | ||
JP2010-140155 | 2010-06-21 | ||
JP2010252402 | 2010-11-11 | ||
JP2010-252402 | 2010-11-11 | ||
PCT/JP2011/061367 WO2011162050A1 (ja) | 2010-06-21 | 2011-05-18 | 年齢の推定方法、男女の判別方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102870136A CN102870136A (zh) | 2013-01-09 |
CN102870136B true CN102870136B (zh) | 2017-05-10 |
Family
ID=45371249
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201180022353.6A Active CN102870136B (zh) | 2010-06-21 | 2011-05-18 | 年龄估计方法 |
Country Status (7)
Country | Link |
---|---|
US (1) | US9189679B2 (zh) |
JP (1) | JP5827225B2 (zh) |
CN (1) | CN102870136B (zh) |
AU (1) | AU2011270457A1 (zh) |
SG (1) | SG186062A1 (zh) |
TW (1) | TWI514291B (zh) |
WO (1) | WO2011162050A1 (zh) |
Families Citing this family (36)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140122074A1 (en) * | 2012-10-29 | 2014-05-01 | Amit V. KARMARKAR | Method and system of user-based jamming of media content by age category |
TWI463955B (zh) * | 2012-02-20 | 2014-12-11 | Zong Jing Investment Inc | Eye makeup device |
TWI485635B (zh) * | 2013-01-30 | 2015-05-21 | Nat Univ Tainan | 年齡評估系統與方法 |
JP6124295B2 (ja) * | 2013-05-02 | 2017-05-10 | 日本メナード化粧品株式会社 | 素肌または化粧肌の質感評価方法 |
KR20150059394A (ko) * | 2013-11-22 | 2015-06-01 | (주)아모레퍼시픽 | 계량화 수단을 이용한 피부 나이 예측 장치 및 방법 |
CN103824053B (zh) * | 2014-02-17 | 2018-02-02 | 北京旷视科技有限公司 | 一种人脸图像的性别标注方法及人脸性别检测方法 |
JP6230504B2 (ja) * | 2014-08-07 | 2017-11-15 | 日本電信電話株式会社 | 画像処理装置、方法、及びプログラム |
JP6359389B2 (ja) * | 2014-09-02 | 2018-07-18 | 花王株式会社 | 唇の美的印象の評価方法及びその評価を支援する支援装置 |
DE102014226858A1 (de) * | 2014-12-22 | 2016-06-23 | Robert Bosch Gmbh | Verfahren zum Betreiben einer aktivierbaren Sperrvorrichtung für eine Tür und/oder ein Fenster, Sicherungsvorrichtung für ein Fahrzeug, Fahrzeug |
CN105279499B (zh) * | 2015-10-30 | 2019-01-04 | 小米科技有限责任公司 | 年龄识别方法及装置 |
CA3015492C (en) | 2016-03-21 | 2021-11-23 | The Procter & Gamble Company | Systems and methods for providing customized product recommendations |
JP6727543B2 (ja) * | 2016-04-01 | 2020-07-22 | 富士ゼロックス株式会社 | 画像パターン認識装置及びプログラム |
CN107315987B (zh) * | 2016-04-27 | 2021-11-09 | 伽蓝(集团)股份有限公司 | 评估面部表观年龄、面部衰老程度的方法及其应用 |
JP6731616B2 (ja) * | 2016-06-10 | 2020-07-29 | パナソニックIpマネジメント株式会社 | バーチャルメイク装置、バーチャルメイク方法、およびバーチャルメイクプログラム |
KR102308871B1 (ko) | 2016-11-02 | 2021-10-05 | 삼성전자주식회사 | 객체의 속성에 기반하여 객체를 인식 및 트레이닝하는 방법 및 장치 |
US11122206B2 (en) | 2016-11-08 | 2021-09-14 | Preh Holding, Llc | Personal care device with camera |
US10511777B2 (en) | 2016-11-08 | 2019-12-17 | Thomas Nichols | Personal care device with camera |
TWM550619U (zh) * | 2016-12-02 | 2017-10-21 | Unlimiter Mfa Co Ltd | 可依據臉部影像辨識結果取得聽力數據之電子裝置 |
US10614623B2 (en) | 2017-03-21 | 2020-04-07 | Canfield Scientific, Incorporated | Methods and apparatuses for age appearance simulation |
US10621771B2 (en) | 2017-03-21 | 2020-04-14 | The Procter & Gamble Company | Methods for age appearance simulation |
CN108804976A (zh) * | 2017-04-27 | 2018-11-13 | 芜湖美的厨卫电器制造有限公司 | 浴室镜及其控制方法 |
CN110678875B (zh) | 2017-05-31 | 2023-07-11 | 宝洁公司 | 用于引导用户拍摄自拍照的系统和方法 |
CN110709856B (zh) * | 2017-05-31 | 2023-11-28 | 宝洁公司 | 用于确定表观皮肤年龄的系统和方法 |
WO2019037014A1 (zh) * | 2017-08-24 | 2019-02-28 | 华为技术有限公司 | 一种图像检测的方法、装置及终端 |
US11036285B2 (en) | 2017-09-04 | 2021-06-15 | Abhinav Aggarwal | Systems and methods for mixed reality interactions with avatar |
CN110175973A (zh) * | 2018-02-11 | 2019-08-27 | 上海市刑事科学技术研究院 | 一种人软骨内色素的测定方法及其在法医学上的应用 |
CN108391602B (zh) * | 2018-04-25 | 2023-06-06 | 中国农业科学院农业信息研究所 | 一种雏鸡性别识别系统及其识别方法 |
CN108734127B (zh) * | 2018-05-21 | 2021-01-05 | 深圳市梦网科技发展有限公司 | 年龄识别值调整方法、装置、设备及存储介质 |
CN109712085B (zh) * | 2018-12-11 | 2021-05-25 | 维沃移动通信有限公司 | 一种图像处理方法及终端设备 |
TWI690856B (zh) * | 2019-01-07 | 2020-04-11 | 國立交通大學 | 身分辨識系統及身分辨識方法 |
JP6983831B2 (ja) * | 2019-03-26 | 2021-12-17 | 富士フイルム株式会社 | 弛み評価方法、弛み評価装置、及び弛み評価プログラム |
USD1000624S1 (en) | 2019-12-27 | 2023-10-03 | Thomas Nichols | Personal care device with camera |
CN111626303B (zh) * | 2020-05-29 | 2021-04-13 | 南京甄视智能科技有限公司 | 性别和年龄的识别方法、装置、存储介质及服务器 |
CN111967447A (zh) * | 2020-09-07 | 2020-11-20 | 深圳安道客网络科技有限公司 | 一种局部皮肤图像分析方法 |
CN112672387B (zh) * | 2020-12-21 | 2021-08-31 | 广西东信易联科技有限公司 | 一种根据用户数据自动切换网络模式的方法及系统 |
TWI832660B (zh) * | 2023-01-06 | 2024-02-11 | 宏碁股份有限公司 | 計算視野指標正常分布的方法及裝置 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101584575A (zh) * | 2009-06-19 | 2009-11-25 | 无锡骏聿科技有限公司 | 一种基于人脸识别技术的年龄评估方法 |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3430944B2 (ja) | 1997-12-15 | 2003-07-28 | 花王株式会社 | 印象の評価方法 |
JP2000014661A (ja) | 1998-07-02 | 2000-01-18 | Pola Chem Ind Inc | 中年女性の顔の鑑別法 |
JP4575619B2 (ja) | 2001-05-08 | 2010-11-04 | ポーラ化成工業株式会社 | 実年齢の推定方法 |
JP4681760B2 (ja) | 2001-06-06 | 2011-05-11 | ポーラ化成工業株式会社 | 顔形状の加齢変化の推定法 |
US6850651B2 (en) * | 2001-07-02 | 2005-02-01 | Corel Corporation | Moiré correction in images |
US6950211B2 (en) * | 2001-07-05 | 2005-09-27 | Corel Corporation | Fine moire correction in images |
JP2004272849A (ja) | 2003-03-12 | 2004-09-30 | Pola Chem Ind Inc | 化粧効果の鑑別法 |
JP4285037B2 (ja) | 2003-03-20 | 2009-06-24 | 花王株式会社 | 肌のシミュレーション画像の形成方法 |
JP4303092B2 (ja) * | 2003-11-12 | 2009-07-29 | 株式会社国際電気通信基礎技術研究所 | 年齢推定装置、年齢推定方法および年齢推定プログラム |
JP2005165447A (ja) | 2003-11-28 | 2005-06-23 | Toshiba Corp | 年齢・性別判別装置、年齢・性別判別方法および人物認識装置 |
US7319779B1 (en) | 2003-12-08 | 2008-01-15 | Videomining Corporation | Classification of humans into multiple age categories from digital images |
BRPI0608711A2 (pt) | 2005-03-18 | 2010-12-07 | Koninkl Philips Electronics Nv | métodos e sistemas para realizar reconhecimento de face, para treinar um modelo de face de referência, para calcular um valor de limiar de similaridade para um modelo de face de referência e para otimizar uma imagem para uso em reconhecimento de face |
JP4888217B2 (ja) | 2007-05-08 | 2012-02-29 | オムロン株式会社 | 人物属性推定装置 |
JP4273359B2 (ja) | 2007-09-28 | 2009-06-03 | Necソフト株式会社 | 年齢推定システム及び年齢推定方法 |
JP5072102B2 (ja) | 2008-05-12 | 2012-11-14 | パナソニック株式会社 | 年齢推定方法及び年齢推定装置 |
JP5210808B2 (ja) | 2008-11-06 | 2013-06-12 | Necソフト株式会社 | 年齢推定装置及び方法 |
CN101419671B (zh) | 2008-11-10 | 2011-05-18 | 北方工业大学 | 基于模糊支持向量机的人脸性别识别方法 |
CN101615248B (zh) | 2009-04-21 | 2012-03-21 | 华为技术有限公司 | 年龄估计方法、设备和人脸识别系统 |
SG184287A1 (en) | 2010-03-26 | 2012-11-29 | Agency Science Tech & Res | Facial gender recognition |
-
2011
- 2011-05-18 US US13/805,139 patent/US9189679B2/en active Active
- 2011-05-18 SG SG2012084380A patent/SG186062A1/en unknown
- 2011-05-18 CN CN201180022353.6A patent/CN102870136B/zh active Active
- 2011-05-18 WO PCT/JP2011/061367 patent/WO2011162050A1/ja active Application Filing
- 2011-05-18 JP JP2012521378A patent/JP5827225B2/ja active Active
- 2011-05-18 AU AU2011270457A patent/AU2011270457A1/en not_active Abandoned
- 2011-06-17 TW TW100121194A patent/TWI514291B/zh active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101584575A (zh) * | 2009-06-19 | 2009-11-25 | 无锡骏聿科技有限公司 | 一种基于人脸识别技术的年龄评估方法 |
Non-Patent Citations (1)
Title |
---|
Class Distance Weighted Locality Preserving Projection for Automatic Age Estimation;Ueki K等;《Theory,Applications and Systems,2008.BTAS2008.2nd IEEE International Conference on》;20081231;第E部分表格1 * |
Also Published As
Publication number | Publication date |
---|---|
JP5827225B2 (ja) | 2015-12-02 |
TW201209731A (en) | 2012-03-01 |
US9189679B2 (en) | 2015-11-17 |
WO2011162050A1 (ja) | 2011-12-29 |
AU2011270457A1 (en) | 2012-11-29 |
SG186062A1 (en) | 2013-01-30 |
JPWO2011162050A1 (ja) | 2013-08-19 |
TWI514291B (zh) | 2015-12-21 |
RU2013102503A (ru) | 2014-07-27 |
CN102870136A (zh) | 2013-01-09 |
US20130089245A1 (en) | 2013-04-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102870136B (zh) | 年龄估计方法 | |
US20180276883A1 (en) | Methods and apparatuses for age appearance simulation | |
US8401300B2 (en) | Targeted image transformation of skin attribute | |
US20140226896A1 (en) | Face impression analyzing method, aesthetic counseling method, and face image generating method | |
CN105893925A (zh) | 基于肤色的人手检测方法及装置 | |
CN108431561B (zh) | 计算机辅助确定毛发颜色性能的方法和数据处理装置 | |
Anbeek et al. | Automated MS-lesion segmentation by k-nearest neighbor classification | |
JP2009169758A (ja) | 肌色評価方法、肌色評価装置、肌色評価プログラム、及び該プログラムが記録された記録媒体 | |
CN108024719A (zh) | 肌肤的光泽评价装置、光泽评价方法及光泽评价程序 | |
Li et al. | Collective sparse symmetric non-negative matrix factorization for identifying overlapping communities in resting-state brain functional networks | |
CN115841594B (zh) | 基于注意力机制的煤矸高光谱变图像域数据识别方法 | |
CN109429051A (zh) | 基于多视图特征学习的无参考立体视频质量客观评价方法 | |
Colomer et al. | Assessment of sparse-based inpainting for retinal vessel removal | |
JP3920747B2 (ja) | 画像処理装置 | |
CN112330790A (zh) | 基于对抗学习与自适应色度修正的ct图像自动着色方法 | |
JP5651385B2 (ja) | 顔評価方法 | |
Martin et al. | Face aging simulation with a new wrinkle oriented active appearance model | |
CN114897882A (zh) | 一种基于加权平均曲率滤波分解的遥感图像融合方法 | |
CN103955921B (zh) | 基于人眼视觉特征和分块分析法的图像噪声估计方法 | |
EP3649459A1 (de) | System zum verwalten von haarzustandsinformation und verfahren zum optimieren eines kosmetischen beratungssystems | |
CN105718962B (zh) | 基于图像子块支持向量机的脑血流信号计算方法 | |
CN107169484A (zh) | 基于人眼视觉特性的图像质量评价方法 | |
RU2575404C2 (ru) | Способ оценки возраста и способ определения пола | |
TW201535320A (zh) | 增齡分析方法及增齡分析裝置 | |
Harrison et al. | Graph-partitioned spatial priors for functional magnetic resonance images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 1176153 Country of ref document: HK |
|
GR01 | Patent grant | ||
GR01 | Patent grant | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: GR Ref document number: 1176153 Country of ref document: HK |