JP2005148880A - 年齢推定装置、年齢推定方法および年齢推定プログラム - Google Patents

Abstract

【課題】 顔画像の実年齢を正確に推定することができるとともに顔画像の見かけ年齢を正確に推定することができる年齢推定装置、年齢推定方法および年齢推定プログラムを提供することである。
【解決手段】 実年齢の学習時には、実年齢が既知の１または複数の学習顔を実年齢とともに特徴量抽出装置１に入力する。特徴量抽出装置１は、各学習顔から複数の特徴量を抽出する。年齢識別装置２は、特徴量抽出装置１により抽出された各学習顔の複数の特徴量と各学習顔の実年齢との相関関係を重回帰分析により求める。見かけ年齢の学習時には、見かけ年齢が既知の１または複数の学習顔を見かけ年齢とともに特徴量抽出装置１に入力する。特徴量抽出装置１は、各学習顔から複数の特徴量を抽出する。年齢識別装置２は、特徴量抽出装置１により抽出された各学習顔の複数の特徴量と各学習顔の見かけ年齢との相関関係を重回帰分析により求める。
【選択図】 図１

Description

本発明は、顔画像の年齢を推定する年齢推定装置、年齢推定方法および年齢推定プログラムに関する。

従来より、顔画像の年齢を推定する年齢推定装置が開発されている（例えば、特許文献１参照）。

従来の年齢推定装置は、教師付きニューラルネットワークを用いて顔画像の年齢を推定する。この年齢推定装置では、実年齢（実際の年齢）が既知の顔画像から必要な特徴量を抽出し、特徴量をニューラルネットワークに学習させる。現状では、例えば１０００名以上の顔画像の学習を行うことにより、各年代で約８０〜９９％の実年齢の推定が可能となっている。
特開平６−３３３０２３号公報

しかしながら、実年齢よりも若く見える顔や実年齢よりも老けて見える顔があり、人が見て判断する見かけ上の年齢（以下、見かけ年齢と呼ぶ）と実年齢とが相違する場合がある。そのため、従来の年齢推定装置は、人の代わりに用いることができない。

例えば、店舗において、ある商品の購買者層の統計を作成するために、店員が購買者の年齢を推定してコンピュータ等に入力する場合がある。このような場合、購買者層の統計は、店員の判断による見かけ年齢に基づいて作成される。しかし、店員が判断する購買者の年齢と購買者の実年齢とが相違することがある。このような作業を店員の代わりに年齢推定装置が行うと、人の判断により作成される統計と年齢推定装置の推定により作成される統計とが異なることとなる。

したがって、顔画像の実年齢をできるだけ正確に推定することができるとともに、顔画像の見かけ年齢についてできるだけ人の判断と同じような結果を出すことができる年齢推定装置の出現が望まれる。

本発明の目的は、顔画像の実年齢を正確に推定することができるとともに顔画像の見かけ年齢を正確に推定することができる年齢推定装置、年齢推定方法および年齢推定プログラムを提供することである。

第１の発明に係る年齢推定装置は、実年齢の学習時に、学習すべき顔画像および実年齢を入力し、見かけ年齢の学習時に、学習すべき顔画像および見かけ年齢を入力し、実年齢または見かけ年齢の推定時に、年齢を推定すべき顔画像を入力する入力手段と、入力手段により入力された顔画像から特徴量を抽出する抽出手段と、実年齢の学習時に、抽出手段により抽出された特徴量と入力手段により入力された実年齢との相関関係を第１の相関関係として算出し、見かけ年齢の学習時に、抽出手段により抽出された特徴量と入力手段により入力された見かけ年齢との相関関係を第２の相関関係として算出する算出手段と、算出手段により算出された第１の相関関係および第２の相関関係を記憶する記憶手段と、実年齢の推定時に、抽出手段により抽出された特徴量に基づいて記憶手段に記憶された第１の相関関係から入力手段により入力された顔画像の実年齢を推定し、見かけ年齢の推定時に、抽出手段により抽出された特徴量に基づいて記憶手段に記憶された第２の相関関係から入力手段により入力された顔画像の見かけ年齢を推定する推定手段とを備えたものである。

本発明に係る年齢推定装置においては、実年齢の学習時に、学習すべき顔画像および実年齢が入力手段により入力され、入力された顔画像から特徴量が抽出手段により抽出される。抽出された特徴量と入力された実年齢との相関関係が算出手段により第１の相関関係として算出され、算出された第１の相関関係が記憶手段に記憶される。

見かけ年齢の学習時に、学習すべき顔画像および見かけ年齢が入力手段により入力され、入力された顔画像から特徴量が抽出手段により抽出される。抽出された特徴量と入力された見かけ年齢との相関関係が算出手段により第２の相関関係として算出され、算出された第２の相関関係が記憶手段に記憶される。

実年齢の推定時に、年齢を推定すべき顔画像が入力手段により入力され、入力された顔画像から特徴量が抽出手段により抽出される。抽出された特徴量に基づいて記憶された第１の相関関係から顔画像の実年齢が推定手段により推定される。

見かけ年齢の推定時に、年齢を推定すべき顔画像が入力手段により入力され、入力された顔画像から特徴量が抽出手段により抽出される。抽出された特徴量に基づいて記憶された第２の相関関係から顔画像の見かけ年齢が推定手段により推定される。

このようにして、顔画像の実年齢を正確に推定することができるとともに顔画像の見かけ年齢を正確に推定することができる。

年齢推定装置は、実年齢の学習時に、算出手段により算出された第１の相関関係で記憶手段に既に記憶された第１の相関関係を更新し、見かけ年齢の学習時に、算出手段により算出された第２の相関関係で記憶手段に既に記憶された第２の相関関係を更新する更新手段をさらに備えてもよい。

この場合、実年齢の学習時に、算出手段により算出された第１の相関関係で記憶手段に既に記憶された第１の相関関係が更新され、見かけ年齢の学習時に、算出手段により算出された第２の相関関係で記憶手段に既に記憶された第２の相関関係が更新される。それにより、学習回数の増加に伴って顔画像の実年齢および見かけ年齢の推定精度が向上する。

算出手段は、重回帰分析により第１の相関関係および第２の相関関係を算出してもよい。

この場合、第１の相関関係および第２の相関関係が重回帰分析により得られた重回帰式により表される。

第２の発明に係る年齢推定方法は、実年齢の学習時に、学習すべき顔画像および実年齢を入力し、見かけ年齢の学習時に、学習すべき顔画像および見かけ年齢を入力するステップと、実年齢または見かけ年齢の推定時に、年齢を推定すべき顔画像を入力するステップと、入力された顔画像から特徴量を抽出するステップと、実年齢の学習時に、抽出された特徴量と入力された実年齢との相関関係を第１の相関関係として算出し、見かけ年齢の学習時に、抽出された特徴量と入力された見かけ年齢との相関関係を第２の相関関係として算出するステップと、算出された第１の相関関係を記憶するステップと、算出された第２の相関関係を記憶するステップと、実年齢の推定時に、抽出された特徴量に基づいて記憶された第１の相関関係から入力された顔画像の実年齢を推定し、見かけ年齢の推定時に、抽出された特徴量に基づいて記憶された第２の相関関係から入力された顔画像の見かけ年齢を推定するステップとを備えたものである。

本発明に係る年齢推定方法においては、実年齢の学習時に、学習すべき顔画像および実年齢が入力され、入力された顔画像から特徴量が抽出される。抽出された特徴量と入力された実年齢との相関関係が第１の相関関係として算出され、算出された第１の相関関係が記憶される。

見かけ年齢の学習時に、学習すべき顔画像および見かけ年齢が入力され、入力された顔画像から特徴量が抽出される。抽出された特徴量と入力された見かけ年齢との相関関係が第２の相関関係として算出され、算出された第２の相関関係が記憶される。

実年齢の推定時に、年齢を推定すべき顔画像が入力され、入力された顔画像から特徴量が抽出される。抽出された特徴量に基づいて記憶された第１の相関関係から顔画像の実年齢が推定される。

見かけ年齢の推定時に、年齢を推定すべき顔画像が入力され、入力された顔画像から特徴量が抽出される。抽出された特徴量に基づいて記憶された第２の相関関係から顔画像の見かけ年齢が推定される。

このようにして、顔画像の実年齢を正確に推定することができるとともに顔画像の見かけ年齢を正確に推定することができる。

第３の発明に係る年齢推定プログラムは、コンピュータにより実行可能な年齢推定プログラムであって、実年齢の学習時に、学習すべき顔画像および実年齢を入力し、見かけ年齢の学習時に、学習すべき顔画像および見かけ年齢を入力する処理と、実年齢または見かけ年齢の推定時に、年齢を推定すべき顔画像を入力する処理と、入力された顔画像から特徴量を抽出する処理と、実年齢の学習時に、抽出された特徴量と入力された実年齢との相関関係を第１の相関関係として算出し、見かけ年齢の学習時に、抽出された特徴量と入力された見かけ年齢との相関関係を第２の相関関係として算出する処理と、算出された第１の相関関係を記憶する処理と、算出された第２の相関関係を記憶する処理と、実年齢の推定時に、抽出された特徴量に基づいて記憶された第１の相関関係から入力された顔画像の実年齢を推定し、見かけ年齢の推定時に、抽出された特徴量に基づいて記憶された第２の相関関係から入力された顔画像の見かけ年齢を推定する処理とを、コンピュータに実行させるものである。

本発明に係る年齢推定プログラムにおいては、実年齢の学習時に、学習すべき顔画像および実年齢が入力され、入力された顔画像から特徴量が抽出される。抽出された特徴量と入力された実年齢との相関関係が第１の相関関係として算出され、算出された第１の相関関係が記憶される。

見かけ年齢の学習時に、学習すべき顔画像および見かけ年齢が入力され、入力された顔画像から特徴量が抽出される。抽出された特徴量と入力された見かけ年齢との相関関係が第２の相関関係として算出され、算出された第２の相関関係が記憶される。

実年齢の推定時に、年齢を推定すべき顔画像が入力され、入力された顔画像から特徴量が抽出され、抽出された特徴量に基づいて記憶された第１の相関関係から顔画像の実年齢が推定される。

見かけ年齢の推定時に、年齢を推定すべき顔画像が入力され、入力された顔画像から特徴量が抽出され、抽出された特徴量に基づいて記憶された第２の相関関係から顔画像の見かけ年齢が推定される。

このようにして、顔画像の実年齢を正確に推定することができるとともに顔画像の見かけ年齢を正確に推定することができる。

本発明によれば、顔画像の実年齢を正確に推定することができるとともに顔画像の見かけ年齢を正確に推定することができる。

以下、本発明の実施の形態に係る年齢推定装置について図面を参照しながら説明する。

図１は本発明の一実施の形態に係る年齢推定装置の構成および学習方法を示す模式図である。図１（ａ）は実年齢に基づく年齢推定装置の学習を示し、図１（ｂ）は見かけ年齢に基づく年齢推定装置の学習を示す。

ここで、顔画像の実年齢とは、顔画像が撮影された時点におけるその人物の実際の年齢をいう。また、顔画像の見かけ年齢とは、心理実験により得られた顔画像の知覚年齢をいい、人がその顔画像から判断する見かけ上の年齢を意味する。

図１の年齢推定装置は、特徴量抽出装置１および年齢識別装置２からなる。特徴量抽出装置１および年齢識別装置２は、後述するようにコンピュータおよび年齢推定プログラムにより構成される。年齢推定プログラムは、主として特徴量抽出プログラムおよび年齢識別プログラムからなり、年齢識別プログラムは教師付きニューラルネットワークにより構成される。

以下、年齢推定装置に学習させる顔画像を学習顔と呼び、年齢推定装置により年齢を推定させる顔画像を評価顔と呼ぶ。なお、学習顔の実年齢および見かけ年齢は既知である。一方、評価顔の実年齢および見かけ年齢は未知である。

本実施の形態では、年齢推定装置に学習顔の年齢として一定の幅を有する年齢層（年代）を学習させる。また、年齢推定装置により評価顔の年齢として一定の幅を有する年齢層（年代）を推定させる。以下、年齢推定装置に学習させる学習顔の年齢層を学習年齢と呼ぶ。また、年齢推定装置により出力される評価顔の年齢層を出力年齢と呼ぶ。

実年齢の学習時には、図１（ａ）に示すように、実年齢が既知の１または複数の学習顔を実年齢とともに特徴量抽出装置１に入力する。特徴量抽出装置１は、各学習顔から複数の特徴量を抽出する。年齢識別装置２は、特徴量抽出装置１により抽出された各学習顔の複数の特徴量と各学習顔の実年齢との相関関係を重回帰分析により求める。重回帰分析については後述する。

見かけ年齢の学習時には、図１（ｂ）に示すように、見かけ年齢が既知の１または複数の学習顔を見かけ年齢とともに特徴量抽出装置１に入力する。特徴量抽出装置１は、各学習顔から複数の特徴量を抽出する。年齢識別装置２は、特徴量抽出装置１により抽出された各学習顔の複数の特徴量と各学習顔の見かけ年齢との相関関係を重回帰分析により求める。重回帰分析については後述する。

なお、実年齢の学習および見かけ年齢の学習を同時に行ってもよい。この場合には、実年齢および見かけ年齢が既知の１または複数の学習顔を実年齢および見かけ年齢とともに特徴量抽出装置１に入力する。

評価顔の実年齢および見かけ年齢の推定時には、評価顔を特徴量抽出装置１に入力する。特徴量抽出装置１は、評価顔から複数の特徴量を抽出する。年齢識別装置２は、複数の特徴量と実年齢との相関関係を用いて、特徴量抽出装置１により抽出された評価顔の複数の特徴量から評価顔の実年齢および見かけ年齢を推定し、実年齢および見かけ年齢に関する出力年齢を求める。

図２は図１の特徴量抽出装置１による特徴量の抽出処理を説明するための図である。

まず、特徴量抽出装置１に学習顔を入力し、特徴点の抽出のために学習顔の両目および口の中心位置を特定する。次に、学習顔に前処理を行う。前処理としては、グレースケール化（階調化）、角度正規化、サイズ正規化等を行う。

その後、学習顔の特徴量を抽出する。この場合、両目および口の中心点を中心としてそれぞれ複数の同心円を描き、両目および口の中心点および各同心円上の複数の点を特徴点とする。例えば、口の中心点、１番目の同心円上の４点および２番目の同心円上の８点を特徴点とする。そして、複数の特徴点の画像をサンプリングする。サンプリング手法としては、例えばＲｅｔｉｎａ Ｓａｍｐｌｉｎｇを用いることができる。Ｒｅｔｉｎａ Ｓａｍｐｌｉｎｇとは、人間の目の網膜（Ｒｅｔｉｎａ）の細胞が視野内の各位置から輝度などの特徴量を検出するように、画像上の各位置に仮想的な網膜上の細胞を配置することにより特徴量のサンプリングを行う手法である。本実施の形態では、フィルタが網膜上の細胞に相当する。なお、特徴点の数および位置は本例に限定されない。

特徴量抽出装置１には、予め複数のフィルタＦ１１〜Ｆｈｋが用意されている。複数のフィルタＦ１１〜Ｆｈｋは、空間周波数または傾き（方向）がそれぞれ異なる。ここで、ｈおよびｋは任意の整数である。複数のフィルタＦ１１〜Ｆｈｋとしては、例えばＧａｂｏｒ Ｗａｖｅｌｅｔを用いることができる。

各特徴点の画像と複数のフィルタＦ１１〜Ｆｈｋとをそれぞれ比較し、各特徴点について複数のフィルタＦ１１〜Ｆｈｋとの類似度を調べる。このようにして得られる各特徴点の画像と複数のフィルタＦ１１〜Ｆｈｋとの類似度が特徴量となる。なお、複数のフィルタＦ１１〜Ｆｈｋの出力値が類似度を表す。

年齢識別装置２は、特徴量抽出装置１により抽出された各学習顔の複数の特徴量と各学習顔の実年齢または見かけ年齢との相関関係を算出する。

評価顔の年齢の推定時には、特徴量抽出装置１に評価顔が入力され、上記の処理と同様にして評価顔の各特徴点について特徴量が抽出される。

図３は年齢識別装置２により作成される実年齢と見かけ年齢との対応関係の一例を示す図である。

図１の年齢識別装置２は、実年齢の学習により得られた複数の特徴量と実年齢との相関関係および見かけ年齢の学習により得られた複数の特徴量と見かけ年齢との相関関係に基づいて各年齢ごとの見かけ年齢と実年齢との対応関係を重回帰分析により作成する。

それにより、図３の対応関係を用いて、評価顔について推定された見かけ年齢を実年齢に変換することもできる。

図４は図１の年齢識別装置２により用いられる重回帰分析を説明するための図である。図４には、ｍ枚の顔画像からｎ個の特徴量を抽出した場合のデータ構造が示される。ここで、ｍおよびｎは、それぞれ任意の整数である。

重回帰分析とは、複数の変数に基づいて別の変数を予測する方法である。本実施の形態では、顔画像から得られたｎ個の特徴量Ｘｉ（独立変数）に基づいて顔画像の年齢の推定値Ｙ’（従属変数）を算出するために重回帰分析を用いる。なお、顔画像の年齢の推定値Ｙ’として実年齢および見かけ年齢の推定値を算出するために２つの式を求める。

図４において、複数の顔画像Ｐ１〜Ｐｍは複数の学習顔である。Ｙは実年齢または見かけ年齢の実測値である。また、特徴量Ｘ１〜Ｘｎは、複数の顔画像Ｐ１〜Ｐｍの各々における複数の特徴点での複数のフィルタＦ１１〜Ｆｈｋとの類似度である。例えば、特徴量Ｘ１は、目の中心点の特徴点について第１の空間周波数および第１の傾きを有するフィルタＦ１１の出力値に相当する。また、特徴量Ｘ２は、目の中心点の特徴点について第１の空間周波数および第２の傾きを有するフィルタＦ１２の出力値に相当する。

ｙ１〜ｙｍは、それぞれ顔画像Ｐ１〜Ｐｍの実年齢または見かけ年齢の実測値を示す。また、ｘ_1・1〜ｘ_m・1は、それぞれ顔画像Ｐ１〜Ｐｍの特徴量Ｘ１を示し、ｘ_1・2〜ｘ_m・2は、それぞれ顔画像Ｐ１〜Ｐｍの特徴量Ｘ２を示し、ｘ_1・3〜ｘ_m・3は、それぞれ顔画像Ｐ１〜Ｐｍの特徴量Ｘ３を示し、同様に、ｘ_1・n〜ｘ_m・nは、それぞれ顔画像Ｐ１〜Ｐｍの特徴量Ｘｎを示す。

まず、最小二乗法により下記式（１）で表される重回帰式の定数項αおよび偏回帰係数β₁ ，β₂ ，β₃ ，…，β_n を求める。

Ｙ’＝α＋β₁Ｘ１＋β₂Ｘ２＋β₃Ｘ３＋…＋β_nＸｎ …（１）
なお、全ての独立変数を用いる必要はないため、ステップワイズ法、変数増加法、変数減少法等により独立変数の選択を行い、選択された独立変数を重回帰式に導入する。

最小二乗法では、年齢の実測値Ｙと年齢の推定値Ｙ’との差（残差と呼ぶ）ｅ（＝Ｙ−Ｙ’）が最小となるように定数項αおよび偏回帰係数β₁ ，β₂ ，β₃ ，…，β_n を決定する。この場合、残差ｅは、正負の符号を有するので、複数の重回帰式の残査ｅの二乗和が最小になるように定数項αおよび偏回帰係数β₁ ，β₂ ，β₃ ，…，β_n を決定する。

図５は独立変数が２つの場合の定数項αおよび偏回帰係数β₁ ，β₂ の決定方法の一例を示す図である。

図５の例では、独立変数が特徴量Ｘ１および特徴量Ｘ２である場合を示す。この場合、重回帰式は下記式（２）のようになる。

Ｙ’＝α＋β₁Ｘ１＋β₂Ｘ２ …（２）
年齢の実測値Ｙと年齢の推定値Ｙ’との残差ｅの二乗和が最小となるように定数項αおよび偏回帰係数β₁ ，β₂ を決定する。この場合、上記式（２）で表される平面（予測平面）ＰＬ上の点が年齢の推定値Ｙ’に相当する。

例えば、特徴量Ｘ１がｘ１であり、特徴量Ｘ２がｘ２であり、年齢の実測値Ｙがｙ１であるとする。この場合、年齢の推定値ｙ１’と年齢の実測値ｙ１との残差ｅ１が最小となるように定数項αおよび偏回帰係数β₁ ，β₂ を決定する。

重回帰分析における推定値と実測値との相関係数をＲとした場合、相関係数Ｒを二乗したＲ²を重決定係数と呼ぶ。重決定係数Ｒ² の値が高いほど推測が正確であることを示すので、重決定係数Ｒ² を最大にする重回帰式を採用する。

図１の年齢識別装置２は、上記のようにして実年齢に関する重回帰式および見かけ年齢に関する重回帰式を決定することにより複数の特徴量と実年齢および見かけ年齢との相関関係を求め、それらの相関関係を記憶する。そして、年齢識別装置２は、記憶された相関関係に基づいて評価顔の実年齢および見かけ年齢を推定する。

図６は本実施の形態の年齢推定装置の構成を示すブロック図である。

年齢推定装置５０は、ＣＰＵ（中央演算処理装置）５０１、ＲＯＭ（リードオンリメモリ）５０２、ＲＡＭ（ランダムアクセスメモリ）５０３、入力装置５０４、表示装置５０５、外部記憶装置５０６、記録媒体駆動装置５０７および入出力インタフェース５０８を含む。

入力装置５０４は、キーボード、マウス等からなり、各種指令および各種データを入力するために用いられる。ＲＯＭ５０２にはシステムプログラムが記憶される。記録媒体駆動装置５０７は、ＣＤ−ＲＯＭドライブ、フロッピィディスクドライブ等からなり、ＣＤ−ＲＯＭ、フロッピィディスク等の記録媒体５０９に対してデータの読み書きを行う。

記録媒体５０９には、年齢推定プログラムが記録されている。外部記憶装置５０６は、ハードディスク装置等からなり、記録媒体駆動装置５０７を介して記録媒体５０９から読み込まれた年齢推定プログラムおよび各種データを記憶する。ＣＰＵ５０１は、外部記憶装置５０６に記憶された年齢推定プログラムをＲＡＭ５０３上で実行する。

表示装置５０５は、液晶表示パネル、ＣＲＴ（陰極線管）等からなり、各種画像等を表示する。入出力インタフェース５０８には、デジタルカメラ等のカメラ６０、イメージスキャナ等を接続することができる。入出力インタフェース５０８は、カメラ６０、イメージスキャナ等により画像データとして与えられる顔画像を外部記憶装置５０６に転送する。

また、顔画像を画像データとして記録媒体５０９から記録媒体駆動装置５０７を介して読み込み、外部記憶装置５０６に記憶させてもよい。

なお、年齢推定プログラムを記録する記録媒体５０９として、ＲＯＭ等の半導体メモリ、ハードディスク等の種々の記録媒体を用いることができる。また、年齢推定プログラムを通信回線等の通信媒体を介して外部記憶装置５０６にダウンロードし、ＲＡＭ５０３上で実行してもよい。

図７は図６の年齢推定装置の動作を示すフローチャートである。

まず、使用者は、入力装置５０４により学習顔を用いた学習を行うか、評価顔の実年齢および見かけ年齢の推定を行うかを指令する。ＣＰＵ５０１は、入力装置５０４により学習顔を用いた学習が指令されたか否かを判定する（ステップＳ１１）。

入力装置５０４により学習顔を用いた学習が指令された場合には、ＣＰＵ５０１は、１または複数の学習顔の画像データおよびその学習顔の年齢を外部記憶装置５０６に読み込む（ステップＳ１２）。この場合、ＣＰＵ５０１は、実年齢の学習時には年齢として実年齢を読み込み、見かけ年齢の学習時には年齢として見かけ年齢を読み込み、実年齢および見かけ年齢の学習時には年齢として実年齢および見かけ年齢の両方を読み込む。

次に、ＣＰＵ５０１は、読み込まれた学習顔から複数の特徴量を抽出する（ステップＳ１３）。さらに、ＣＰＵ５０１は、抽出された複数の特徴量および読み込まれた年齢を用いて重回帰分析を行う（ステップＳ１４）。それにより、重回帰式が求められる。この重回帰式は外部記憶装置５０６に記憶される。

続いて、ＣＰＵ５０１は、重回帰式の更新を行う（ステップＳ１５）。この場合、既に重回帰式が記憶されている場合には、今回の重回帰分析の結果に基づいて既に記憶されている重回帰式が再計算されて更新される。その更新された重回帰式は外部記憶装置５０６に記憶される。

その後、ＣＰＵ５０１は、使用者が処理の終了を指令したか否かを判別する（ステップＳ１６）。使用者が処理の終了を指令していない場合には、ステップＳ１１に戻る。使用者が処理の終了を指令した場合には、ＣＰＵ５０１は処理を終了する。

ステップＳ１１において入力装置５０４により評価顔の年齢の推定が指令された場合には、ＣＰＵ５０１は、評価顔の画像データを外部記憶装置５０６に読み込む（ステップＳ２１）。

次に、ＣＰＵ５０１は、読み込まれた評価顔から複数の特徴量を抽出する（ステップＳ２２）。さらに、ＣＰＵ５０１は、抽出された複数の特徴量および外部記憶装置５０６に記憶された重回帰式を用いて年齢を推定する（ステップＳ２３）。

この場合、ＣＰＵ５０１は、実年齢の推定時には実年齢に関する重回帰式を用い、見かけ年齢の推定時には見かけ年齢に関する重回帰式を用い、実年齢および見かけ年齢の推定時には実年齢に関する重回帰式および見かけ年齢に関する重回帰式の両方を用いる。なお、見かけ年齢に関する重回帰式を用いて見かけ年齢を推定し、図３の対応関係を用いて見かけ年齢を実年齢に変換してもよい。

続いて、ＣＰＵ５０１は、推定された年齢を表示装置５０５に表示させる（ステップＳ２４）。その後、ステップＳ１６に進む。

本実施の形態に係る年齢推定装置においては、顔画像の実年齢を正確に推定することができるとともに顔画像の見かけ年齢を正確に推定することができる。

本実施の形態では、記録媒体駆動装置５０７および入出力インタフェース５０８が入力手段に相当し、ＣＰＵ５０１が抽出手段、算出手段および推定手段に相当し、外部記憶装置５０６が記憶手段に相当する。

なお、本実施の形態に係る年齢推定装置は、推定された年齢を一定の幅を有する年齢層（年代）として出力しているが、推定された年齢をそのまま出力してもよい。

本発明は、購買者の年齢層の統計の作成、犯罪捜査等の種々の分野で顔画像の年齢を推定するために利用することができる。

本発明の一実施の形態に係る年齢推定装置の構成および学習方法を示す模式図である。 図１の特徴量抽出装置による特徴量の抽出処理を説明するための図である。 年齢識別装置により作成される実年齢と見かけ年齢との対応関係の一例を示す図である。 図１の年齢識別装置により用いられる重回帰分析を説明するための図である。 独立変数が２つの場合の定数項および偏回帰係数の決定方法の一例を示す図である。 本実施の形態の年齢推定装置の構成を示すブロック図である。 図６の年齢推定装置の動作を示すフローチャートである。

符号の説明

１ 特徴量抽出装置
２ 年齢識別装置
５０ 年齢推定装置
６０ カメラ
５０１ ＣＰＵ
５０２ ＲＯＭ
５０３ ＲＡＭ
５０４ 入力装置
５０５ 表示装置
５０６ 外部記憶装置
５０７ 記録媒体駆動装置
５０８ 入出力インタフェース
Ｆ１１，Ｆ１ｋ，Ｆｈ１，Ｆｈｋ フィルタ
Ｐ１，Ｐ２，Ｐ３…Ｐｍ 顔画像
ＰＬ 平面
Ｘ１，Ｘ２，Ｘ３…Ｘｎ 特徴量
Ｙ’ 推定値
Ｙ 実測値

Claims (5)

1. 実年齢の学習時に、学習すべき顔画像および実年齢を入力し、見かけ年齢の学習時に、学習すべき顔画像および見かけ年齢を入力し、実年齢または見かけ年齢の推定時に、年齢を推定すべき顔画像を入力する入力手段と、
   前記入力手段により入力された顔画像から特徴量を抽出する抽出手段と、
   実年齢の学習時に、前記抽出手段により抽出された特徴量と前記入力手段により入力された実年齢との相関関係を第１の相関関係として算出し、見かけ年齢の学習時に、前記抽出手段により抽出された特徴量と前記入力手段により入力された見かけ年齢との相関関係を第２の相関関係として算出する算出手段と、
   前記算出手段により算出された第１の相関関係および第２の相関関係を記憶する記憶手段と、
   実年齢の推定時に、前記抽出手段により抽出された特徴量に基づいて前記記憶手段に記憶された第１の相関関係から前記入力手段により入力された顔画像の実年齢を推定し、見かけ年齢の推定時に、前記抽出手段により抽出された特徴量に基づいて前記記憶手段に記憶された第２の相関関係から前記入力手段により入力された顔画像の見かけ年齢を推定する推定手段とを備えたことを特徴とする年齢推定装置。
2. 実年齢の学習時に、前記算出手段により算出された第１の相関関係で前記記憶手段に既に記憶された第１の相関関係を更新し、見かけ年齢の学習時に、前記算出手段により算出された第２の相関関係で前記記憶手段に既に記憶された第２の相関関係を更新する更新手段をさらに備えたことを特徴とする請求項１記載の年齢推定装置。
3. 前記算出手段は、重回帰分析により前記第１の相関関係および前記第２の相関関係を算出することを特徴とする請求項１または２記載の年齢推定装置。
4. 実年齢の学習時に、学習すべき顔画像および実年齢を入力し、見かけ年齢の学習時に、学習すべき顔画像および見かけ年齢を入力するステップと、
   実年齢または見かけ年齢の推定時に、年齢を推定すべき顔画像を入力するステップと、
   前記入力された顔画像から特徴量を抽出するステップと、
   実年齢の学習時に、前記抽出された特徴量と前記入力された実年齢との相関関係を第１の相関関係として算出し、見かけ年齢の学習時に、前記抽出された特徴量と前記入力された見かけ年齢との相関関係を第２の相関関係として算出するステップと、
   前記算出された第１の相関関係を記憶するステップと、
   前記算出された第２の相関関係を記憶するステップと、
   実年齢の推定時に、前記抽出された特徴量に基づいて前記記憶された第１の相関関係から前記入力された顔画像の実年齢を推定し、見かけ年齢の推定時に、前記抽出された特徴量に基づいて前記記憶された第２の相関関係から前記入力された顔画像の見かけ年齢を推定するステップとを備えたことを特徴とする年齢推定方法。
5. コンピュータにより実行可能な年齢推定プログラムであって、
   実年齢の学習時に、学習すべき顔画像および実年齢を入力し、見かけ年齢の学習時に、学習すべき顔画像および見かけ年齢を入力する処理と、
   実年齢または見かけ年齢の推定時に、年齢を推定すべき顔画像を入力する処理と、
   前記入力された顔画像から特徴量を抽出する処理と、
   実年齢の学習時に、前記抽出された特徴量と前記入力された実年齢との相関関係を第１の相関関係として算出し、見かけ年齢の学習時に、前記抽出された特徴量と前記入力された見かけ年齢との相関関係を第２の相関関係として算出する処理と、
   前記算出された第１の相関関係を記憶する処理と、
   前記算出された第２の相関関係を記憶する処理と、
   実年齢の推定時に、前記抽出された特徴量に基づいて前記記憶された第１の相関関係から前記入力された顔画像の実年齢を推定し、見かけ年齢の推定時に、前記抽出された特徴量に基づいて前記記憶された第２の相関関係から前記入力された顔画像の見かけ年齢を推定する処理とを、
   前記コンピュータに実行させることを特徴とする年齢推定プログラム。

Images